# WebLLM

## liens

- [Le web terminal de Ludo](https://github.com/ltoinel/Terminal.com)

avec ses outils

- [webllmfit, pour savoir si ton LLM marche avec ta machine](https://ludovic.toinel.com/webllmfit)
- [webllmchat, pour chatter avec ton LLM autrement que dans la console](https://chat.webllm.ai/#/)

```
webllmfit
webllmfit — can your machine run these models?
Hardware
  WebGPU.........: NOT available
  System RAM.....: unknown
  CPU threads....: 8
No WebGPU → no in-browser LLM can run in this browser.
Use a recent Chrome/Edge (≥ 113) or Safari 18+ (chrome://flags/#enable-unsafe-webgpu on Linux).
```

---

- [Homepage du machine learning compiler (MLC)](https://llm.mlc.ai/docs/deploy/webllm.html)
- [Repo du MLC](https://github.com/mlc-ai/mlc-llm)
- [Modèles compilés au format MLC](https://huggingface.co/mlc-ai)

---

- [Homepage Webllm](https://webllm.org/)
- [Le projet WebLLM](https://github.com/mlc-ai/web-llm)


## install webllm 

[Suivre l'install](https://github.com/mlc-ai/web-llm) dans le readme.

```
sudo apt install -y nodejs npm

npm install @mlc-ai/web-llm

 python -m"http.server" 8000
```

ou bien, lancer le serveur nodejs : 
```
npm install -g serve
serve
```

### usage

La méthode principale : le System Prompt. Exemple de script:

```javascript

import { CreateMLCEngine } from "@mlc-ai/web-llm";

// 1. Définir la persona (comme votre instruction SYSTEM dans Ollama)
const systemPrompt = "Tu es un assistant culinaire expert, spécialisé dans la cuisine française. Tu réponds toujours avec enthousiasme et proposes des alternatives aux ingrédients difficiles à trouver. Tu ne parles jamais de sujets hors de la cuisine.";

const messages = [
  // 2. Le message système définit le comportement pour toute la conversation
  { role: "system", content: systemPrompt },
  { role: "user", content: "Comment faire une bonne quiche lorraine ?" }
];

// 3. Envoyer la requête
const engine = await CreateMLCEngine("Llama-3.1-8B-Instruct-q4f32_1-MLC");
const reply = await engine.chat.completions.create({ messages });

console.log(reply.choices[0].message.content);

```

- Aller dans le dossier `webllm` et lancer un serveur type `python -m"http.server"`
dans ce dossier.
- Utiliser un browser compatible (j'ai utilisé un-googled-chromium), 
  le résultat du chat apparaît dans la console.

## install the python mlc local chat utility

### install 

L'install doit se faire avec des version très précises sinon il y a des difficultés.

- faire un environnement virtuel
- installer de la manière suivante :

```
sudo apt-get install git-lfs

pip install --pre -f https://mlc.ai/wheels \
    mlc-ai-cpu==0.20.0 \
    mlc-llm-cpu==0.20.0.dev0


pip install psutil

# wget https://github.com/mlc-ai/package/releases/download/v0.9.dev0/mlc_llm_cpu-0.20.0.dev0-py3-none-manylinux_2_28_x86_64.whl
# pip install ./mlc_llm_cpu-0.20.0.dev0-py3-none-manylinux_2_28_x86_64.whl

pip install apache-tvm-ffi==0.1.11
# https://pypi.org/project/apache-tvm-ffi/#history
```

### usage 

```
python -m mlc_llm chat HF://mlc-ai/Llama-3-8B-Instruct-q4f16_1-MLC
```

```
You can use the following special commands:
  /help               print the special commands
  /exit               quit the cli
  /stats              print out stats of last request (token/sec)
  /metrics            print out full engine metrics
  /reset              restart a fresh chat
  /set [overrides]    override settings in the generation config. For example,
                      `/set temperature=0.5;top_p=0.8;seed=23;max_tokens=100;stop=str1,str2`
                      Note: Separate stop words in the `stop` option with commas (,).
  Multi-line input: Use escape+enter to start a new line.
```