Wdrażanie lekkich agentów na brzegu sieci
Uruchamianie małych modeli na Raspberry Pi i urządzeniach brzegowych w celu uzyskania szybkiej reakcji.
Wdrażanie lekkich agentów na brzegu sieci to bezpłatna lekcja AI Agents na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Agents, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Agents zawiera 4 lekcji w sumie.
Agenci AI na brzegu sieci
Agent brzegowy działa bezpośrednio na urządzeniu IoT lub lokalnej bramie — Raspberry Pi, Jetson Nano albo komputerze przemysłowym — zamiast w chmurze. Zalety: mniejsze opóźnienia (brak podróży do chmury i z powrotem), działanie offline i niższy koszt transferu danych. Kompromis: ograniczona moc obliczeniowa i pamięć RAM wymagają mniejszych, wydajniejszych modeli.
Wybór modelu do wdrożenia brzegowego
Urządzenia brzegowe nie mogą uruchamiać GPT-4o ani Claude Opus. Małe modele mieszczące się na Raspberry Pi 5 (8 GB RAM) to: Phi-3-mini (3.8B parametrów), Gemma-2B, TinyLlama-1.1B. Modele te po skwantyzowaniu do 4 bitów wymagają 1–3 GB pamięci RAM i działają z szybkością 5–15 tokenów na sekundę na CPU.
# Model size reference for edge selection:
EDGE_MODELS = {
'tinyllama-1.1b-q4': {
'params': '1.1B', 'quantization': 'Q4_K_M',
'ram_gb': 0.8, 'tokens_per_sec_cpu': 15,
'use_case': 'simple classification, keyword detection'
},
'phi-3-mini-q4': {
'params': '3.8B', 'quantization': 'Q4_K_M',
'ram_gb': 2.5, 'tokens_per_sec_cpu': 8,
'use_case': 'reasoning, multi-step decisions'
},
'gemma-2b-q4': {
'params': '2B', 'quantization': 'Q4_K_M',
'ram_gb': 1.5, 'tokens_per_sec_cpu': 10,
'use_case': 'general assistant tasks'
}
}
for name, info in EDGE_MODELS.items():
print(f'{name}: {info["ram_gb"]}GB RAM, '
f'{info["tokens_per_sec_cpu"]} tok/s — {info["use_case"]}')Instalowanie Ollama na Raspberry Pi
Ollama to najprostszy sposób uruchamiania małych modeli LLM na lokalnym sprzęcie. Zarządza pobieraniem modeli, kwantyzacją i lokalnym interfejsem REST zgodnym z OpenAI SDK. Jedno polecenie ją instaluje, a drugie pobiera i uruchamia model.
# Install Ollama (run on the Raspberry Pi terminal):
# curl -fsSL https://ollama.ai/install.sh | sh
# Pull and run a model:
# ollama pull phi3:mini
# ollama serve (starts API on localhost:11434)
# Python client — uses the OpenAI-compatible endpoint:
from openai import OpenAI
local_client = OpenAI(
base_url='http://localhost:11434/v1',
api_key='ollama' # Ollama ignores this but it is required by the SDK
)
def local_inference(prompt: str, model: str = 'phi3:mini') -> str:
response = local_client.chat.completions.create(
model=model,
messages=[{'role': 'user', 'content': prompt}],
max_tokens=256,
temperature=0.1
)
return response.choices[0].message.content
result = local_inference('Is temperature 45C dangerous for a server room?')
print(result)Kwantyzacja GGUF do 4 bitów
GGUF (GPT-Generated Unified Format) to format plików używany przez llama.cpp i Ollama dla modeli poddanych kwantyzacji. Q4_K_M oznacza mieszaną kwantyzację 4-bitową — plik jest około 75% mniejszy niż fp32, przy minimalnej utracie jakości w zadaniach wnioskowania na brzegu sieci.
# Understanding quantisation quality levels:
QUANTISATION_GUIDE = {
'Q2_K': {'size_multiplier': 0.25, 'quality': 'poor', 'ram': 'minimal'},
'Q4_K_M': {'size_multiplier': 0.45, 'quality': 'good', 'ram': 'low'},
'Q5_K_M': {'size_multiplier': 0.55, 'quality': 'better', 'ram': 'medium'},
'Q8_0': {'size_multiplier': 0.75, 'quality': 'near-original', 'ram': 'high'},
'F16': {'size_multiplier': 1.0, 'quality': 'original', 'ram': 'full'}
}
# For edge: Q4_K_M is the sweet spot
# 7B model: 7B * 4bit/8 = 3.5 GB in Q4 vs 14 GB in F16
def estimate_vram_gb(param_billions: float, quant: str) -> float:
multiplier = QUANT_GUIDE = {
'Q4_K_M': 0.45, 'Q8_0': 0.75, 'F16': 1.0
}
return round(param_billions * multiplier.get(quant, 0.5), 2)
print(f'Phi-3-mini Q4_K_M: {estimate_vram_gb(3.8, "Q4_K_M")} GB')
print(f'Phi-3-mini F16: {estimate_vram_gb(3.8, "F16")} GB')Optymalizacja szybkości wnioskowania na CPU
Na urządzeniach brzegowych korzystających wyłącznie z CPU szybkość wnioskowania zależy od liczby wątków i buforowania promptu. Należy ustawić liczbę wątków zgodnie z liczbą rdzeni CPU, skrócić prompt systemowy (jeśli nie jest buforowany, jest przetwarzany ponownie przy każdym wywołaniu) i w miarę możliwości grupować powtarzające się zapytania.
import os
import time
# Ollama environment variables for performance tuning
# Set before starting the Ollama service:
# OLLAMA_NUM_PARALLEL=1 (single request at a time on small devices)
# OLLAMA_MAX_LOADED_MODELS=1 (only keep one model in RAM)
def timed_inference(prompt: str, client, model: str = 'phi3:mini') -> dict:
start = time.time()
response = client.chat.completions.create(
model=model,
messages=[{'role': 'user', 'content': prompt}],
max_tokens=128
)
elapsed = time.time() - start
text = response.choices[0].message.content
tokens = len(text.split()) # approximate
return {
'text': text,
'elapsed_s': round(elapsed, 2),
'approx_tps': round(tokens / elapsed, 1)
}
result = timed_inference('Classify: temperature=45C, normal range 18-30C. Action?',
local_client)
print(result)Hybrydowa architektura edge-cloud
Optymalna architektura wykorzystuje model edge do szybkich decyzji o niskim ryzyku (klasyfikacja, logika progowa), a w przypadku złożonych, rzadkich lub krytycznych decyzji synchronizuje się z modelem chmurowym. Agent edge umieszcza złożone zapytania w kolejce i wysyła je, gdy pozwala na to łączność.
import anthropic
import time
class HybridAgent:
def __init__(self, edge_client, cloud_api_key: str):
self.edge = edge_client # Ollama local client
self.cloud = anthropic.Anthropic(api_key=cloud_api_key)
self.pending_cloud_queries = []
def decide(self, context: dict) -> str:
# Fast path: edge model for simple binary decisions
simple_prompt = (
f'Sensor: {context}. '
'Respond with exactly one word: NORMAL or ALERT.'
)
edge_result = self.edge.chat.completions.create(
model='phi3:mini',
messages=[{'role': 'user', 'content': simple_prompt}],
max_tokens=5
).choices[0].message.content.strip()
if edge_result == 'ALERT':
# Queue complex analysis for cloud
self.pending_cloud_queries.append(context)
return edge_result
def sync_to_cloud(self):
"""Call when online connectivity is available."""
for ctx in self.pending_cloud_queries:
result = self.cloud.messages.create(
model='claude-opus-4-5', max_tokens=512,
messages=[{'role': 'user', 'content':
f'Full analysis of: {ctx}'}]
)
print('Cloud analysis:', result.content[0].text[:100])
self.pending_cloud_queries.clear()Kolejka offline do synchronizacji z chmurą
Agenty edge często działają w środowiskach, w których łączność jest przerywana. Należy lokalnie buforować zapytania, odczyty z czujników i dzienniki działań, a następnie wysyłać je do chmury po przywróceniu łączności. Jako lokalnego bufora należy użyć bazy danych SQLite.
import sqlite3
import json
from datetime import datetime
DB_PATH = '/home/pi/agent_buffer.db'
def init_buffer_db():
conn = sqlite3.connect(DB_PATH)
conn.execute("""
CREATE TABLE IF NOT EXISTS sync_queue (
id INTEGER PRIMARY KEY AUTOINCREMENT,
type TEXT NOT NULL,
payload TEXT NOT NULL,
created_at TEXT NOT NULL,
synced INTEGER DEFAULT 0
)
""")
conn.commit()
conn.close()
def buffer_for_sync(record_type: str, payload: dict):
conn = sqlite3.connect(DB_PATH)
conn.execute(
'INSERT INTO sync_queue (type, payload, created_at) VALUES (?, ?, ?)',
(record_type, json.dumps(payload), datetime.utcnow().isoformat())
)
conn.commit()
conn.close()
def flush_to_cloud(cloud_fn):
conn = sqlite3.connect(DB_PATH)
rows = conn.execute(
'SELECT id, type, payload FROM sync_queue WHERE synced=0 LIMIT 100'
).fetchall()
for row_id, r_type, payload in rows:
cloud_fn(r_type, json.loads(payload))
conn.execute('UPDATE sync_queue SET synced=1 WHERE id=?', (row_id,))
conn.commit()
conn.close()
print(f'Synced {len(rows)} records to cloud')
if __name__ == '__main__':
import os, tempfile
DB_PATH = os.path.join(tempfile.gettempdir(), 'agent_buffer_demo.db')
init_buffer_db()
buffer_for_sync('sensor_reading', {'temp': 22.5})
flush_to_cloud(lambda t, p: print(f'Synced to cloud: {t} -> {p}'))
Monitorowanie kondycji agenta edge
Urządzenia edge mogą się przegrzewać, mieć zbyt mało pamięci RAM lub zatrzymywać inferencję modelu. Należy zaimplementować monitor kondycji, który sprawdza temperaturę procesora, ilość wolnej pamięci RAM i opóźnienie inferencji, a następnie publikuje metryki kondycji w chmurze.
import subprocess
import psutil # pip install psutil
def get_edge_health() -> dict:
cpu_percent = psutil.cpu_percent(interval=1)
ram = psutil.virtual_memory()
disk = psutil.disk_usage('/')
# Read CPU temperature (Raspberry Pi specific)
try:
temp_output = subprocess.check_output(
['vcgencmd', 'measure_temp'], text=True
)
cpu_temp = float(temp_output.strip().replace("temp=", "").replace("'C", ""))
except Exception:
cpu_temp = -1.0 # not available on non-Pi hardware
return {
'cpu_percent': cpu_percent,
'cpu_temp_c': cpu_temp,
'ram_used_pct': ram.percent,
'ram_available_mb': round(ram.available / 1024 / 1024),
'disk_used_pct': disk.percent,
'timestamp': datetime.utcnow().isoformat()
}
health = get_edge_health()
print('Edge health:', health)Buforowanie wyników inferencji agentów edge
Modele edge działają wolno, dlatego należy buforować odpowiedzi dla identycznych danych wejściowych. W zadaniach klasyfikacji danych z czujników ten sam prompt (np. "temperature=23.5, classify") często się powtarza. Prosty bufor typu dict z mechanizmem TTL pozwala uniknąć zbędnych wywołań inferencji.
from datetime import datetime, timedelta
import hashlib
class InferenceCache:
def __init__(self, ttl_seconds: int = 60):
self.ttl = timedelta(seconds=ttl_seconds)
self._cache: dict = {} # hash -> {'result', 'expires'}
def _key(self, prompt: str) -> str:
return hashlib.md5(prompt.encode()).hexdigest()
def get(self, prompt: str):
key = self._key(prompt)
entry = self._cache.get(key)
if entry and datetime.utcnow() < entry['expires']:
return entry['result']
return None
def set(self, prompt: str, result: str):
key = self._key(prompt)
self._cache[key] = {
'result': result,
'expires': datetime.utcnow() + self.ttl
}
cache = InferenceCache(ttl_seconds=60)
def cached_edge_inference(prompt: str, client) -> str:
cached = cache.get(prompt)
if cached:
print('Cache hit')
return cached
result = local_inference(prompt, client)
cache.set(prompt, result)
return resultLista kontrolna wdrożenia
Przed wdrożeniem agenta edge na produkcję należy sprawdzić, czy model mieści się w dostępnej pamięci RAM z 20% zapasem, czy opóźnienie inferencji spełnia wymagania dotyczące czasu reakcji na zdarzenia, czy przetestowano bufor offline, czy monitor kondycji publikuje dane oraz czy skonfigurowano automatyczny restart po awarii.
# systemd service file for auto-restart (save as /etc/systemd/system/edge-agent.service)
SYSTEMD_SERVICE = '''
[Unit]
Description=IoT Edge Agent
After=network.target ollama.service
Requires=ollama.service
[Service]
User=pi
WorkingDirectory=/home/pi/edge-agent
ExecStart=/usr/bin/python3 /home/pi/edge-agent/agent.py
Restart=always
RestartSec=5
StandardOutput=journal
StandardError=journal
[Install]
WantedBy=multi-user.target
'''
# Enable:
# sudo systemctl enable edge-agent
# sudo systemctl start edge-agent
# sudo journalctl -u edge-agent -f (follow logs)
print('Deployment checklist:')
checklist = [
'Model RAM fits with 20% headroom',
'Inference latency < response time requirement',
'Offline SQLite buffer tested',
'Health metrics publishing to cloud',
'systemd auto-restart configured'
]
for item in checklist:
print(f' [ ] {item}')Konfiguracja sprzętu Raspberry Pi
Przed wdrożeniem oprogramowania należy przygotować sprzęt. Raspberry Pi 5 z 8 GB pamięci RAM to minimalna zalecana konfiguracja do uruchamiania Phi-3-mini. Należy włączyć podział pamięci GPU, wyłączyć swap (pogarsza to stan pamięci flash) oraz skonfigurować statyczny adres IP, aby zapewnić niezawodny zdalny dostęp.
# Raspberry Pi setup notes (run manually over SSH):
# sudo raspi-config -> System -> GPU Memory -> 256
# Disable swap to protect SD card:
# sudo dphys-swapfile swapoff && sudo dphys-swapfile uninstall
def check_available_ram_mb():
try:
with open('/proc/meminfo') as f:
for line in f:
if line.startswith('MemAvailable'):
return int(line.split()[1]) // 1024
except FileNotFoundError:
return None
ram_mb = check_available_ram_mb()
if ram_mb is None:
print('Could not read /proc/meminfo on this OS — simulated Pi reading: MemAvailable ~ 850 MB')
else:
print(f'Available RAM: {ram_mb} MB')Sprawdzenie wiedzy
Co oznacza kwantyzacja Q4_K_M w przypadku modelu językowego?
Podsumowanie: wdrażanie lekkich agentów edge
W tej lekcji omówiono:
- Wybór modelu: Phi-3-mini, Gemma-2B i TinyLlama na urządzenia edge; kwantyzacja Q4_K_M
- Ollama: lokalny serwer LLM z interfejsem API zgodnym z OpenAI na porcie 11434
- Hybrydowa architektura: model edge do szybkich decyzji, chmura do złożonej analizy
- Bufor offline: kolejka SQLite wysyłana do chmury po ponownym nawiązaniu połączenia
- Bufor inferencji: bufor TTL unika powtarzania inferencji dla identycznych promptów
- Wdrożenie: usługa systemd zapewniająca automatyczny restart po awarii
Następny kurs: Marketplace agentów i systemy wtyczek.
Często zadawane pytania
Czy lekcja „Wdrażanie lekkich agentów na brzegu sieci” jest bezpłatna?
Tak — pełny tekst „Wdrażanie lekkich agentów na brzegu sieci” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Agents, przejdź na CoddyKit PRO. Kurs AI Agents zawiera 4 lekcji w sumie.
Co nauczysz się w „Wdrażanie lekkich agentów na brzegu sieci”?
Uruchamianie małych modeli na Raspberry Pi i urządzeniach brzegowych w celu uzyskania szybkiej reakcji. Ćwiczysz AI Agents z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć AI Agents?
Nie wymagamy żadnego doświadczenia. AI Agents w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „Wdrażanie lekkich agentów na brzegu sieci”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji AI Agents?
Tak. Każda lekcja AI Agents zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Protokół MQTT do integracji agentów
- Przetwarzanie danych szeregów czasowych przez agentów
- Automatyczne reagowanie na zdarzenia z czujników
- Wdrażanie lekkich agentów na brzegu sieci