標籤: 開源模型

📌 本文重點

• Needle 是專門負責工具選擇與參數填充的小型中控模型
• 能在手機級硬體離線、高吞吐運行，降低雲端大模型成本
• 最適合當工具路由器 / 前置規劃器，輸出穩定 JSON 給其他系統

Needle 就是一顆專門幫大模型「只負責選工具、組參數、吐 JSON」的超小中控腦，讓工具調用 Agent 能在手機級硬體離線或低延遲運作。

原始專案在 GitHub：https://github.com/cactus-compute/needle

核心功能：專心當「工具路由中樞」的 26M 模型

1. 26M 參數 + 純 Attention：為工具調用瘦身

Needle 的設計很直接：

• 只有約 2600 萬參數（26M），比動輒數十億參數的聊天模型小一到兩個數量級。
• 結構是 Simple Attention Network：只有 attention + gating，沒有 MLP/FFN 層。
• 目標任務只有一件事：
• 讀取指令 + 工具列表描述
• 選擇要用哪個工具（或多個）
• 從指令中抽出參數
• 輸出工具調用 JSON

💡 關鍵： 只有約 2600 萬參數的 Needle，能在極小成本下專門負責工具路由與參數抽取，是取代通用大模型做 function calling 決策的關鍵。

這代表你的行動步驟是：

• 如果你現在是用 GPT / Gemini / Claude 來做工具決策（例如 function calling），可以把「決定用什麼工具」這一步改交給 Needle，減少大模型 token 消耗與延遲。

2. 專門為工具調用預訓與微調

Needle 的訓練重點不是聊天對話，而是「工具使用」：

• 先在 200 億 token 上預訓練語言能力。
• 再用約 20 億條合成函數調用資料微調，來源是模擬 Gemini style 工具（例如鬧鐘、導航、日曆、筆記等）。

💡 關鍵： 針對 20 億條函數調用資料微調，讓 Needle 在工具選擇與參數解析上比同尺寸聊天模型穩定得多。

實際上，它不負責長篇推理，而是非常擅長：

• 從口語指令中抓出結構化欄位（時間、地點、標題…）。
• 在多個工具之間做正確匹配。
• 輸出符合 schema 的 JSON 給你直接丟進 API。

行動建議：

• 如果你已經有一組工具 schema（例如 OpenAPI、function calling 定義），可以直接拿來給 Needle，讓它幫你產生調用 payload，再由你自己的程式實際發 API。

3. 手機級硬體也能跑的高吞吐

作者實測在「消費級裝置」可達：

• 約 6000 tok/s prefill
• 約 1200 tok/s decode

💡 關鍵： 在一般消費級裝置上就能達到 6000 tok/s prefill、1200 tok/s decode，讓 Needle 可以長駐於手機與邊緣設備當本地 Agent 大腦。

翻成白話：

• 放在中階手機、平板、開發板（如樹莓派級別 SoC）上，當離線工具路由器是可行的。
• 可以把 Needle 當作 永遠常駐的本地 Agent 大腦，大模型只在真正需要複雜推理／生成時才被叫起。

行動建議：

• 如果你正在做行動 App 或智慧硬體（耳機、車機、家電），可以先用 Laptop 上測試 Needle 的工具選擇邏輯，再評估移植到裝置端做本地推理。

適合誰用：三種典型場景

1. 行動裝置上的離線 / 低延遲 Agent

典型案例：

• 「早上 7 點幫我叫醒，順便播固定歌單」→ Needle 決定：set_alarm + play_playlist
• 「開車回家，避開高速公路」→ Needle 決定：navigate，並填好目的地與偏好
• 「幫我記一條：明天 meeting 要問預算」→ Needle 決定：create_note，抽出時間與內容

做法：

• 語音 → 本地 ASR（或雲端 Transcription）
• 文字指令 + 工具列表 → Needle → 工具 JSON
• 裝置端程式依 JSON 實際調起鬧鐘、導航、筆記 App

適合：行動 App 團隊、智慧手錶 / 車機 / AR 眼鏡、想要弱網路或離線也能用的指令助手。

2. 雲端大模型前面加一層「本地工具路由器」

你可能遇過這種成本問題：

• 每個使用者點一個按鈕，就丟完整上下文給 GPT 讓它幫你：
• 看要不要查資料庫
• 看要不要 call search API
• 看要不要調 CRM
• 結果大部分情況都只是在查一個欄位，卻要跑一整輪大模型推理。

用 Needle 可以：

• 由 Needle 先判斷：這次是否需要工具？用哪個？
• 只有當需要長推理 / 文本生成時，才叫雲端 LLM。

這樣能直接對應到多代理系統常被提到的「orchestration tax」問題：減少不必要的 LLM orchestration 回合數。

適合：SaaS 後端、API 產品、任何大量使用 function calling 的服務，希望降成本 + 降延遲。

3. MCP / Function Calling 之前的一層「前置規劃器」

如果你已經在用：

• OpenAI / Gemini / Claude 的 Tool Use / Function Calling
• 或是某種 MCP（Multi-Channel Prompting 或 Model Context Protocol）架構

Needle 可以扮演：

• 用戶輸入 → Needle 選擇：
• 要走哪一條 MCP channel
• 要用哪個 Function / Tool
• 再把整理好的工具調用意圖，交給聊天模型做：
• 實際回應文案
• 或進一步分解子任務

差別在於：

• 一般微型聊天模型：
• 會嘗試「理解＋回答＋決定工具」，但在複雜工具 schema 上容易出錯或 hallucinate。
• Needle：
• 不負責聊天，只專注在「選工具＋填參數＋吐 JSON」。

適合：已經有多工具、多 Agent 架構的團隊，需要一個可控、可本地跑的規劃器 / 路由器。

Needle vs 一般微型聊天模型

關鍵差異：

• Needle 的輸出預期是結構化工具調用，不是自然語言回答。
• 在工具 schema 清楚的情況下，Needle 通常比同尺寸聊天模型更穩定地填參數、遵守格式。

行動建議：

• 若你只需要「會聊天」：選一般微型聊天模型。
• 若你需要「穩定地依 schema 呼叫工具」：可以試 Needle 當前置規劃器，再用大模型生成回覆文案。

怎麼開始：從 clone Repo 到跑出第一個工具調用

1. 抓下專案與模型

# 1. clone repo
git clone https://github.com/cactus-compute/needle.git
cd needle

# 2. 建議先建立虛擬環境
python -m venv .venv
source .venv/bin/activate  # Windows 用 .venv\Scripts\activate

# 3. 安裝依賴
pip install -r requirements.txt

模型本體會在首次推理時自動下載（或依 README 指示手動下載權重）。

2. 用現成推理腳本跑官方 demo

Repo 裡提供了簡單的推理範例（實際檔名可能隨版本變動，可在 examples/ 或 README 中找到）：

python examples/simple_tool_calling.py

通常你需要提供：

• 工具 schema（JSON / Python dict）
• 使用者指令文字

腳本會回傳一段包含工具名稱與參數的 JSON，確認能跑通是第一步。

行動建議：

• 先照官方 demo 跑一遍，不改任何 schema，只看 Needle 如何選工具。

3. 定義自己的工具 schema

假設你要做一個簡單的鬧鐘 + 記事 Agent，可以這樣定義工具（示意）：

tools = [
  {
    "name": "set_alarm",
    "description": "設定鬧鐘時間（24 小時制）",
    "parameters": {
      "type": "object",
      "properties": {
        "time": {"type": "string", "description": "例如 07:30"},
        "label": {"type": "string", "description": "鬧鐘備註"}
      },
      "required": ["time"]
    }
  },
  {
    "name": "create_note",
    "description": "建立一則文字筆記",
    "parameters": {
      "type": "object",
      "properties": {
        "title": {"type": "string"},
        "content": {"type": "string"}
      },
      "required": ["content"]
    }
  }
]

接著丟給 Needle：

from needle import NeedleModel

model = NeedleModel.from_pretrained("cactus/needle-base")

user_query = "明天早上七點叫我起床，順便幫我記：早會要問預算"

result = model.route_tools(query=user_query, tools=tools)
print(result)

預期會拿到類似：

[
  {
    "tool": "set_alarm",
    "arguments": {"time": "07:00", "label": "早會"}
  },
  {
    "tool": "create_note",
    "arguments": {"title": "早會", "content": "早會要問預算"}
  }
]

接下來只要用你熟悉的語言（Swift / Kotlin / Node / Python），依這個 JSON 實際呼叫 OS API 或雲端 API 即可。

4. 把 Needle 接在現有 LLM 後面，做一條簡單 workflow

以下是一條最小可行的 workflow（伪碼）：

1. 語音 → 文字
2. 行動裝置用本地或雲端 ASR：

3. speech.wav -> transcript = "幫我找台北明天不下雨的戶外咖啡廳"

4. Needle 選工具

5. 工具例：search_weather, search_places 兩個 API。

6. needle.route_tools(transcript, tools) → 回傳要先查天氣再查地點的參數 JSON。

7. 實際 API 呼叫

8. 你的後端或 App 依 Needle 給的 JSON，分別呼叫天氣 API、地點 API，整理出可用候選。

9. 大模型生成回覆（可選）

10. 把 API 結果 + 原始指令送給 GPT / Gemini / Claude，只讓它負責自然語言回覆：「幫你找到三間明天不預測下雨的咖啡廳…」。

這種分工方式：

• Needle：做工具決策＋參數解析
• LLM：只在真正需要「說人話」的最後一步出現

能同時達到：成本可控、延遲更低、邊緣裝置也能預先處理大量決策。

適合誰現在就試用 Needle？

• 行動 App 開發者：想做語音指令、快捷操作、離線助手，又不想每次都打雲端 LLM。
• 硬體產品團隊：智慧手錶、車機、家電、AR 眼鏡，需要一顆小而穩定的本地「工具路由中樞」。
• 個人自架 Agent 系統玩家：已經有多工具、多 Agent，正在煩惱 orchestration 成本和延遲的人。

只要你場景的核心在「選工具＋填參數」，而不是長篇聊天，Needle 值得你花一個下午跑起 demo，直接把它塞到你的 workflow 裡測一次。更多細節與最新腳本可以在 GitHub 查看：https://github.com/cactus-compute/needle

🚀 你現在可以做的事

• 先 clone Needle 專案並跑一次官方 demo：git clone https://github.com/cactus-compute/needle.git
• 把你現有的 function calling / OpenAPI schema 丟給 Needle，觀察它產生的工具 JSON
• 在一個實際專案裡，嘗試用 Needle 接在 ASR 和雲端 LLM 之間，實測延遲與成本差異