拓冰网站定制 
音视频【免费下载链接】foundation-sunshineSunshine fork: an enhanced sunshine, a self-hosted game streaming host for Moonlight with HDR10/HDR Vivid, virtual displays, advanced audio, optimized encoders, and a modern control panel.项目地址https://gitcode.com/gh_mirrors/sunshine5/foundation-sunshine点击查看免费下载本文围绕 Sunshine一个基于 Moonlight 协议的自托管游戏流媒体主机中自适应码率Adaptive BitrateABR决策引擎的 LLM 提示词模板展开讲解src/assets/abr_prompt.md这份模板如何将网络指标与前台应用识别转化为最优编码码率决策并结合 src/abr.cpp、src/nvhttp/abr_api.cpp 等源码揭示其完整工作链路。读完本文你将掌握 ABR 模板的占位符机制、按应用类型分类的码率目标设定方法、视觉复杂度修正规则、网络调整规则以及该模板在 Sunshine 服务端如何被加载、填充、提交给 LLM 并解析回码率动作。一、ABR 提示词模板的定位LLM 决策层的大脑在 Sunshine 的 ABR 架构中码率控制被设计为两层结构见 src/abr.h 的文件头注释实时回退层Fallback基于丢包等网络阈值做即时反应始终生效每 3 秒限频一次事件驱动 LLM 层在应用切换、网络恢复等事件发生时异步调用配置好的 LLM API为当前游戏/应用推荐一个最优目标码率。src/assets/abr_prompt.md正是第二层 LLM 决策所依赖的提示词模板。它通过{{PLACEHOLDER}}占位符接收会话运行时状态指导 LLM 完成识别应用 → 按交互类型定基码率 → 按视觉复杂度修正 → 结合网络反馈微调 → 输出 JSON 动作的完整推理链。模板的加载逻辑位于 src/abr.cpp 的load_prompt_template()搜索顺序为配置目录用户覆盖→ assets 目录捆绑默认首次成功加载后缓存。具体而言它会先尝试读取config::sunshine.config_file所在目录下的abr_prompt.md即用户可通过放置同名文件覆盖默认提示词若不存在则回退到编译期常量SUNSHINE_ASSETS_DIR下的捆绑版本。两份都不存在时日志会输出警告 ABR: prompt template not found, LLM decisions will be unavailableLLM 层将静默失效而回退层继续工作。二、模板占位符会话状态如何注入提示词build_llm_prompt()src/abr.cpp负责用运行时状态替换模板中的所有{{key}}占位符替换逻辑由replace_placeholders()实现循环查找{{key}}并替换。模板中的占位符与填充来源对应如下占位符填充内容填充来源{{FOREGROUND_TITLE}}前台窗口标题运行时detect_foreground_app()缺省回退到配置的 app_name再回退到 Unknown{{FOREGROUND_EXE}}前台进程可执行文件名同上{{MODE}}ABR 运行模式balanced/quality/lowLatency字符串{{CURRENT_BITRATE}}当前码率Kbps会话状态current_bitrate_kbps{{MIN_BITRATE}}/{{MAX_BITRATE}}允许码率范围Kbps会话配置min_bitrate_kbps/max_bitrate_kbps{{RECENT_FEEDBACK}}最近网络反馈列表最新在前滚动窗口内最近 10 条反馈每条格式为- [Ns ago] loss..%, rtt..ms, fps.., dropped.., bitrate..Kbps{{FPS_RANGE}}FPS/赛车类目标区间int(max*0.8)-max{{ACTION_RANGE}}动作/冒险类目标区间int(max*0.6)-int(max*0.8){{STRATEGY_RANGE}}策略/回合制目标区间int(max*0.4)-int(max*0.6){{DESKTOP_RANGE}}桌面/生产力目标区间int(max*0.2)-int(max*0.3)注意范围类占位符并非模板中的静态文本而是依据会话的max_bitrate_kbps动态计算后填入因此模板中的- {{FPS_RANGE}}等描述在实际请求中会变成具体的数值区间如- 40000-50000。前台应用识别是应用感知码率的关键前提。detect_foreground_app()src/abr.cpp在 Windows 平台通过GetForegroundWindow()获取前台窗口再经GetWindowThreadProcessId与QueryFullProcessImageNameW取得进程名并统一转为 UTF-8。其设计动机源码注释明确说明当用户通过 Steam/Epic 等启动器进入游戏时配置中的app_name往往只是 Steam Big Picture而该函数能拿到真正活跃的游戏窗口标题与进程名。该检测以 10 秒为间隔限频FG_DETECT_INTERVAL_SECONDS仅在 PID 变化时才更新标题/进程并置app_changed标志从而驱动 LLM 重新评估。三、Step 1按交互类型确定基础码率目标模板首先要求 LLM 根据 Active Window 与 Process 名称识别正在运行的应用并在允许范围内按交互类型确定基础目标基码率。这是模板中最核心的应用感知规则交互类型目标区间占最大码率比例示例应用模板原文快节奏 FPS / 竞速Fast-paced FPS/Racing80%–100%CS2、Forza、Apex动作 / 冒险Action/Adventure60%–80%Elden Ring、GTA V策略 / 回合制Strategy/Turn-based40%–60%Civilization、XCOM桌面 / 生产力Desktop/Productivity20%–30%explorer.exe、chrome、浏览器其设计逻辑是第一人称射击与竞速游戏画面快速运动、信息量大对码率敏感应尽量贴近上限动作冒险居中策略与回合制画面相对静态桌面场景对画质要求最低应把带宽让给网络余量。模板同时强调IMPORTANT: If current bitrate differs significantly from the adjusted target, you MUST adjust toward it即当前码率与修正后目标差异显著时LLM 必须朝目标方向调整。四、Step 2按视觉复杂度修正基础区间在基础区间之上模板要求 LLM 结合渲染风格做二次修正这是画质-码率权衡的精细化规则动漫 / cel-shaded 风格Genshin Impact、Honkai、Persona降低 10%–20%——大面积平涂色与重复纹理压缩效率高无需高码率像素艺术 / 2DTerraria、Stardew Valley、复古游戏降低 20%–30%——极端可压缩写实 / 高细节RDR2、Flight Simulator、Forza保持区间上沿——复杂纹理压缩率低黑暗 / 恐怖场景Resident Evil、Dead Space保持中等——暗部渐变在低码率下易出现色带伪影未知应用使用未修正的基础目标。该规则本质是让 LLM 综合运动复杂度 纹理复杂度两维信息避免对可压缩性强的画面浪费码率、对难压缩的画面过度压缩。五、调整规则稳定性与网络适应约束模板为 LLM 的最终决策设定了硬性约束防止码率剧烈抖动或在网络恶化时决策失当单次决策最大变化量当前码率的 15%稳定性考虑网络丢包 5%覆盖最大变化量限制强制降低 25%–35%网络丢包持续 2%–5%降低 10%–20%网络稳定且当前码率 ≠ 目标每步最多向目标调整 10%任何情况下不得超出[{{MIN_BITRATE}}, {{MAX_BITRATE}}]允许范围。最后一条在服务端有双重保障parse_llm_response()在解析出码率后会执行std::clamp(bitrate, state.config.min_bitrate_kbps, state.config.max_bitrate_kbps)强制收敛到会话允许范围src/abr.cpp同时即便 LLM 决策为 0模板语义仅当当前码率处于类型目标 5% 以内且网络稳定时才输出 0服务端也只把结果当作不立即动作处理。六、响应格式与容错解析模板严格要求 LLM 只输出 JSON{bitrate: integer_kbps, reason: reason}并明令禁止think标签、markdown 代码块、注释及 JSON 前后的任何文本。bitrate置 0 仅在当前码率处于类型适切目标 5% 以内且网络稳定时允许。现实中的 LLM尤其是 DeepSeek-R1、QwQ 等推理模型常不遵守此约束因此服务端实现了多级容错解析parse_llm_response()src/abr.cpp先直接尝试json::accept()校验原始 content失败则调用strip_reasoning_blocks()大小写不敏感地剥除think.../think块未闭合的think起始标签也会被清除仍失败则用extract_first_json_object()手动扫描字符串正确处理字符串转义与花括号嵌套提取第一个完整 JSON 对象全部失败时给出诊断原因llm_parse_error: no JSON object in content。针对真实场景的回归问题——推理模型在max_tokens耗尽finish_reason length时think块被截断、JSON 尚未产出——代码会返回llm_truncated: reasoning exceeded max_tokens并在日志中提示增大ai_config.json的max_tokens默认 1024已预留约 600–800 推理 token 余量。解析成功后若新码率与会话当前码率差异 ≥ 2%current_bitrate_kbps / 50才产生立即动作差异过小则 reason 记为no_change: delta too small。LLM 的推荐值始终被记录为target_bitrate_kbps作为回退层探测性升码probe-up的天花板。这些容错行为均有单元测试覆盖位于 src/abr.cpp 的SUNSHINE_TESTS段ExtractsJsonAfterThinkBlock、ExtractsFirstJsonObjectFromMixedContent、ReportsMissingJsonWhenContentHasOnlyReasoning、DetectsTruncatedReasoningWhenFinishReasonLength、PreservesExplicitMaxBitrateWhenMinIsOmitted。七、LLM 层的触发与执行链路LLM 调用是事件驱动的而非周期性轮询。process_feedback()src/abr.cpp每个反馈周期按以下阶段执行Phase 1 前台检测限频 10sPID 变化 → 更新前台应用并置app_changed truePhase 2 回退决策限频 3s丢包 5% 时不受限频立即紧急降码率emergency_drop降至当前 70%丢包 2%–5% 时moderate_drop降至 90%丢包 0.5% 且连续 5 个稳定周期时probe_up升至 105%。探测升码一旦存在 LLM 目标则取min(probe_bitrate, llm_target_bitrate_kbps)已到或超过目标则停止探测Phase 3 LLM 触发仅当(app_changed || network_recovered) !llm_in_flight confighttp::isAiEnabled() 提示词模板非空时且距上次调用 ≥ 10 秒LLM_MIN_INTERVAL_SECONDS才构建提示词并派发后台线程执行。后台llm_worker()src/abr.cpp通过confighttp::processAiChat()以 OpenAI 兼容格式调用 LLM请求体包含 system 提示默认 You are a streaming bitrate optimizer. Respond with a single valid JSON object only...可从ai_config.json覆盖、用户消息即本模板填充后的完整提示词、temperatureABR 层默认 0.1与max_tokens默认 1024。worker 使用generation计数器防陈旧结果会话被清理或重建后旧 worker 的结果直接丢弃。network_recovered的判定采用边沿触发——stable_ticks首次达到 5 且无持续高丢包时置位一次配合app_changed共同决定是否重新咨询 LLM。八、AI 能力开关ai_config.json 与相关 REST 端点模板要真正生效还需要 AI 代理处于启用状态。confighttp::isAiEnabled()src/confighttp.cpp要求ai_config.json中enabled为真、apiBase非空且若提供商要求 keyapiKey已配置。该文件与sunshine.conf同目录默认值为{enabled: false, provider: openai, apiBase: https://api.openai.com/v1, model: gpt-4.1-mini, compatibility: openai-chat, temperature: 0.3, max_tokens: 2048}。API key 不落盘于明文 JSON——首次读取到遗留明文 key 时会自动迁移到安全凭据存储ai_llm_credential.bin见 src/confighttp.cpp。ABR 的对外能力通过三条 HTTPS 路由暴露注册于 src/nvhttp.cpp客户端Moonlight通过源 IP 关联活动会话GET /api/abr/capabilities返回supported、version、features含llm_ai、game_aware、fallback_threshold、bitrate_cap、llmEnabled即isAiEnabled()与hostMaxBitratePOST /api/abrconfigure接收enabled、modebalanced/quality/lowLatency、minBitrate、maxBitrate校验非负且 min ≤ max再用apply_host_bitrate_cap()以主机配置video.max_bitrate封顶随后调用abr::enable()启动会话级 ABRPOST /api/abr/feedback接收packetLoss、rttMs、decodeFps、droppedFrames、currentBitrate调用abr::process_feedback()若有新码率则通过stream::session::change_dynamic_param_for_client()以动态 BITRATE 参数实时作用于活动流并把newBitrate、bitrateApplied、reason返回给客户端。abr::enable()中的模式预设src/abr.cpp值得一提仅对未显式配置的边界套用预设值从而保留客户端或主机设定的 maxBitrate 上限——quality模式为max(5000, initial/2)至min(150000, initial*1.5)lowLatency为2000至initial*1.2balanced为max(3000, initial*0.3)至min(150000, initial*2)并处理初始码率极低时的区间反转。九、自定义模板与调优建议由于load_prompt_template()优先加载配置目录下的abr_prompt.md用户可以在sunshine.conf同目录放置自定义abr_prompt.md覆盖仓库内 src/assets/abr_prompt.md 的默认模板——例如新增应用分类、调整各区间比例或收紧单步变化量若使用 DeepSeek-R1、QwQ 等长思维链推理模型请在ai_config.json中调大max_tokens避免think块截断导致解析失败日志会给出llm_truncated: reasoning exceeded max_tokens提示保持temperature较低ABR 层默认 0.1使决策更稳定可复现会话键是客户端的设备显示名device display name源码注释明确提醒同名设备的多会话并发会共享同一 ABR 状态而产生交叉污染——正常配对设备名称各异单会话部署不受影响。综上src/assets/abr_prompt.md虽只是数百行提示词文本却是 Sunshine 将 LLM 能力与游戏流媒体码率控制结合的关键接口它把应用识别 画质分类 网络容忍度编码为结构化决策规则再经由 src/abr.cpp 的加载、填充、触发、解析链路落到实时的编码器码率调节上与始终在线的阈值回退层互补构成一套完整、可观测、可自定义的自适应码率闭环。赞分享音视频【免费下载链接】foundation-sunshineSunshine fork: an enhanced sunshine, a self-hosted game streaming host for Moonlight with HDR10/HDR Vivid, virtual displays, advanced audio, optimized encoders, and a modern control panel.项目地址https://gitcode.com/gh_mirrors/sunshine5/foundation-sunshine点击查看免费下载相关推荐Ollama项目模板引擎深度解析构建高效LLM提示词Ollama项目模板引擎深度解析构建高效LLM提示词 什么是Ollama模板引擎 Ollama项目内置了一个基于Go模板引擎的强大提示词构建系统专门为大型语人工智能大模型模型推理服务本地部署探索Sunshine自托管游戏流媒体服务器的深度解析探索Sunshine自托管游戏流媒体服务器的深度解析 项目概览 Sunshine作为一款开源的自托管游戏流媒体服务器专为Moonlight客户端打造致力于音视频后端从卡顿到流畅Shaka Player自适应码率切换ABR算法深度解析从卡顿到流畅Shaka Player自适应码率切换ABR算法深度解析 你是否曾经历过视频播放时频繁缓冲、画质忽高忽低的尴尬在流媒体传输中网络带宽的波动前端音视频上一篇使用 kubeadm 部署 Cilium从集群初始化到连通性验证的完整指南下一篇lo 迭代器工具集it.Last 详解——从 iter.Seq 序列中安全获取最后一个元素创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Sunshine ABR 提示词模板深度解析：LLM 驱动的游戏流媒体自适应码率决策引擎
音视频【免费下载链接】foundation-sunshineSunshine fork: an enhanced sunshine, a self-hosted game streaming host for Moonlight with HDR10/HDR Vivid, virtual displays, advanced audio, optimized encoders, and a modern control panel.项目地址https://gitcode.com/gh_mirrors/sunshine5/foundation-sunshine点击查看免费下载本文围绕 Sunshine一个基于 Moonlight 协议的自托管游戏流媒体主机中自适应码率Adaptive BitrateABR决策引擎的 LLM 提示词模板展开讲解src/assets/abr_prompt.md这份模板如何将网络指标与前台应用识别转化为最优编码码率决策并结合 src/abr.cpp、src/nvhttp/abr_api.cpp 等源码揭示其完整工作链路。读完本文你将掌握 ABR 模板的占位符机制、按应用类型分类的码率目标设定方法、视觉复杂度修正规则、网络调整规则以及该模板在 Sunshine 服务端如何被加载、填充、提交给 LLM 并解析回码率动作。一、ABR 提示词模板的定位LLM 决策层的大脑在 Sunshine 的 ABR 架构中码率控制被设计为两层结构见 src/abr.h 的文件头注释实时回退层Fallback基于丢包等网络阈值做即时反应始终生效每 3 秒限频一次事件驱动 LLM 层在应用切换、网络恢复等事件发生时异步调用配置好的 LLM API为当前游戏/应用推荐一个最优目标码率。src/assets/abr_prompt.md正是第二层 LLM 决策所依赖的提示词模板。它通过{{PLACEHOLDER}}占位符接收会话运行时状态指导 LLM 完成识别应用 → 按交互类型定基码率 → 按视觉复杂度修正 → 结合网络反馈微调 → 输出 JSON 动作的完整推理链。模板的加载逻辑位于 src/abr.cpp 的load_prompt_template()搜索顺序为配置目录用户覆盖→ assets 目录捆绑默认首次成功加载后缓存。具体而言它会先尝试读取config::sunshine.config_file所在目录下的abr_prompt.md即用户可通过放置同名文件覆盖默认提示词若不存在则回退到编译期常量SUNSHINE_ASSETS_DIR下的捆绑版本。两份都不存在时日志会输出警告 ABR: prompt template not found, LLM decisions will be unavailableLLM 层将静默失效而回退层继续工作。二、模板占位符会话状态如何注入提示词build_llm_prompt()src/abr.cpp负责用运行时状态替换模板中的所有{{key}}占位符替换逻辑由replace_placeholders()实现循环查找{{key}}并替换。模板中的占位符与填充来源对应如下占位符填充内容填充来源{{FOREGROUND_TITLE}}前台窗口标题运行时detect_foreground_app()缺省回退到配置的 app_name再回退到 Unknown{{FOREGROUND_EXE}}前台进程可执行文件名同上{{MODE}}ABR 运行模式balanced/quality/lowLatency字符串{{CURRENT_BITRATE}}当前码率Kbps会话状态current_bitrate_kbps{{MIN_BITRATE}}/{{MAX_BITRATE}}允许码率范围Kbps会话配置min_bitrate_kbps/max_bitrate_kbps{{RECENT_FEEDBACK}}最近网络反馈列表最新在前滚动窗口内最近 10 条反馈每条格式为- [Ns ago] loss..%, rtt..ms, fps.., dropped.., bitrate..Kbps{{FPS_RANGE}}FPS/赛车类目标区间int(max*0.8)-max{{ACTION_RANGE}}动作/冒险类目标区间int(max*0.6)-int(max*0.8){{STRATEGY_RANGE}}策略/回合制目标区间int(max*0.4)-int(max*0.6){{DESKTOP_RANGE}}桌面/生产力目标区间int(max*0.2)-int(max*0.3)注意范围类占位符并非模板中的静态文本而是依据会话的max_bitrate_kbps动态计算后填入因此模板中的- {{FPS_RANGE}}等描述在实际请求中会变成具体的数值区间如- 40000-50000。前台应用识别是应用感知码率的关键前提。detect_foreground_app()src/abr.cpp在 Windows 平台通过GetForegroundWindow()获取前台窗口再经GetWindowThreadProcessId与QueryFullProcessImageNameW取得进程名并统一转为 UTF-8。其设计动机源码注释明确说明当用户通过 Steam/Epic 等启动器进入游戏时配置中的app_name往往只是 Steam Big Picture而该函数能拿到真正活跃的游戏窗口标题与进程名。该检测以 10 秒为间隔限频FG_DETECT_INTERVAL_SECONDS仅在 PID 变化时才更新标题/进程并置app_changed标志从而驱动 LLM 重新评估。三、Step 1按交互类型确定基础码率目标模板首先要求 LLM 根据 Active Window 与 Process 名称识别正在运行的应用并在允许范围内按交互类型确定基础目标基码率。这是模板中最核心的应用感知规则交互类型目标区间占最大码率比例示例应用模板原文快节奏 FPS / 竞速Fast-paced FPS/Racing80%–100%CS2、Forza、Apex动作 / 冒险Action/Adventure60%–80%Elden Ring、GTA V策略 / 回合制Strategy/Turn-based40%–60%Civilization、XCOM桌面 / 生产力Desktop/Productivity20%–30%explorer.exe、chrome、浏览器其设计逻辑是第一人称射击与竞速游戏画面快速运动、信息量大对码率敏感应尽量贴近上限动作冒险居中策略与回合制画面相对静态桌面场景对画质要求最低应把带宽让给网络余量。模板同时强调IMPORTANT: If current bitrate differs significantly from the adjusted target, you MUST adjust toward it即当前码率与修正后目标差异显著时LLM 必须朝目标方向调整。四、Step 2按视觉复杂度修正基础区间在基础区间之上模板要求 LLM 结合渲染风格做二次修正这是画质-码率权衡的精细化规则动漫 / cel-shaded 风格Genshin Impact、Honkai、Persona降低 10%–20%——大面积平涂色与重复纹理压缩效率高无需高码率像素艺术 / 2DTerraria、Stardew Valley、复古游戏降低 20%–30%——极端可压缩写实 / 高细节RDR2、Flight Simulator、Forza保持区间上沿——复杂纹理压缩率低黑暗 / 恐怖场景Resident Evil、Dead Space保持中等——暗部渐变在低码率下易出现色带伪影未知应用使用未修正的基础目标。该规则本质是让 LLM 综合运动复杂度 纹理复杂度两维信息避免对可压缩性强的画面浪费码率、对难压缩的画面过度压缩。五、调整规则稳定性与网络适应约束模板为 LLM 的最终决策设定了硬性约束防止码率剧烈抖动或在网络恶化时决策失当单次决策最大变化量当前码率的 15%稳定性考虑网络丢包 5%覆盖最大变化量限制强制降低 25%–35%网络丢包持续 2%–5%降低 10%–20%网络稳定且当前码率 ≠ 目标每步最多向目标调整 10%任何情况下不得超出[{{MIN_BITRATE}}, {{MAX_BITRATE}}]允许范围。最后一条在服务端有双重保障parse_llm_response()在解析出码率后会执行std::clamp(bitrate, state.config.min_bitrate_kbps, state.config.max_bitrate_kbps)强制收敛到会话允许范围src/abr.cpp同时即便 LLM 决策为 0模板语义仅当当前码率处于类型目标 5% 以内且网络稳定时才输出 0服务端也只把结果当作不立即动作处理。六、响应格式与容错解析模板严格要求 LLM 只输出 JSON{bitrate: integer_kbps, reason: reason}并明令禁止think标签、markdown 代码块、注释及 JSON 前后的任何文本。bitrate置 0 仅在当前码率处于类型适切目标 5% 以内且网络稳定时允许。现实中的 LLM尤其是 DeepSeek-R1、QwQ 等推理模型常不遵守此约束因此服务端实现了多级容错解析parse_llm_response()src/abr.cpp先直接尝试json::accept()校验原始 content失败则调用strip_reasoning_blocks()大小写不敏感地剥除think.../think块未闭合的think起始标签也会被清除仍失败则用extract_first_json_object()手动扫描字符串正确处理字符串转义与花括号嵌套提取第一个完整 JSON 对象全部失败时给出诊断原因llm_parse_error: no JSON object in content。针对真实场景的回归问题——推理模型在max_tokens耗尽finish_reason length时think块被截断、JSON 尚未产出——代码会返回llm_truncated: reasoning exceeded max_tokens并在日志中提示增大ai_config.json的max_tokens默认 1024已预留约 600–800 推理 token 余量。解析成功后若新码率与会话当前码率差异 ≥ 2%current_bitrate_kbps / 50才产生立即动作差异过小则 reason 记为no_change: delta too small。LLM 的推荐值始终被记录为target_bitrate_kbps作为回退层探测性升码probe-up的天花板。这些容错行为均有单元测试覆盖位于 src/abr.cpp 的SUNSHINE_TESTS段ExtractsJsonAfterThinkBlock、ExtractsFirstJsonObjectFromMixedContent、ReportsMissingJsonWhenContentHasOnlyReasoning、DetectsTruncatedReasoningWhenFinishReasonLength、PreservesExplicitMaxBitrateWhenMinIsOmitted。七、LLM 层的触发与执行链路LLM 调用是事件驱动的而非周期性轮询。process_feedback()src/abr.cpp每个反馈周期按以下阶段执行Phase 1 前台检测限频 10sPID 变化 → 更新前台应用并置app_changed truePhase 2 回退决策限频 3s丢包 5% 时不受限频立即紧急降码率emergency_drop降至当前 70%丢包 2%–5% 时moderate_drop降至 90%丢包 0.5% 且连续 5 个稳定周期时probe_up升至 105%。探测升码一旦存在 LLM 目标则取min(probe_bitrate, llm_target_bitrate_kbps)已到或超过目标则停止探测Phase 3 LLM 触发仅当(app_changed || network_recovered) !llm_in_flight confighttp::isAiEnabled() 提示词模板非空时且距上次调用 ≥ 10 秒LLM_MIN_INTERVAL_SECONDS才构建提示词并派发后台线程执行。后台llm_worker()src/abr.cpp通过confighttp::processAiChat()以 OpenAI 兼容格式调用 LLM请求体包含 system 提示默认 You are a streaming bitrate optimizer. Respond with a single valid JSON object only...可从ai_config.json覆盖、用户消息即本模板填充后的完整提示词、temperatureABR 层默认 0.1与max_tokens默认 1024。worker 使用generation计数器防陈旧结果会话被清理或重建后旧 worker 的结果直接丢弃。network_recovered的判定采用边沿触发——stable_ticks首次达到 5 且无持续高丢包时置位一次配合app_changed共同决定是否重新咨询 LLM。八、AI 能力开关ai_config.json 与相关 REST 端点模板要真正生效还需要 AI 代理处于启用状态。confighttp::isAiEnabled()src/confighttp.cpp要求ai_config.json中enabled为真、apiBase非空且若提供商要求 keyapiKey已配置。该文件与sunshine.conf同目录默认值为{enabled: false, provider: openai, apiBase: https://api.openai.com/v1, model: gpt-4.1-mini, compatibility: openai-chat, temperature: 0.3, max_tokens: 2048}。API key 不落盘于明文 JSON——首次读取到遗留明文 key 时会自动迁移到安全凭据存储ai_llm_credential.bin见 src/confighttp.cpp。ABR 的对外能力通过三条 HTTPS 路由暴露注册于 src/nvhttp.cpp客户端Moonlight通过源 IP 关联活动会话GET /api/abr/capabilities返回supported、version、features含llm_ai、game_aware、fallback_threshold、bitrate_cap、llmEnabled即isAiEnabled()与hostMaxBitratePOST /api/abrconfigure接收enabled、modebalanced/quality/lowLatency、minBitrate、maxBitrate校验非负且 min ≤ max再用apply_host_bitrate_cap()以主机配置video.max_bitrate封顶随后调用abr::enable()启动会话级 ABRPOST /api/abr/feedback接收packetLoss、rttMs、decodeFps、droppedFrames、currentBitrate调用abr::process_feedback()若有新码率则通过stream::session::change_dynamic_param_for_client()以动态 BITRATE 参数实时作用于活动流并把newBitrate、bitrateApplied、reason返回给客户端。abr::enable()中的模式预设src/abr.cpp值得一提仅对未显式配置的边界套用预设值从而保留客户端或主机设定的 maxBitrate 上限——quality模式为max(5000, initial/2)至min(150000, initial*1.5)lowLatency为2000至initial*1.2balanced为max(3000, initial*0.3)至min(150000, initial*2)并处理初始码率极低时的区间反转。九、自定义模板与调优建议由于load_prompt_template()优先加载配置目录下的abr_prompt.md用户可以在sunshine.conf同目录放置自定义abr_prompt.md覆盖仓库内 src/assets/abr_prompt.md 的默认模板——例如新增应用分类、调整各区间比例或收紧单步变化量若使用 DeepSeek-R1、QwQ 等长思维链推理模型请在ai_config.json中调大max_tokens避免think块截断导致解析失败日志会给出llm_truncated: reasoning exceeded max_tokens提示保持temperature较低ABR 层默认 0.1使决策更稳定可复现会话键是客户端的设备显示名device display name源码注释明确提醒同名设备的多会话并发会共享同一 ABR 状态而产生交叉污染——正常配对设备名称各异单会话部署不受影响。综上src/assets/abr_prompt.md虽只是数百行提示词文本却是 Sunshine 将 LLM 能力与游戏流媒体码率控制结合的关键接口它把应用识别 画质分类 网络容忍度编码为结构化决策规则再经由 src/abr.cpp 的加载、填充、触发、解析链路落到实时的编码器码率调节上与始终在线的阈值回退层互补构成一套完整、可观测、可自定义的自适应码率闭环。赞分享音视频【免费下载链接】foundation-sunshineSunshine fork: an enhanced sunshine, a self-hosted game streaming host for Moonlight with HDR10/HDR Vivid, virtual displays, advanced audio, optimized encoders, and a modern control panel.项目地址https://gitcode.com/gh_mirrors/sunshine5/foundation-sunshine点击查看免费下载相关推荐Ollama项目模板引擎深度解析构建高效LLM提示词Ollama项目模板引擎深度解析构建高效LLM提示词 什么是Ollama模板引擎 Ollama项目内置了一个基于Go模板引擎的强大提示词构建系统专门为大型语人工智能大模型模型推理服务本地部署探索Sunshine自托管游戏流媒体服务器的深度解析探索Sunshine自托管游戏流媒体服务器的深度解析 项目概览 Sunshine作为一款开源的自托管游戏流媒体服务器专为Moonlight客户端打造致力于音视频后端从卡顿到流畅Shaka Player自适应码率切换ABR算法深度解析从卡顿到流畅Shaka Player自适应码率切换ABR算法深度解析 你是否曾经历过视频播放时频繁缓冲、画质忽高忽低的尴尬在流媒体传输中网络带宽的波动前端音视频上一篇使用 kubeadm 部署 Cilium从集群初始化到连通性验证的完整指南下一篇lo 迭代器工具集it.Last 详解——从 iter.Seq 序列中安全获取最后一个元素创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考