刚把 Laya 模型和一个开源贪吃蛇游戏接到了 SpacemiT K3 上，整理成了可以安装、复现的 Demo，分享给大家体验。
这个项目不需要 API Key，模型下载完成后就可以离线运行。打开终端，看着蛇一步步找食物、绕开自己的身体，背后每一步都会调用本地模型进行推理。
项目仓库： https://github.com/JiongLab/laya-snake-k3
这条蛇是怎么“思考”的？
它不是让模型直接看游戏画面，也不是接入聊天大模型后不断问“下一步往哪走”。
游戏规则层会先描述各个方向的情况，例如碰撞风险、是否安全、食物方向等，再由 Laya 为方向选项给出概率，经过安全保护检查后执行移动：
当前棋盘 → 方向描述 → 本地模型推理 → 安全检查 → 移动一步
这里保留了上游的环路安全保护。保护层介入时，界面会明确显示 SHIELD，区分模型选择和保护层接管，不把规则兜底算成模型自身的能力。
我做了哪些适配？
游戏规则和保护机制主要来自开源项目 mizorewww/laya-mlx，模型使用 Laya，ONNX 版本来自社区转换。这次主要做的是把它们接到 K3 上，并整理好运行和安装流程：
-
接入 K3 推理后端：将原来的 Apple MLX 推理接入改为本地 ONNX，默认使用 FP16，通过 SpaceMIT 后端调用 AI Core。
-
自动配置工作线程：4 个 AI 工作线程自动绑定到 Core 8、10、12、14，不需要每次手动设置。
实际运行效果
2026 年 9 月 21 日，在 K3 / 8 GB 内存 / Bianbu 4.0.7 上，通过已安装的 v0.1.0 入口进行了 1,200 步测试：
| 项目 | 本次实测 |
|---|---|
| 平均推理耗时 | 约 110 ms/步，排除首步 （这里很惊喜，原项目使用 M3 Max 也仅做到了 11 步/s，K3 可以做到 6 步/s） |
| 稳定运行内存 | 进程 RSS 约 1.88 GiB |
| 运行结果 | 零死亡、零保护介入，运行记录校验通过 |
这些数据只对应本次固定配置，不代表所有输入和运行模式。桌面显示、后台负载以及开启更多辅助指标都会影响表现；启动加载时间也不包含在每步推理耗时中。
详细方法和统计边界见仓库的 资源实测记录。
怎么体验？
请先阅读仓库中的 完整复现指南，按指南准备锁定版本的 Bianbu 系统依赖，再从 Releases 下载 .deb 和 SHA256SUMS，完成校验后安装：
sudo apt install ./laya-snake-k3_0.1.0_riscv64.deb
laya-snake-k3-setup
laya-snake-k3
初始化和游戏启动请使用普通桌面用户，后两条命令不要加 sudo。首次初始化需要联网下载约 1.33 GB 的模型文件，建议至少预留 5 GB 可用磁盘空间，之后模型推理可以离线进行。
终端建议至少 104 列 × 35 行：
-
空格：暂停。 -
R：重开。 -
Q：退出。
默认模式下两项辅助指标显示 NOT COMPUTED 属于正常现象。
当前进度与交流
欢迎有 K3 的朋友试跑，也欢迎一起交流本地模型推理、ONNX 算子适配和 AI Core 的使用经验。遇到问题可以在楼下回复或提 Issue，附上系统版本、启动命令和报错日志，方便定位。
也感谢 Laya、mizorewww/laya-mlx 和 社区 ONNX 转换项目 提供的开源基础。
