Files

68 lines
2.2 KiB
Python
Raw Permalink Normal View History

"""
Token 计数工具 — 支持 tiktoken 精确计数 + 字符估算兜底。
优先使用 tiktoken(cl100k_base) 与 OpenAI/GPT 系列模型一致;
tiktoken 不可用时按 1 token ≈ 1.5 中文字符估算(误差 ≤10%)。
"""
from __future__ import annotations
import logging
from typing import List, Optional
logger = logging.getLogger(__name__)
# 全局 tiktoken 编码器(延迟初始化)
_encoder = None
_tiktoken_available: Optional[bool] = None
def _init_encoder():
"""延迟初始化 tiktoken 编码器。"""
global _encoder, _tiktoken_available
if _tiktoken_available is not None:
return
try:
import tiktoken
_encoder = tiktoken.get_encoding("cl100k_base")
_tiktoken_available = True
logger.info("tiktoken cl100k_base 编码器初始化成功")
except Exception as e:
_tiktoken_available = False
logger.warning(f"tiktoken 不可用,降级为字符估算: {e}")
class TokenCounter:
"""Token 计数器,支持精确(tiktoken)和估算(字符)两种模式。"""
@staticmethod
def count_tokens(text: str) -> int:
"""计算单段文本的 token 数。"""
if not text:
return 0
_init_encoder()
if _tiktoken_available and _encoder is not None:
return len(_encoder.encode(text))
# 兜底:中文约1.5字符/token,英文约4字符/token,混合取2字符/token
return max(1, len(text) // 2)
@staticmethod
def count_messages_tokens(messages: List[dict]) -> int:
"""计算消息列表的 token 总数。
每条消息额外计入 role 标记的 overhead(约4 tokens/条)。
"""
total = 0
for msg in messages:
content = msg.get("content", "")
role = msg.get("role", "")
total += TokenCounter.count_tokens(content)
total += TokenCounter.count_tokens(role)
total += 4 # 每条消息的格式 overhead
return total
@staticmethod
def is_precise() -> bool:
"""返回当前是否使用精确计数(tiktoken)。"""
_init_encoder()
return _tiktoken_available is True