深入探索 llama.cpp：原理、安装与使用详解 – wiki基地

作者： /

深入探索 llama.cpp：原理、安装与使用详解

引言：大语言模型时代的普惠革命

近年来，大型语言模型（LLMs）如 GPT-3、PaLM、Llama 等以其惊人的自然语言理解和生成能力，席卷了人工智能领域，并在各行各业展现出巨大的应用潜力。然而，这些强大的模型通常伴随着巨大的计算资源需求，动辄需要数十甚至数百 GB 的显存和强大的 GPU 集群才能运行，这使得普通开发者、研究人员和爱好者难以在本地设备上部署和体验。

在这样的背景下，一个名为 llama.cpp 的项目横空出世，如同一股清流，迅速吸引了全球开发者的目光。它是一个用 C/C++ 编写的 Llama 模型推理引擎，其核心目标是 让大型语言模型能够在消费级硬件（尤其是 CPU）上高效运行。llama.cpp 的出现极大地降低了 LLM 的使用门槛，使得在个人电脑、笔记本甚至树莓派等资源受限设备上运行复杂的语言模型成为可能，掀起了一场 LLM 技术的普惠革命。

本文将深入探索 llama.cpp 的世界，从其核心原理、关键技术，到详细的安装步骤、多样的使用方法，再到性能优化技巧和注意事项，为您全方位地解析这个强大的工具。无论您是希望在本地运行 LLM 的开发者，还是对 LLM 底层技术感兴趣的研究者，亦或是仅仅想体验前沿 AI 的爱好者，相信本文都能为您提供有价值的参考。

第一部分：深入理解 llama.cpp 的核心原理

llama.cpp 的成功并非偶然，它巧妙地结合了多种优化技术，才得以在资源有限的环境下实现高效的 LLM 推理。其核心原理主要围绕以下几个方面：

1. 起源与目标：CPU 推理的初心

llama.cpp 最初由 Georgi Gerganov 发起，旨在为 Meta 开源的 Llama 模型提供一个纯 C/C++ 的推理实现。与主流的 Python + PyTorch/TensorFlow 框架不同，C/C++ 具有更接近底层的控制能力、更小的运行时开销和更好的跨平台兼容性，这为极致的性能优化奠定了基础。项目的核心目标始终是 优先保证在 CPU 上的高效运行，同时兼顾内存效率和可移植性。

2. 核心技术：GGML 库

GGML (Georgi Gerganov Machine Learning) 是 llama.cpp 的基石，也是 Gerganov 开发的一个用于机器学习的张量库 (Tensor Library)。GGML 具有以下特点：

  • C 语言实现： 保持轻量级和高可移植性。
  • CPU 优先优化： 针对 CPU 架构进行深度优化，利用 SIMD 指令集（如 AVX, AVX2, AVX512, NEON）加速计算。
  • 内存优化： 采用积极的内存管理策略，例如内存映射 (memory mapping) 和计算图优化，以减少内存占用和拷贝开销。
  • 量化支持： 内建对模型量化的支持，这是实现低资源运行的关键。
  • 自动微分 (有限)： 支持部分自动微分功能，但主要聚焦于推理。
  • 文件格式： 定义了自己的模型文件格式（早期为 .bin/.ggml，后演进为 .gguf），用于存储量化后的模型权重和元数据。

3. 模型量化 (Quantization)：压缩模型的魔法

量化是 llama.cpp 实现低资源运行的 核心魔法。原始的 LLM 通常使用 32 位浮点数 (FP32) 或 16 位浮点数 (FP16/BF16) 存储权重。量化技术通过降低权重的数值精度（例如，从 FP16 降低到 8 位整数 INT8，甚至 4 位整数 INT4）来显著减小模型文件的体积和运行时内存占用。

  • 原理： 将连续的浮点数值范围映射到离散的、位数更少的整数值范围。这会损失一部分精度，但设计良好的量化方案可以在精度损失可接受的范围内，大幅提升效率。
  • 优势：
    • 减小模型体积： INT4 量化模型体积通常只有 FP16 模型的 1/4 左右。
    • 降低内存带宽需求： 读取更小的数据类型意味着更少的内存访问，这在内存带宽受限的 CPU 推理中尤为重要。
    • 加速计算： 整数运算通常比浮点运算更快，尤其是在支持特定整数指令的 CPU 上。
  • llama.cpp 支持的量化方法： 支持多种量化策略，常见的有：
    • q4_0, q4_1: 基础的 4 位量化。
    • q5_0, q5_1: 5 位量化。
    • q8_0: 8 位量化，精度较高，但压缩率不如 4/5 位。
    • q2_K, q3_K, q4_K, q5_K, q6_K: K-Quants 系列，更复杂的量化方法，试图在极低比特下保持更好的性能，_S 和 _M 后缀代表不同大小的块。q4_K_M 通常被认为是速度和质量之间较好的平衡点。
  • GGUF 格式： 新一代的 GGML 模型文件格式 (Georgi Gerganov Universal Format)，旨在取代旧格式。GGUF 是一个可扩展的、自包含的格式，将模型权重、量化信息、分词器配置、模型架构元数据等都打包在一个文件中，极大地方便了模型的分享和使用。

4. CPU 优化：榨干硬件性能

llama.cpp 在 CPU 优化方面不遗余力：

  • SIMD (Single Instruction, Multiple Data) 指令集： 利用 CPU 提供的向量指令（如 x86 架构的 AVX, AVX2, AVX512；ARM 架构的 NEON）并行处理多个数据元素，大幅加速矩阵乘法等计算密集型操作。编译时可以指定启用特定的指令集以获得最佳性能。
  • 多线程并行： 使用 OpenMP 或其他线程库将计算任务分配到多个 CPU 核心上并行执行，充分利用多核处理器的能力。
  • 缓存优化： 考虑 CPU 缓存的层级结构和特性，优化内存访问模式，减少缓存未命中。

5. 内存管理：应对大模型挑战

运行数十亿参数的模型对内存是巨大的挑战。llama.cpp 采用：

  • 内存映射 (mmap)： 对于大型模型文件，可以使用 mmap 将文件内容直接映射到进程的虚拟地址空间，而不是一次性读入内存。操作系统会根据需要惰性加载文件的部分内容到物理内存，有效降低了启动时的内存峰值，并允许多个进程共享同一份模型数据。
  • 高效的内存分配： GGML 库内部有专门的内存管理机制，避免频繁的小块内存分配和释放带来的开销和碎片。

6. 跨平台与可移植性

基于 C/C++ 和 CMake/Make 构建系统，llama.cpp 具有良好的跨平台特性，可以在 Linux, macOS, Windows 等主流操作系统以及 x86 和 ARM (包括 Apple Silicon) 等不同架构上编译和运行。

7. GPU 加速支持 (可选)

虽然以 CPU 优化著称，llama.cpp 也逐步加入了对 GPU 加速的支持，以进一步提升性能：

  • 后端支持： 支持多种 GPU 后端，包括：
    • NVIDIA CUDA (cuBLAS): 利用 NVIDIA GPU 的 cuBLAS 库加速矩阵运算。
    • Apple Metal: 针对 Apple Silicon (M1/M2/M3) 的 GPU 进行优化。
    • OpenCL: 一个跨平台的并行计算框架，理论上支持 AMD、Intel 等多种 GPU，但支持程度和性能可能不如 CUDA/Metal。
    • Vulkan: 图形和计算 API，也可用于加速。
  • 层卸载 (Layer Offloading): 用户可以指定将模型的一部分（通常是计算量最大的 Transformer 层）计算任务卸载 (offload) 到 GPU 上执行，而其余部分仍在 CPU 上运行。通过 -ngl 或 --n-gpu-layers 参数控制卸载的层数。这是一种混合计算模式，可以在显存有限的情况下，利用 GPU 加速最耗时的部分。

第二部分：llama.cpp 的安装与环境配置

安装 llama.cpp 主要涉及获取源码、编译和准备模型文件三个步骤。

1. 准备工作 (Prerequisites)

在开始之前，确保你的系统安装了以下基本工具：

  • Git: 用于克隆源码仓库。
  • C/C++ 编译器: 如 GCC (Linux) 或 Clang (macOS, Linux)。Windows 下可以使用 MinGW 或 MSVC (Visual Studio)。
  • Make: 用于执行编译指令（或 CMake，作为另一种构建选项）。
  • Python (推荐): 许多辅助脚本（如下载、转换模型）需要 Python 环境 (通常 Python 3.6+)。

2. 获取源码

打开终端或命令行，使用 Git 克隆 llama.cpp 的官方仓库：

bash
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp

3. 编译

llama.cpp 的编译过程非常灵活，可以根据你的硬件和需求进行定制。

  • 基本编译 (纯 CPU):
    最简单的编译方式，不带任何特定的硬件加速。

    bash
    make
    这将生成 main (用于命令行推理) 和 server (用于启动 HTTP 服务) 等可执行文件。

  • 编译 CPU 优化:
    如果你的 CPU 支持特定的 SIMD 指令集，启用它们可以获得显著的性能提升。例如，如果你的 CPU 支持 AVX2：

    “`bash

    清理旧的编译结果 (如果之前编译过)

    make clean

    编译并启用 AVX2

    make LLAMA_AVX2=1
    ``
    其他常见的优化标志包括    LLAMA_AVX=1,LLAMA_AVX512=1(适用于支持 AVX512 的 CPU),LLAMA_FMA=1,LLAMA_F16C=1等。你可以根据lscpu(Linux) 或sysctl -a | grep machdep.cpu.features` (macOS) 的输出来判断你的 CPU 支持哪些指令集。

  • 编译 GPU 加速支持:

    • NVIDIA GPU (cuBLAS):
      需要先安装 NVIDIA 驱动和 CUDA Toolkit。

      “`bash

      清理

      make clean

      编译并启用 cuBLAS 支持

      make LLAMA_CUBLAS=1
      ``
      环境变量      CUDA_PATH` 可能需要指向你的 CUDA Toolkit 安装路径。

    • Apple Silicon GPU (Metal):
      通常需要 Xcode 和 Command Line Tools。Metal 支持通常是默认启用的（尤其是在较新版本的 llama.cpp 中），但也可以显式指定：

      “`bash

      清理

      make clean

      编译并启用 Metal 支持 (如果需要明确指定)

      make LLAMA_METAL=1
      ``
      有时需要设置      LLAMA_METAL_EMBED_LIBRARY=1` 来将 Metal 库嵌入可执行文件中。

    • OpenCL:
      需要 OpenCL SDK 和相应的驱动程序。

      “`bash

      清理

      make clean

      编译并启用 OpenCL 支持

      make LLAMA_CLBLAST=1 # 使用 CLBlast 作为 OpenCL BLAS 库
      “`

  • 使用 CMake (替代方案):
    llama.cpp 也支持 CMake 构建系统，这在某些环境（尤其是 Windows 或需要更复杂配置时）可能更方便。

    bash
    mkdir build
    cd build
    cmake .. [-DLLAMA_CUBLAS=ON | -DLLAMA_METAL=ON | -DLLAMA_CLBLAST=ON | -DLLAMA_AVX2=ON ...]
    cmake --build . --config Release

编译成功后，你会在项目根目录（使用 make）或 build 目录（使用 CMake）下找到 main, server, quantize 等可执行文件。

4. 模型下载与转换 (关键步骤)

llama.cpp 需要使用特定格式的模型文件（主要是 GGUF 格式）。

  • 获取 GGUF 模型:
    最简单的方式是直接下载已经转换和量化好的 GGUF 格式模型。Hugging Face Hub (huggingface.co) 是寻找 GGUF 模型的主要社区资源。搜索你感兴趣的模型（如 Llama 2, Mistral, Mixtral 等），并查找带有 “GGUF” 标签的文件。

    • 推荐的模型提供者: TheBloke 是 Hugging Face 上非常活跃和知名的 GGUF 模型提供者，他提供了大量流行模型的各种量化版本。
    • 选择量化版本: 根据你的硬件资源（主要是 RAM）和对性能/质量的要求选择合适的量化版本。例如：
      • Q4_K_M: 通常是性能和质量的良好平衡点，适用于大多数中端设备。
      • Q5_K_M: 质量稍好，体积稍大。
      • Q8_0: 质量接近 FP16，但体积和内存占用较大。
      • Q3_K_M 或 Q2_K: 适用于内存极度受限的设备，但质量损失可能较明显。
    • 下载工具: 可以直接通过网页下载，或者使用 wget, curl, 或 huggingface-hub Python 库进行下载。

  • 手动转换 (如果只有原始模型):
    如果你只有 PyTorch (.pth) 或 SafeTensors 格式的原始模型，你需要手动将其转换为 GGUF 格式。llama.cpp 仓库中提供了转换脚本（通常是 convert.py 或更新的脚本）。这个过程通常需要安装 Python 和一些依赖库（如 torch, sentencepiece, transformers, huggingface-hub）。
    “`bash
    # 1. 安装依赖
    pip install -r requirements.txt

    2. 运行转换脚本 (示例)

    python convert.py path/to/original/model –outfile models/converted_model.gguf –outtype q4_K_M
    “`
    具体的转换命令和参数可能会因模型类型和脚本版本而异，请参考 llama.cpp 官方文档或脚本自身的帮助信息。注意： 手动转换可能需要较多的内存和时间。

将下载或转换好的 .gguf 文件放置在一个方便访问的目录（例如 llama.cpp/models/）。

第三部分：llama.cpp 的核心使用方法

准备好编译后的可执行文件和 GGUF 模型文件后，就可以开始使用 llama.cpp 了。主要有两种使用方式：命令行直接推理和启动 HTTP 服务。

1. 基本命令行推理 (./main)

main 程序是进行文本生成和交互的核心工具。其基本用法如下：

bash
./main -m <path_to_your_model.gguf> [options]

常用选项 (Options):

  • -m <model_path>: (必需) 指定要加载的 GGUF 模型文件路径。
  • -p <prompt>: 指定初始提示语 (prompt)。
  • -n <number>: 指定要生成的最大 token 数量 (默认为 128)。
  • -c <number>: 设置上下文窗口大小 (context size)。这决定了模型能“记住”多少之前的对话或文本。需要根据模型本身支持的最大上下文长度和你的内存大小来设置（通常 512, 1024, 2048, 4096 等）。非常重要！
  • -ngl <number> 或 --n-gpu-layers <number>: (GPU 加速关键) 指定要卸载到 GPU 的层数。设置为 0 表示纯 CPU 运行。设置一个正数会将模型的前 N 层放到 GPU 上。需要根据你的显存大小调整，设置过高会导致显存不足错误。
  • -t <number> 或 --threads <number>: 指定使用的 CPU 线程数。通常设置为物理核心数效果较好。
  • -b <number> 或 --batch-size <number>: 处理提示时的批处理大小（默认为 512）。
  • --color: 在终端输出中使用颜色高亮显示提示和生成内容。
  • --temp <float>: 设置温度 (temperature)，控制生成文本的随机性。较低的值（如 0.7）使输出更确定、更集中；较高的值（如 1.0 或更高）使输出更多样、更具创造性（但也可能更离谱）。(默认为 0.8)。
  • --top_k <number>: Top-K 采样。只从概率最高的 K 个词中选择下一个词 (默认为 40)。
  • --top_p <float>: Top-P (Nucleus) 采样。只从概率累积和达到 P 的最小词集中选择下一个词 (默认为 0.95)。
  • --repeat_penalty <float>: 重复惩罚。对近期已生成的词施加惩罚，降低重复生成相同内容的概率 (默认为 1.1)。
  • -i 或 --interactive: 进入交互模式，可以在生成后继续输入新的提示。
  • --interactive-first: 启动时立即进入交互模式，等待用户输入第一个提示。
  • --in-prefix <string>: (交互模式) 在你的输入前添加的前缀字符串。
  • --in-suffix <string>: (交互模式) 在你的输入后添加的后缀字符串（例如，用于模拟特定的聊天格式，如在用户输入后添加 “Assistant:”）。
  • -f <file_path>: 从文件中加载提示。

示例：

  • 简单生成:
    bash
    ./main -m ./models/llama-2-7b-chat.Q4_K_M.gguf -p "Building a website can be done in many ways. One popular way is" -n 200 -c 2048
  • 使用 GPU 加速 (卸载 30 层到 GPU):
    bash
    ./main -m ./models/mistral-7b-instruct-v0.1.Q5_K_M.gguf -p "Explain the concept of quantum entanglement simply:" -n 512 -c 4096 -ngl 30 -t 8
  • 交互式聊天 (CPU):
    bash
    ./main -m ./models/llama-2-7b-chat.Q4_K_M.gguf -n -1 -c 2048 --interactive-first --color --repeat_penalty 1.1 -t 8
    (-n -1 表示无限生成，直到上下文满或手动停止)

2. 服务端模式 (./server)

server 程序可以将加载的 LLM 封装成一个 HTTP Web 服务，允许其他应用程序通过 API 调用进行交互。这对于构建聊天机器人、集成到 Web 应用或提供远程访问非常有用。

  • 启动服务:
    bash
    ./server -m <path_to_your_model.gguf> -c <context_size> [options]
    常用选项与 main 类似，例如 -ngl 用于 GPU 加速，-t 用于线程数。
  • 主要选项:
    • --host <ip_address>: 指定监听的 IP 地址 (默认为 127.0.0.1)。设置为 0.0.0.0 可允许外部访问。
    • --port <port_number>: 指定监听的端口 (默认为 8080)。
    • --api-key <key>: 设置 API 密钥以进行访问控制。
  • 访问服务:
    启动后，可以通过浏览器访问 http://<host>:<port> 通常会看到一个简单的 Web UI (如果编译时包含)。
    更常用的是通过 API 请求，例如使用 curl：
    bash
    curl --request POST \
    --url http://127.0.0.1:8080/completion \
    --header "Content-Type: application/json" \
    --data '{"prompt": "What is the capital of France?", "n_predict": 50}'
    它通常提供与 OpenAI API 类似的 /v1/chat/completions 和 /v1/completions 端点，方便现有应用迁移。

3. 常见应用场景

  • 本地文本生成/续写: 直接使用 main 程序进行创作、编程辅助、内容生成等。
  • 本地聊天机器人: 使用 main 的交互模式或 server 配合前端界面搭建私人聊天助手。
  • 问答系统: 向模型提问并获取答案。
  • 文本摘要/翻译: 输入长文本，让模型生成摘要或翻译。
  • 教育与研究: 在本地探索和实验不同的 LLM 模型和参数。
  • 离线应用集成: 将 LLM 能力集成到无法访问云服务的应用中。

4. 与其他工具/库集成

  • Python 绑定 (llama-cpp-python): 社区维护了一个非常流行的 Python 绑定库 llama-cpp-python。它允许 Python 开发者方便地加载和使用 llama.cpp 的 GGUF 模型，提供了与 transformers 库类似的接口，并且支持 LangChain、LlamaIndex 等框架。这是在 Python 项目中使用 llama.cpp 的首选方式。
    “`python
    # 安装: pip install llama-cpp-python
    from llama_cpp import Llama

    加载模型 (使用 GPU 加速)

    llm = Llama(
    model_path=”./models/your_model.gguf”,
    n_gpu_layers=30, # -1 表示全部卸载 (如果显存够)
    n_ctx=2048
    )

    生成文本

    output = llm(“Q: Name the planets in the solar system? A: “, max_tokens=50, stop=[“Q:”, “\n”], echo=True)
    print(output)

    聊天

    output = llm.create_chat_completion(…)

    “`

第四部分：性能优化与注意事项

要在特定硬件上获得 llama.cpp 的最佳性能，需要考虑以下几点：

1. 选择合适的量化模型

  • 权衡: 量化程度越高 (位数越低)，模型越小，速度越快，内存占用越低，但通常精度损失也越大。
  • 推荐: Q4_K_M 是一个广泛使用的平衡点。如果内存充足且追求更高质量，可以尝试 Q5_K_M 或 Q8_0。如果内存极度受限，Q3_K_M 或 Q2_K 是备选项。建议实际测试不同量化版本在你的任务上的表现。

2. 调整线程数 (-t)

  • 经验法则: 通常设置为物理核心数（而非逻辑核心数/超线程数）附近效果最佳。过多的线程可能导致线程切换开销增大，反而降低性能。
  • 实验: 实际运行测试，尝试不同的线程数（例如，物理核心数、物理核心数/2、物理核心数*2）找到最优值。

3. 利用 GPU 加速 (-ngl)

  • 关键: 这是提升性能最有效的方法之一（如果你有受支持的 GPU）。
  • 显存限制: GPU 加速的主要瓶颈是显存 (VRAM)。你需要根据模型的层数、大小和你的显存容量来确定可以卸载多少层 (-ngl 的值)。
  • 查找最佳值: 从一个较小的值开始（如 10），逐步增加 -ngl，观察推理速度和显存占用（可以使用 nvidia-smi 或类似工具监控）。当显存接近饱和或速度不再显著提升时，就找到了一个较好的值。设置过高会导致 “out of memory” 错误。将所有层卸载到 GPU (-ngl -1 或一个非常大的数) 只有在显存足够容纳整个模型时才可行。
  • 混合精度: 部分层在 GPU (可能用 FP16)，部分在 CPU (量化格式)，llama.cpp 会自动处理。

4. 上下文窗口大小 (-c)

  • 内存影响: 上下文窗口越大，模型能处理的输入/历史越长，但内存占用也越高（KV 缓存会增大）。
  • 性能影响: 处理更长的上下文通常需要更多时间。
  • 选择: 根据你的任务需求和内存限制选择合适的大小。不要设置超过模型本身训练时支持的最大上下文长度。

5. 批处理大小 (-b)

  • 主要影响初始提示的处理速度。较大的批处理大小可以提高吞吐量（并行处理更多 token），但也增加内存使用。对于交互式应用，默认值通常足够。

6. 硬件选择

  • CPU: 具有较新 SIMD 指令集 (AVX2, AVX512) 和较高核心数的 CPU 性能更好。
  • RAM: 至关重要！ 你需要足够的 RAM 来加载模型权重（即使是量化后）和存储 KV 缓存。RAM 的大小直接决定了你能运行多大的模型和多长的上下文。对于 7B 模型，推荐至少 8GB RAM (取决于量化)；对于 13B 模型，推荐 16GB+；对于更大的模型，需要更多。
  • GPU: 如果使用 GPU 加速，显存 (VRAM) 是最重要的因素。显存大小决定了你能卸载多少层，直接影响加速效果。其次是 GPU 的计算能力 (CUDA 核心数/流处理器数) 和内存带宽。

7. 模型选择

  • 大小与能力: 更大的模型（参数更多）通常能力更强，但也更慢，需要更多资源。根据你的任务需求和硬件限制选择合适的模型大小 (如 7B, 13B, 30B, 70B)。
  • 指令微调/聊天优化: 针对特定任务（如聊天、指令跟随），选择经过相应微调的模型（如 Llama-2-Chat, Mistral-Instruct）通常效果更好。

8. 保持更新

  • llama.cpp 是一个非常活跃的项目，持续进行优化、添加新功能和支持新模型。定期 git pull 更新源码并重新编译，可以获得最新的性能改进和 bug 修复。同时关注 GGUF 格式和量化方法的变化。

总结与展望

llama.cpp 无疑是大型语言模型领域的一项突破性进展。它通过精巧的 C/C++ 实现、高效的 GGML 库、关键的量化技术以及对 CPU 和可选 GPU 的深度优化，成功地将原本高高在上的 LLM 带到了普通用户的桌面甚至移动设备上。其易于安装、使用灵活、性能优异、跨平台兼容的特点，使其成为开发者、研究者和 AI 爱好者探索 LLM 世界的强大武器。

从命令行交互到 API 服务，从纯 CPU 运行到 GPU 加速，llama.cpp 提供了多样化的使用方式，满足不同场景的需求。理解其核心原理，掌握正确的安装和配置方法，并结合性能优化技巧，用户可以最大限度地发挥其潜力。

展望未来，随着 LLM 技术的不断演进和硬件性能的提升，我们可以期待 llama.cpp 继续发展：

  • 更优的量化算法: 探索在更低比特下保持更高模型质量的新方法。
  • 更广泛的硬件支持: 持续优化对不同 CPU 架构和 GPU 后端（如 Vulkan, SYCL）的支持。
  • 模型兼容性: 快速跟进并支持社区涌现的新型开源 LLM 架构。
  • GGUF 格式的演进: 可能增加更多元数据支持和功能。
  • 易用性提升: 社区可能会开发更多友好的图形界面或集成工具。

深入探索 llama.cpp 不仅仅是学习一个工具，更是理解 LLM 高效推理底层机制、拥抱 AI 技术民主化浪潮的绝佳途径。希望本文能为您开启这段激动人心的探索之旅提供坚实的起点。现在，就动手安装、下载模型，在自己的设备上体验大型语言模型的魅力吧！

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部