用途：这是一个面向 llama.cpp C API 的参考型技能，帮助开发者查找函数、编写 C 代码、理解任务步骤，以及把旧代码迁移到当前 API。llama.cpp 本身是依赖极少、性能较高的 C/C++ LLM 推理实现。
主要能力：按类别整理的全部非弃用函数（资料称 b7631 版本共 172 个，分为 6 个文件）；覆盖初始化与参数、模型加载与模型信息、上下文与 KV 缓存和状态管理、批处理与推理与分词与对话、25 种以上采样策略及后端采样 API，以及 LoRA、性能与训练等高级主题。另含 13 至 15 个完整工作流示例，涉及基础文本生成、对话、嵌入、批处理、多序列、LoRA、状态保存加载、自定义采样（XTC/DRY）、编码器-解码器模型、模型检测与内存管理。
核心对象：llama_model、llama_context、llama_batch、llama_sampler、llama_vocab、llama_memory_t。典型流程：llama_backend_init() 初始化，llama_model_load_from_file() 加载模型，llama_init_from_model() 创建上下文，llama_tokenize() 分词，llama_encode() 或 llama_decode() 处理，llama_sampler_sample() 采样，循环生成，最后按相反顺序释放资源。
最佳实践：使用默认参数函数（如 llama_model_default_params()）；检查返回值；按创建逆序释放资源；分词时处理动态缓冲区大小；创建后用 llama_n_ctx() 查询实际上下文长度；用 llama_vocab_is_eog() 判断生成结束。
常见问题：模型加载失败需检查路径、GGUF 格式、内存/显存并降低 n_gpu_layers；分词返回负值多为缓冲区过小；解码/编码返回非零需检查批初始化、上下文容量与位置范围；无输出可检查结束判断、采样器初始化并用 llama_log_set() 开启日志；性能问题可调 n_threads、n_gpu_layers、n_batch；Mistral 类 SWA 模型可用 ctx_params.swa_full=true，并用 llama_model_n_swa(model) 检测；逐序列状态加载需序列 ID 匹配。迁移要点：用 llama_model_load_from_file() 替代 llama_load_model_from_file()，llama_init_from_model() 替代 llama_new_context_with_model()，并用 llama_vocab_() 替代 llama_token_()。
限制：资料未提供该技能的具体安装方式、收费情况与运行平台信息。