Python与C混合编程：CodeGeex+Cython高效实战指南

想要在 Python 中直接调用高性能 C 函数，又不想手动编写繁琐的 .pyx 文件和 setup.py 配置？CodeGeex 可根据自然语言描述自动生成 Cython 接口代码，彻底免去手工绑定的麻烦。下面从模型部署到成功调用，一步步拆解实操流程。

部署 CodeGeex 本地环境并启动

先从 Hugging Face 仓库拉取 codegeex-6b 模型权重，使用 transformers 加载时务必添加 trust_remote_code=True。若显存紧张，必须启用 quantize=True 执行 4-bit 量化，否则模型加载会在 tokenizer 初始化阶段卡死，白白浪费等待时间。

启动 Web UI 的命令简洁明了：

python -m codegeex.webui --model-name codegeex-6b --device cuda --quantize

将下载好的模型路径填入 --model-path 参数即可，操作非常直接。

编写精准提示词生成 .pyx 接口文件

在 CodeGeex Web UI 输入框中，用三句话清晰描述需求：第一句声明任务——“为以下 C 函数生成 Cython 绑定”；第二句粘贴完整 C 函数签名，例如 double compute_sum(double* arr, int n);；第三句限定输出格式——“只输出 .pyx 文件内容，不加解释、不含 setup.py、不附示例调用”。

关键细节：C 函数必须有完整的类型声明。像 void func() 这样缺少参数类型的写法，生成的 .pyx 中 cdef 声明会出错，编译时直接报 unknown type name。踩过这个坑的人都深有体会。

点击生成后，复制返回的 .pyx 内容，保存为 math_wrapper.pyx。

构建并编译 Cython 扩展模块

两种编译方式可按需选择。

方法一：采用 setuptools 编译
创建 setup.py，内容参照标准模板：

from setuptools import setup
from Cython.Build import cythonize
setup(ext_modules = cythonize("math_wrapper.pyx"))

然后运行 python setup.py build_ext --inplace，自动生成 math_wrapper.c 并编译为 math_wrapper.cpython-*.so。【务必在项目根目录下执行该命令，否则生成的 .so 文件路径错乱，Python 导入时会报 ModuleNotFoundError】

方法二：命令行一键编译（适合快速验证）
直接执行 cython -3 -i math_wrapper.pyx，自动完成 .c 生成 + 编译 + 当前目录导入。省去编写 setup.py 的步骤，单文件调试非常高效。缺点是无法控制编译选项，例如不支持 OpenMP。

在 Python 中调用编译后的 C 函数

第一步：确认 math_wrapper.so 已出现在当前工作目录。
第二步：执行 import math_wrapper。
第三步：构造 ctypes 兼容的数组。示例如下：

import numpy as np
arr = np.array([1.0, 2.0, 3.0], dtype=np.float64)
result = math_wrapper.compute_sum(arr.__array_interface__['data'][0], len(arr))

注意：Cython 生成的函数默认不接受 Python list，必须传入 memoryview 或 NumPy 数组的底层指针，否则会触发 TypeError: expected bytes, got list。调用成功后，result 即为 C 函数返回的 double 值。