NEAR AI 命令行工具全面指南:从入门到精通
2025-06-19 05:23:14作者:裘旻烁
前言
NEAR AI 命令行工具(CLI)是开发者与 NEAR AI 生态系统交互的核心工具。本文将全面介绍该工具的功能、安装方法以及各类操作命令,帮助开发者高效地创建、部署和管理 AI 代理与模型。
环境准备
系统要求
- Python 3.9-3.11(不支持 3.12 及以上版本)
- NEAR 账户(用于身份验证)
虚拟环境配置
为避免依赖冲突,强烈建议使用虚拟环境。以下是三种主流虚拟环境工具的配置方法:
使用 uv 工具
uv venv --python 3.11
source .venv/bin/activate
使用 Conda
conda create -n nearai python=3.11
conda activate nearai
使用 pyenv
pyenv install 3.11
pyenv local 3.11
python -m venv .venv
source .venv/bin/activate
安装 NEAR AI CLI
通过 pip 安装
pip install nearai
本地安装(开发模式)
git clone 项目仓库地址
cd nearai
pip install -e .
账户管理
登录流程
- 确保已创建 NEAR 账户
- 执行登录命令:
nearai login
- 按照提示完成浏览器认证流程
高级登录选项
- 使用已有账户 ID 登录:
nearai login --accountId name.near
- 使用认证密钥登录:
nearai login --accountId name.near --authKey key
- 仅显示远程登录 URL:
nearai login --remote
账户状态检查
nearai login status
退出登录
nearai logout
代理开发
创建新代理
nearai agent create --name my_agent --description "我的第一个AI代理"
本地开发模式
nearai agent dev
代理交互测试
nearai agent interactive --agent=namespace/agent_name/1.0.0
代理任务执行
nearai agent task namespace/agent_name/1.0.0 "执行特定任务"
代理上传
nearai agent upload --local_path=./my_agent --bump
注册表管理
查看注册表项信息
nearai registry info namespace/item_name/1.0.0
生成元数据模板
nearai registry metadata-template --local_path=./my_agent
列出注册表内容
nearai registry list --category=agent --total=10
下载注册表项
nearai registry download namespace/item_name/1.0.0
模型操作
运行基准测试
nearai benchmark run my_dataset my_solver --max_concurrent=4
与模型交互
nearai hub chat --query="AI是什么?" --model=gpt-3.5-turbo
启动本地推理服务
nearai vllm run
模型微调
nearai finetune start
配置管理
查看配置
nearai config show
设置配置项
nearai config set api_url https://api.example.com
最佳实践
- 版本控制:始终在虚拟环境中工作,避免系统级依赖冲突
- 增量更新:上传代理时使用
--bump参数进行小版本更新 - 性能优化:基准测试时合理设置
--max_concurrent参数 - 安全实践:避免在命令行中直接使用认证密钥,考虑使用环境变量
常见问题解答
Q: 为什么需要特定 Python 版本? A: NEAR AI 依赖的某些库对 Python 版本有严格要求,3.9-3.11 能确保最佳兼容性。
Q: 如何查看所有可用命令?
A: 直接运行 nearai 或使用 nearai --help 查看完整命令列表。
Q: 上传代理时版本号如何管理?
A: 使用 --bump、--minor_bump 或 --major_bump 参数控制版本号增量。
通过本指南,您应该已经掌握了 NEAR AI 命令行工具的核心功能。建议从创建第一个代理开始实践,逐步探索更高级的功能。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
799
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
780
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1