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
kernelopenEuler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。C077
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
462
3.44 K
Ascend Extension for PyTorch
Python
269
309
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
188
77
暂无简介
Dart
714
171
React Native鸿蒙化仓库
JavaScript
284
331
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
843
421
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
105
119
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
10
1
🎉 (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
1.26 K
692