Przejdź do treści
Biblioteka skilli
AI i agenci · Integracja z narzędziem

arkcli-custommodel

/arkcli-custommodel

Zarządza repozytorium własnych modeli (cm-*) w Volcengine: import z TOS, wyszukiwanie, szczegóły, zmiana nazwy, usuwanie oraz kwantyzacja gotowych modeli.

Repozytorium
ark-cli ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
27.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
9
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 27.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Zarządza repozytorium własnych modeli (cm-*) w Volcengine: import z TOS, wyszukiwanie, szczegóły, zmiana nazwy, usuwanie oraz kwantyzacja gotowych modeli.

Oryginalny opis (EN)

arkcli 自定义模型仓库管理:从 TOS 导入自定义模型、查询/筛选自定义模型、查看详情、改名、删除、查询可用量化模式、量化已就绪的模型。任何提到自定义模型 ID(`cm-*`)的管理、部署准备,或要求用 `cm-*` 直接对话/推理/试效果的边界判断,都必须使用本 skill。注意:查询火山**公共基础模型**(doubao 等 foundation models)走 arkcli-models;本 skill 只管账号下的自定义模型仓库。

Jak działa

  1. 守卫与使用原则
  2. 适用场景
  3. 反唤起信号
  4. cm- 直接推理边界
  5. 核心概念
  6. 快速决策
  7. 列表参数与输出契约
  8. 部署前的自定义模型目标澄清
  9. Agent 快速执行顺序
  10. 典型业务链路
Sekcje z nagłówków SKILL.md, w oryginale · 169 linii, 920 słów
Podgląd SKILL.md
---
name: arkcli-custommodel
version: 1.0.1
description: "arkcli 自定义模型仓库管理:从 TOS 导入自定义模型、查询/筛选自定义模型、查看详情、改名、删除、查询可用量化模式、量化已就绪的模型。任何提到自定义模型 ID(`cm-*`)的管理、部署准备,或要求用 `cm-*` 直接对话/推理/试效果的边界判断,都必须使用本 skill。注意:查询火山**公共基础模型**(doubao 等 foundation models)走 arkcli-models;本 skill 只管账号下的自定义模型仓库。"
metadata:
  requires:
    bins: ["arkcli"]
  cliHelp: "arkcli models custommodel --help"
---

# arkcli models custommodel

**CRITICAL — 开始前 MUST 先用 Read 工具读取 [`../arkcli-shared/SKILL.md`](../arkcli-shared/SKILL.md),其中包含认证闸门、配置排查与共享安全规则**
**CRITICAL — 所有 `models custommodel` 命令在执行之前,务必先用 Read 工具读取其对应的 reference 文档,禁止直接盲目调用命令。**
**CRITICAL — 写操作(upload / update / delete / quantize)必须先确认用户意图。删除前必须确认是否还有 endpoint 引用。**

## 守卫与使用原则

- 自定义模型相关需求优先使用 `arkcli models custommodel ...`
- 这些命令虽然是标准 CLI 类型,但实现入口仍然来自 `shortcuts/models/`
- 只有产品命令无法覆盖时,才回退到 [`../arkcli-api-explorer/SKILL.md`](../arkcli-api-explorer/SKILL.md)
- 本 skill 不是基础模型查询入口;基础模型目录查询转 [`../arkcli-models/SKILL.md`](../arkcli-models/SKILL.md)
- 写操作和异步任务必须把影响范围、轮询方式和后续动作串起来,不要停在单条命令

## 适用场景

- 把训练好/微调好的权重从 veTOS 导入到 ARK 自定义模型
- 查询账号下已有的自定义模型("我的自定义模型有哪些 / 状态如何")
- 查看自定义模型详情、产物形态、活跃 endpoint 引用
- 修改自定义模型展示名或描述
- 删除不再使用的自定义模型
- 把已 `ready` 的自定义模型量化,准备给 `+deploy` 当目标

## 反唤起信号

- 找官方基础模型 → 用 [`../arkcli-models/SKILL.md`](../arkcli-models/SKILL.md) 的 `search/list/get`
- 直接调用自定义模型推理 → 必须先 `+deploy`,再走 `+chat` / `+gen`
- 触发模型微调任务(customization job 本身)→ 转 [`../arkcli-train-finetune/SKILL.md`](../arkcli-train-finetune/SKILL.md)
- **从精调任务的 step(`global_step_N`)注册成 `cm-`**(=「导出训练产物」)→ 转 [`../arkcli-train-finetune/SKILL.md`](../arkcli-train-finetune/SKILL.md) 的 `arkcli train finetune artifacts list / export`,**不要**用本 skill 的 `upload`(那是给"用户自己的 TOS 文件"用的,后端 Action `UploadModel`;mcj 输出走 `CreateCustomModel`,完全不同的 API)
- 已经拿到 endpoint-id 后想管理 endpoint → 转 [`../arkcli-infer-endpoint/SKILL.md`](../arkcli-infer-endpoint/SKILL.md)

## `cm-*` 直接推理边界

- 用户要求“用 `cm-*` 直接对话/推理/试效果”时也必须加载本 skill。明确说明 `cm-*` 是自定义模型资源 ID,不能直接传给 `+chat` / `+gen`;推理前需要单独获得或部署 Endpoint。
- 该请求本身不授权部署、查询账号下 Endpoint 或发起推理。未经用户继续授权,不执行 `arkcli +deploy`、`arkcli +chat`、`arkcli infer endpoint list`,也不拼接 `jq` 等扫描方案。
- 只说明边界和下一步选择;用户明确要求继续部署后,才转 [`../arkcli-deploy/SKILL.md`](../arkcli-deploy/SKILL.md) 并遵守其确认流程。

## 核心概念

- 本 skill 统一把 `arkcli models custommodel ...` 管理的资源称为**自定义模型**(CustomModel,ID 形如 `cm-xxxxx`);它与 [`../arkcli-models/SKILL.md`](../arkcli-models/SKILL.md) 中 `search/list/get` 操作的官方基础模型(FoundationModel)是**两套独立资源**
- 自定义模型来源有两类:
  - `import` —— 用户从 TOS 上传权重导入(本 skill `upload` 命令,走 `UploadModel` API)
  - `customization` —— 通过模型微调任务产出(走 [`../arkcli-train-finetune/SKILL.md`](../arkcli-train-finetune/SKILL.md) 的 `train finetune artifacts export`,**底层是另一个 OpenAPI Action `CreateCustomModel`**,跟 `upload` 不互通)
- 生命周期状态机:`preparation → processing → ready`(成功)或 `failed`;导出场景另有 `exporting` / `exportfailed`
- 量化是单独流程:先 `available-quantizations <id>` 查可用模式,并查看 `supported_inference_types_by_quantization` 预判每种量化方式支持的部署/付费形态;再 `quantize <id> --quantization <mode>` 提交量化任务,结果是一个**独立的新 cm-xxxxx**。源模型、量化结果模型、最终部署出来的 endpoint 是三类不同资源,不能混用 ID
- 自定义模型 ID(`cm-xxxxx`)**不是** `<name>-<primary_version>` 形式,**不能直接作为 `+chat` / `+gen` 的 `--model`**;必须先通过 `arkcli +deploy` 获得 endpoint,拿 `ep-xxx` 才能调用推理。若该自定义模型已有 Running Endpoint,`+deploy` 会直接复用已有 endpoint

## 快速决策

- 用户问"我的自定义模型":读 [`references/arkcli-custommodel-list.md`](references/arkcli-custommodel-list.md),用 `arkcli models custommodel list --mine`
- 用户要按名称 / ID / base 模型 display name 模糊查找:读 [`references/arkcli-custommodel-list.md`](references/arkcli-custommodel-list.md),用 `list --search <kw>`
- 用户已有 `cm-xxxxx` 并要状态 / 详情 / endpoint 引用 / artifact types:读 [`references/arkcli-custommodel-get.md`](references/arkcli-custommodel-get.md),用 `get`
- 用户要从 TOS 导入权重:读 [`references/arkcli-custommodel-upload.md`](references/arkcli-custommodel-upload.md)。用户已有 `tos://...` 时确认 TOS URI、base model 和名称;用户还没有 TOS URI 时先引导开通/上传 TOS,不要直接跑 `upload`
- 用户要改名 / 改描述:读 [`references/arkcli-custommodel-update.md`](references/arkcli-custommodel-update.md),确认意图后用 `update`
- 用户要删除:读 [`references/arkcli-custommodel-delete.md`](references/arkcli-custommodel-delete.md),先查 `active_endpoints`,确认后再执行
- 用户要量化:先读 [`references/arkcli-custommodel-available-quantizations.md`](references/arkcli-custommodel-available-quantizations.md),再读 [`references/arkcli-custommodel-quantize.md`](references/arkcli-custommodel-quantize.md)

## 列表参数与输出契约

- `custommodel list --sort-order` 只接受小写 `asc` / `desc`。收到其他值时应把它视为本地参数错误,不要尝试调用接口或改成其他大小写后盲目重试。
- 使用 `--format table` 或 `--format csv` 时,每个 `result.items[]` 模型是一行;不要把分页响应根对象或 `result` map 当成模型记录。需要保留完整分页元数据时使用 JSON/YAML。

## 部署前的自定义模型目标澄清

仅当用户的最终目标是“把我的自定义模型部署成 Endpoint”、但没有给出唯一 `cm-*` 时执行本节;用户已明确给出 `cm-*` 时跳过。

1. 先执行同范围只读查询:`arkcli models custommodel list --mine --statuses ready --page-all --page-delay 500 --format json`。保留退出码与 stderr,不能把认证、权限或网络失败当作空清单;认证/权限错误按 shared 处理,不扫描凭证或自动切身份。
2. 候选只能来自本轮完整结构化结果。输出被宿主截断时,先读取工具保存的完整文件;确实没有完整捕获时,允许把同一只读查询的 stdout 重新落盘,stderr 单独保留,再用 `jq` / `sed` 检查 `result.items` 与分页信息。该同范围补查一轮最多执行一次,不循环重试。`jq` 空结果或字段缺失时先核对当前 reference 与原始 JSON,不盲猜字段、不凭记忆补 `cm-*`。分页未取全、补查仍失败或关键字段仍缺失时,说明具体边界并停止;拿全候选前不出选择题,更不执行部署。
3. 按 0 / 1 / N 收敛:
   - 0 个:停止,提示用户先 upload、量化或完成精调产物导出。
   - 1 个:复述该模型的 `id / name / foundation_model / create_time`,将它作为唯一目标转交 `arkcli-deploy`。
   - N 个:使用宿主提供的结构化选择能力,把每个候选的 `id / name / foundation_model / create_time` 直接列给用户选择;不要在通用 Skill 中写死某个宿主的工具名,也不要额外写死 `Other` 选项。
4. 唯一目标确定前,不执行 `arkcli +deploy`、`arkcli infer endpoint create` 或 Raw API。目标选择完成后转 `arkcli-deploy`,并继续遵守其写操作确认;选择模型本身不等于授权部署。

## Agent 快速执行顺序

1. 不确定认证状态时,先 `arkcli auth status`
2. "我的自定义模型"语义:直接 `custommodel list --mine`,**不要套 shared 的 Tags 默认过滤**(custommodel 服务端原生支持 `--mine`)
3. 上传前必填三项:`--name` / `--base-model <foundation-model-id>` / `--tos tos://<bucket>/<prefix>`;缺任一会被服务端拒
4. `upload` / `quantize` 是异步任务:返回后用 `custommodel get <id>` 轮询 status,**不要原地循环 upload/quantize**
5. `quantize` 前必跑 `available-quantizations <id>`:不同 base model 支持的量化模式不同,盲传服务端会拒;若用户关心 token / 模型单元等部署形态,优先看返回里的 `supported_inference_types_by_quantization`
6. `quantize --dry-run` 只输出本地 `preview.v1`,不会调用 `CreateQuantizedCustomModel`;`steps[].payload` 只描述真实请求字段,不应出现后端 `DryRun`。它不是服务端校验,核对后仍需确认再执行真实量化
7. `delete` / `update` / `quantize` 是写操作,执行前向用户复述影响范围
8. `delete` 默认会走 [Y/N] 二次确认;`--yes` 表示跳过本地二确,`--dry-run` 表示只预览不删除。只有用户已经明确确认删除目标和影响范围后,agent 才能把 `--yes` 加到命令里
9. `get --transform` 是 `custommodel get` 自己的字段白名单,不是全局 GJSON 表达式;要查嵌套路径时不要把它当作全局 `--transform`

## 典型业务链路

### 1. 从 TOS 上传新自定义模型

```
auth status → custommodel upload --name X --base-model <fm-id> --tos tos://b/p
            → custommodel get <id>  (轮询直到 status=ready)
            → custommodel get <id> --transform 'artifact_types'  (看产物形态)
```

### 2. 量化已就绪的自定义模型

```
custommodel get <id>  (确认 status=ready)
        → custommodel available-quantizations <id>  (看支持哪些 mode)
        → custommodel quantize <id> --quantization <mode> --dry-run
        → 用户确认量化目标和影响范围
        → custommodel quantize <id> --quantization <mode>
        → custommodel get <new-id>  (量化结果是新 cm-xxxxx,再次轮询)
```

### 3. 准备给 `+deploy` 当目标

```
custommodel list --mine --statuses ready --page-all --page-delay 500 --format json
        → 按 0 / 1 / N 澄清唯一 cm-xxxxx
        → +deploy --model cm-xxxxx ...   (若已有 Running Endpoint 会复用;详见 ../arkcli-deploy/SKILL.md)
```

### 4. 清理不再使用的自定义模型

```
custommodel get <id> --transform 'active_endpoints'  (确认无 endpoint 引用)
        → custommodel delete <id> --dry-run
        → custommodel delete <id>  (交互二确)或 custommodel delete <id> --yes
```

## 反模式(agent 必读)

- 不要用 `arkcli models search` / `list` 找自定义模型 —— 那两条只走 FoundationModel 目录,自传模型一律不在里面。要找自传模型用 `custommodel list --search <kw>` 或 `--mine`
- 不要在 `upload` 之后立刻 `quantize` —— upload 是异步任务,status 经历 `preparation → processing → ready`;先 `custommodel get <id>` 确认 ready,再走 `available-quantizations` → `quantize`
- 不要给 `quantize` 传一个 `available-quantizations` 没列的 mode —— 不同 base model 支持的量化集合不同,盲传必失败。先 `available-quantizations <id>`,从返回里挑
- 不要把 `cm-xxxxx` 直接传给 `+chat` / `+gen` 的 `--model` —— 自定义模型必须先通过 `+deploy` 获得 endpoint(`ep-xxx`)才能推理调用;`+deploy` 可能复用已有 Running Endpoint
- 不要在多个 ready 自定义模型中自行挑一个部署 —— 先按“部署前的自定义模型目标澄清”让用户从本轮实时结果中选择
- 不要为了自动化主动补 `--yes` —— 没 `--yes` 时 CLI 会走 [Y/N] 二确;只有用户已经确认删除 `cm-xxxxx` 且知道 endpoint 引用风险时才带
- 不要在 "我的" 语义下走 shared 的 Tags 客户端过滤 —— `custommodel list --mine` 是服务端原生过滤,更准也更省请求
- 不要密集刷 `get` 来轮询 status —— 推荐间隔 ≥ 10s,否则会被限流

## 命令一览

| 命令 | 说明 |
|------|------|
| `arkcli models custommodel list` | 翻页 + 多维过滤 |
| `arkcli models custommodel get <id>` | 详情 / 轮询 status |
| `arkcli models custommodel upload` | 从 TOS 导入(异步) |
| `arkcli models custommodel update <id>` | 改名 / 改描述 |
| `arkcli models custommodel delete <id> [--yes] [--dry-run]` | 删除(破坏性,不可逆);默认二确,`--yes` 跳过,`--dry-run` 预览 |
| `arkcli models custommodel available-quantizations <id>` | 查可用量化模式(quantize 前必跑) |
| `arkcli models custommodel quantize <id> --quantization <mode> [--dry-run]` | 量化(异步);`--dry-run` 仅本地预览,不调用后端 |

## 常见降级

- 认证失败:转 [`../arkcli-auth/SKILL.md`](../arkcli-auth/SKILL.md)
- profile / region 看起来不对:转 [`../arkcli-config/SKILL.md`](../arkcli-config/SKILL.md)
- 找的是基础模型不是自定义模型:转 [`../arkcli-models/SKILL.md`](../arkcli-models/SKILL.md)
- 拿到自定义模型后要部署:转 [`../arkcli-deploy/SKILL.md`](../arkcli-deploy/SKILL.md)
- 产品命令未覆盖(例如想直接触发 customization job):转 [`../arkcli-api-explorer/SKILL.md`](../arkcli-api-explorer/SKILL.md)

## 参考

- [`references/arkcli-custommodel-list.md`](references/arkcli-custommodel-list.md)
- [`references/arkcli-custommodel-get.md`](references/arkcli-custommodel-get.md)
- [`references/arkcli-custommodel-upload.md`](references/arkcli-custommodel-upload.md)
- [`references/arkcli-custommodel-update.md`](references/arkcli-custommodel-update.md)
- [`references/arkcli-custommodel-delete.md`](references/arkcli-custommodel-delete.md)
- [`references/arkcli-custommodel-available-quantizations.md`](references/arkcli-custommodel-available-quantizations.md)
- [`references/arkcli-custommodel-quantize.md`](references/arkcli-custommodel-quantize.md)
- [`references/evals.md`](references/evals.md)
- [arkcli-models](../arkcli-models/SKILL.md) — 基础模型查询(与本 skill 是两套资源)
- [arkcli-deploy](../arkcli-deploy/SKILL.md) — 拿到 ready 的自定义模型后部署成 endpoint
- [arkcli-shared](../arkcli-shared/SKILL.md) — 认证、全局 flag、安全规则
Pliki w paczce (9)
  • SKILL.md 15 KB
  • references/arkcli-custommodel-available-quantizations.md 1 KB
  • references/arkcli-custommodel-delete.md 1 KB
  • references/arkcli-custommodel-get.md 2 KB
  • references/arkcli-custommodel-list.md 4 KB
  • references/arkcli-custommodel-quantize.md 3 KB
  • references/arkcli-custommodel-update.md 1 KB
  • references/arkcli-custommodel-upload.md 3 KB
  • references/evals.md 4 KB

Wersje

W bazie nie ma innych skilli o nazwie arkcli-custommodel.

Migawka bazy z 13.11.2026 · wersja paczki 7e454020a9d0 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100arkcli-models
    Wyszukuje i opisuje publiczne modele bazowe Volcengine, aktywuje ich usługi oraz pokazuje ranking wydajności TTFT i TPOT, trend opóźnień i wpływ długości wejścia.
  • 100arkcli-onboard
    Prowadzi przez podłączenie modelu z Volcengine Ark do własnej aplikacji, od wyboru modelu do działającego Endpointu i opcjonalnego przykładowego kodu.
  • 100arkcli-profile
    Zarządza profilami narzędzia arkcli: tworzy, przełącza, usuwa i zmienia nazwy profilów, a także klucze API i domyślne zasoby.
  • 100arkcli-shared
    Opisuje wspólny protokół wykonywania poleceń arkcli: pierwsze logowanie, bramkę uwierzytelnienia, kolejność wyboru poleceń i potwierdzenia operacji.
  • 98arkcli-dsh-model-onboard
    Podłącza modele z bramki zgodnej z OpenAI lub Anthropic do wyboru modeli DSH, sprawdza adres i dane logowania oraz cofa zmiany przy błędzie.
  • 100byted-tos-image-process
    Przetwarza i sprawdza obrazy w Volcengine TOS: informacje o obrazie, zmiana rozmiaru, format, znak wodny i zapis wyniku do TOS.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.