mcpField
R
replicate-cli

replicate-cli

github.com/rawveg云与 DevOps4042 次安装36 周前更新
代码仓库

关于 replicate-cli

Replicate CLI 是用于通过命令行操作 Replicate 托管模型平台的工具，面向模型使用者和开发者。它支持预测、模型管理、微调与部署，并可流式输出、保存结果及串联模型输出。

主要功能

  1. 01运行托管模型预测
  2. 02流式输出并保存预测结果
  3. 03查看和管理模型
  4. 04微调模型
  5. 05创建和管理部署

适用场景

  1. 01调用托管模型生成图像或文本
  2. 02在流水线中串联模型输出
  3. 03提交预测以进行批量处理
  4. 04微调并部署模型

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/rawveg/skillsforge-marketplace --skill replicate-cli

安装后在 Claude Code 中输入/replicate-cli确认已加载。

附带文件plugin.jsonreferences/hardware.md

详细介绍

Replicate CLI

Replicate CLI 是用于与 Replicate 的 AI 模型平台交互的命令行工具。它支持直接在终端运行预测、管理模型、创建部署和微调模型。

身份验证

使用 Replicate CLI 前，请设置 API 令牌：

export REPLICATE_API_TOKEN=<token-from-replicate.com/account>

也可以通过交互方式进行身份验证：

replicate auth login

验证身份：

replicate account current

核心命令

运行预测

主要用途是针对托管模型运行预测。

基本预测：

replicate run <owner/model> input_key=value

示例：

图像生成：

replicate run stability-ai/sdxl prompt="a studio photo of a rainbow colored corgi"

流式文本生成：

replicate run meta/llama-2-70b-chat --stream prompt="Tell me a joke"

预测标志：

  • --stream - 实时流式输出令牌（适用于文本模型）
  • --no-wait - 提交预测，但不等待完成
  • --web - 在浏览器中打开预测
  • --json - 以 JSON 格式输出结果
  • --save - 将输出保存到本地目录
  • --output-directory <dir> - 指定输出目录（默认值：./{prediction-id}）
输入处理

**文件上传：**在本地文件路径前加上 @：

replicate run nightmareai/real-esrgan [email protected]

**输出串联：**使用 {{.output}} 模板语法串联预测：

replicate run stability-ai/sdxl prompt="a corgi" | \
replicate run nightmareai/real-esrgan image={{.output[0]}}
模型操作

查看模型架构（了解必需的输入和输出）：

replicate model schema <owner/model>
replicate model schema stability-ai/sdxl --json

列出模型：

replicate model list
replicate model list --json

显示模型详情：

replicate model show <owner/model>

创建新模型：

replicate model create <owner/name> \
  --hardware gpu-a100-large \
  --private \
  --description "Model description"

模型创建标志：

  • --hardware <sku> - 硬件 SKU（参见 references/hardware.md）
  • --private / --public - 可见性设置
  • --description <text> - 模型描述
  • --github-url <url> - 源代码仓库链接
  • --license-url <url> - 许可证信息
  • --cover-image-url <url> - 模型页面的封面图片
训练（微调）

使用训练命令微调模型：

replicate train <base-model> \
  --destination <owner/new-model> \
  input_key=value

示例 - 使用 DreamBooth 微调 SDXL：

replicate train stability-ai/sdxl \
  --destination myuser/custom-sdxl \
  --web \
  [email protected] \
  use_face_detection_instead=true

列出训练任务：

replicate training list

显示训练详情：

replicate training show <training-id>
部署

部署可提供专用、始终在线且性能可预测的推理端点。

创建部署：

replicate deployments create <name> \
  --model <owner/model> \
  --hardware <sku> \
  --min-instances 1 \
  --max-instances 3

示例：

replicate deployments create text-to-image \
  --model stability-ai/sdxl \
  --hardware gpu-a100-large \
  --min-instances 1 \
  --max-instances 5

更新部署：

replicate deployments update <name> \
  --max-instances 10 \
  --version <version-id>

列出部署：

replicate deployments list

显示部署详情和架构：

replicate deployments show <name>
replicate deployments schema <name>
硬件

列出可用的硬件选项：

replicate hardware list

有关硬件信息和选择指南的详情，请参见 references/hardware.md。

项目脚手架

基于现有预测创建本地开发环境：

replicate scaffold <prediction-id-or-url> --template=<node|python>

这会生成一个项目，其中已预先配置该预测的模型和输入。

命令别名

为方便使用，提供以下别名：

别名等效命令
replicate runreplicate prediction create
replicate streamreplicate prediction create --stream
replicate trainreplicate training create

子命令的简短别名：

  • replicate m = replicate model
  • replicate p = replicate prediction
  • replicate t = replicate training
  • replicate d = replicate deployments
  • replicate hw = replicate hardware
  • replicate a = replicate account

常见工作流

图像生成流水线

生成图像并对其进行放大：

replicate run stability-ai/sdxl \
  prompt="professional photo of a sunset" \
  negative_prompt="blurry, low quality" | \
replicate run nightmareai/real-esrgan \
  image={{.output[0]}} \
  --save
运行前检查模型输入

务必检查模型架构，了解必需的输入：

replicate model schema owner/model-name
批处理

运行预测并保存输出：

for prompt in "cat" "dog" "bird"; do
  replicate run stability-ai/sdxl prompt="$prompt" --save --output-directory "./outputs/$prompt"
done
监控长时间运行的任务

提交任务但不等待，然后检查状态：

# Submit
replicate run owner/model input=value --no-wait --json > prediction.json

# Check status later
replicate prediction show $(jq -r '.id' prediction.json)

最佳实践

  1. 始终先检查架构 - 运行 replicate model schema <model>，了解运行预测前所需和可选的输入。

  2. 文本模型使用流式传输 - 运行语言模型时添加 --stream 标志，即可实时查看输出。

  3. 明确保存输出 - 使用 --save 和 --output-directory 整理预测输出。

  4. 自动化时使用 JSON 输出 - 解析输出时添加 --json 标志，以便以编程方式处理。

  5. 在网页中打开以进行调试 - 添加 --web 标志，在 Replicate 控制面板中查看预测的详细日志。

  6. 高效串联预测 - 使用 {{.output}} 语法在模型之间传递输出，无需中间保存。

故障排除

身份验证错误：

  • 确认 REPLICATE_API_TOKEN 已正确设置
  • 运行 replicate account current 测试身份验证

未找到模型：

  • 检查模型名称格式：owner/model-name
  • 确认模型在 replicate.com 上存在

输入验证错误：

  • 运行 replicate model schema <model> 查看所需输入
  • 检查输入类型（字符串、数字、文件）

文件上传问题：

  • 确保本地文件使用 @ 前缀
  • 确认文件路径正确且文件存在

更多资源

评论

支持 Markdown