Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Important
L’interface CLI d’AI Runtime est en version bêta.
Installez l’outil air CLI avec uv et authentifiez-le auprès d’un espace de travail Databricks à l’aide d’un profil Databricks CLI. L’interface CLI nécessite Python 3.10 ou version ultérieure.
Requirements
- Python 3.10 ou version ultérieure.
- Un espace de travail Databricks avec AI Runtime activé. Consultez Spécifications.
-
L’interface CLI Databricks, qui gère les profils d’authentification dans
~/.databrickscfg.
Installer l’interface CLI
Databricks recommande d’installer l’interface CLI avec uv :
uv tool install --force databricks-air --python 3.12
uv tool install place air dans son propre environnement isolé et l'expose sur votre PATH, de sorte qu'il n'est pas en conflit avec l'interpréteur Python que vous utilisez pour votre code d'apprentissage.
--python 3.12 est recommandé, mais facultatif. Si vous ne spécifiez pas la version Python, uv utilise la dernière version disponible qui satisfait à la contrainte Python du package.
Si vous n’avez uvpas encore, installez-le d’abord :
curl -LsSf https://astral.sh/uv/install.sh | sh
Vérifiez l’installation :
air --version
air --help
Authenticate
L’interface CLI AI Runtime réutilise les profils d’authentification Databricks CLI. Connectez-vous à votre espace de travail et nommez le profil lorsque vous y êtes invité :
databricks auth login --host https://<your-workspace>.cloud.databricks.com
Transmettez le nom du profil à n’importe quelle commande air à l’aide de -p. Par exemple:
air list runs -p my-workspace
Vous pouvez également définir DATABRICKS_CONFIG_PROFILE dans votre interpréteur de commandes pour rendre un profil par défaut :
export DATABRICKS_CONFIG_PROFILE=my-workspace
Pour toutes les options d’authentification, consultez Authentification pour l’interface CLI Databricks.
Ressources supplémentaires
Après l’installation, définissez des charges de travail dans une train.yaml configuration avec des dépendances inline. Commencez par le démarrage rapide, puis utilisez la référence YAML lorsque vous générez votre configuration :