Osmosis CLI 概览 - Osmosis AI Docs

osmosis CLI 是 Osmosis AI Platform 的 command-line interface。使用它完成认证、通过 Git 或显式 workspace 名称解析 workspace、管理 datasets 和 models、在本地运行 evaluations、上传已完成的本地结果，以及提交 managed evaluation、training 和 benchmark runs。它与开源 SDK 位于同一个 osmosis-ai Python package 中。

从这里开始

安装并认证

安装 CLI、确认版本并登录。CI 可以使用 OSMOSIS_TOKEN，无需交互式登录。

python -m pip install "osmosis-ai>=0.3.0,<0.4"
osmosis --version
osmosis auth login

选择 workspace scope

默认情况下，Platform commands 会通过当前 repository 的 Git origin 解析 workspace。如果要从其他目录执行 platform-only 工作，请传入 root --workspace <workspace-name>，按名称精确选择 workspace。

选择 run workflow

先在本地运行 rollout evaluation 以快速迭代，训练前再运行 managed full-size evaluation；也可以运行公开 benchmark，在不依赖 workspace rollout code 的情况下比较 agents。

运行 Workloads

评估

在本地或 managed infrastructure 上测试 rollout 和 grader。

训练

使用已验证的 rollout 和 dataset 训练 base model。

Benchmarks

在公开 task sets 和 environments 上比较 agents。

命令区域

区域	用途
`auth`	登录、登出并查看当前 identity。
`doctor`	查看并修复标准 workspace directory scaffold。
`dataset`	校验、上传、预览、下载并查看 datasets。
`eval`	在本地运行 evaluations、上传已完成的本地结果，以及提交、查看、停止或下载 platform evaluation runs；运行本地 rubric scoring。
`train`	提交、查看、停止 training runs，并查看其 logs。
`benchmark`	发现 benchmarks，并提交、查看、停止或下载 benchmark runs。
`rollout`	在当前 workspace 中初始化并列出 rollouts。
`model`	列出、查看、部署和取消部署 models。
`secret`	创建并查看 personal 或 workspace secret records。
`template`	列出并应用 workspace templates。
`upgrade`	将 CLI 升级到最新发布版本。

所有 commands 和 options 请参见命令参考。

Workspace Scope

如果没有显式 selector，Platform commands 会保留当前 repository 的 Git-derived scope。Root --workspace 会精确选择 platform workspace，并发送 workspace-name scope 而不是 Git scope：

osmosis --workspace <workspace-name> --json dataset list
osmosis --workspace <workspace-name> benchmark runs info <run-name>

使用显式 scope 时，完整 benchmark catalog、submit 和 run 命令族、platform dataset/model/secret commands，以及 train / eval 的 list、info、logs 和 stop 都不需要本地 repository。传入 source repository 标准 configs/eval/ 或 configs/training/ 目录下的绝对 config 路径时，eval submit 和 train submit 也可以从任意当前目录启动。CLI 会定位该 repository，并在提交前验证它与所选 workspace 匹配。在 structured output 中，显式 platform-only scope 会报告 workspace.name，且不会编造 git 或 workspace_directory 字段。Source-backed eval 和 training submit 还可能报告从 config 路径找到的真实本地 Git context。

仓库输入

本地 eval run 使用磁盘上的 rollout code。Managed evaluation 和 training 使用 synced repository 中的 rollout code。Benchmark config 选择公开 benchmark environments，不引用 workspace rollout code，并且可以从任意可读 TOML 路径提交。

repository/
├── rollouts/
│   └── my-rollout/
│       ├── main.py
│       └── pyproject.toml
└── configs/
    ├── eval/my-rollout.toml
    ├── training/my-rollout.toml
    └── benchmark/my-benchmark.toml

Repository contract 请参见 Workspace，TOML schemas 请参见 Config Files。

自动化与输出

全局 --json 和 --plain flags 可以放在 command 前后任意位置。使用 --json 获取稳定的 machine-readable envelope；仅在检查 destructive 或 paid operation 后使用 --yes；非交互式认证使用 OSMOSIS_TOKEN。

osmosis --json train info <run-name>
osmosis benchmark submit <config-path> --yes

Per-run credentials 请使用 --secrets-file、process environment variables、已存 Platform secret records 或隐藏 terminal prompt。不要把 secret values 直接放入 command arguments 或已提交的 TOML 文件。

下一步

安装与认证

安装当前 CLI，并配置本地或 CI 认证。

工作区

了解 repository structure、Git scope 和 validation。

命令参考

查看所有 command、option 和 output contract。

配置文件

配置 evaluation、training 和 benchmark runs。

​从这里开始

​运行 Workloads

评估

训练

Benchmarks

​命令区域

​Workspace Scope

​仓库输入

​自动化与输出

​下一步