Utiliser les compétences des agents avec l’IA Runtime

La databricks-ai-runtime compétence d’agent donne aux agents de codage d’IA, tels que Claude Code, Cursor et Codex, des instructions pour travailler avec AI Runtime via les commandes databricks air Databricks CLI. Une fois la compétence installée, vous pouvez demander à votre agent de rédiger un YAML de charge de travail, de soumettre une exécution d’entraînement GPU et de vérifier sa progression.

Configuration requise

• La CLI Databricks, authentifiée sur votre Workspace. Les exemples de la compétence utilisent le format code_source aplati, ce qui nécessite la CLI Databricks version 1.20.0 ou supérieure.
• Un workspace avec AI Runtime activé. Voir Exigences.

Installer la compétence

Exécutez la commande suivante :

Bash

databricks aitools install --skills-only --skills databricks-ai-runtime

Suivez les instructions pour choisir votre agent IA et la portée de l'installation. Pour les options d'installation, voir groupe de commandes aitools.

Ce que couvre la compétence

Compétence	Capacités de l'agent
Charges de travail d’écriture	Transformez une requête en YAML de charge de travail avec compute, environnement, code source et la commande de lancement pour votre framework, comme torchrun, Accelerate ou DeepSpeed.
Configurer des exécutions	Définissez des variables d'environnement, des secrets, des hyperparamètres, des tentatives et des autorisations.
Soumettre des exécutions	Validez la configuration avec --dry-run, puis soumettez avec databricks air run et une clé d'idempotence.
Vérifier et surveiller les exécutions	Obtenez le statut avec databricks air get et databricks air list, Stream Logs avec databricks air logs et dirigez-vous vers l'exécution MLflow pour les indicateurs.
Annuler les exécutions	Annulez une, plusieurs ou toutes vos exécutions actives avec databricks air cancel.
Déboguer les échecs	Récupérez les logs d’une exécution échouée et affichez l’erreur.
Utiliser des images Docker personnalisées	Créez et poussez une image personnalisée, puis référez-la dans la charge de travail.

Compétence	Capacités de l'agent
Charges de travail d’écriture	Transformez une requête en YAML de charge de travail avec compute, environnement, code source et la commande de lancement pour votre framework, comme torchrun, Accelerate ou DeepSpeed.
Configurer des exécutions	Définissez des variables d'environnement, des secrets, des hyperparamètres, des tentatives et des autorisations.
Soumettre des exécutions	Validez la configuration avec --dry-run, puis soumettez avec databricks air run et une clé d'idempotence.
Vérifier et surveiller les exécutions	Obtenez le statut avec databricks air get et databricks air list, Stream Logs avec databricks air logs et dirigez-vous vers l'exécution MLflow pour les indicateurs.
Annuler les exécutions	Annulez une, plusieurs ou toutes vos exécutions actives avec databricks air cancel.
Déboguer les échecs	Récupérez les logs d’une exécution échouée et affichez l’erreur.
Utiliser des images Docker personnalisées	Créez et poussez une image personnalisée, puis référez-la dans la charge de travail.

Ressources supplémentaires

• Utilisez le CLI Databricks avec AI Runtime
• Référence YAML du Workload
• Utiliser Genie Code avec AI Runtime