Installera den äldre Python CLI för AI Runtime

Important

Den här dokumentationen har dragits tillbaka och kanske inte uppdateras.

Den Python-baserade air CLI:n, som installerades med paketetdatabricks-air, är nu föråldrad och underhålls inte längre aktivt.

Använd Databricks CLI för nya arbetsbelastningar. Se Använd Databricks CLI med AI Runtime.

Installera air CLI:n med uv och autentisera den mot en Databricks-arbetsyta med en Databricks CLI-profil. CLI kräver Python 3.10 eller senare.

Requirements

  • Python 3.10 eller senare.
  • En Databricks-arbetsyta med AI Runtime aktiverat. Se Krav.
  • Databricks CLI, som hanterar autentiseringsprofiler i ~/.databrickscfg.

Installera CLI

Databricks rekommenderar att du installerar CLI med uv:

uv tool install --force databricks-air --python 3.12

uv tool install placerar air i sin egen isolerade miljö och exponerar den på din PATH, så att den inte står i konflikt med den Python tolk som du använder för din träningskod.

--python 3.12 rekommenderas men är valfritt. Om du inte specificerar Python-versionen, uv använd den senaste tillgängliga versionen som uppfyller paketets Python-begränsning.

Om du inte redan har uvinstallerar du det först:

curl -LsSf https://astral.sh/uv/install.sh | sh

Kontrollera installationen:

air --version
air --help

Authenticate

AI Runtime CLI återanvänder Databricks CLI-autentiseringsprofiler. Logga in på din arbetsyta och ge profilen ett namn när du uppmanas att göra det:

databricks auth login --host https://<your-workspace>.cloud.databricks.com

Skicka profilnamnet till valfritt air kommando med -p. Ett exempel:

air list runs -p my-workspace

Alternativt kan du ange DATABRICKS_CONFIG_PROFILE i ditt shell för att göra en profil till standardprofil:

export DATABRICKS_CONFIG_PROFILE=my-workspace

Alla autentiseringsalternativ finns i Autentisering för Databricks CLI.

Ytterligare resurser

Efter installation definierar du arbetsbelastningar i en train.yaml-konfigurationsfil med infogade beroenden. Börja med snabbstarten och använd sedan YAML-referensen när du skapar konfigurationen: