Ask AI による自動トレーニング#
Ask AI は、Ultralytics Platform 全体でリクエストをアクションに変換します。 会話を通じて、データセットの検索、モデルのトレーニングと比較、画像のラベリング、エクスポート、デプロイを行います。
Ultralytics Platform にサインインし、Ask AI をクリックします。AI エージェントはデータセットやモデルと直接連携し、ラベリング、トレーニング、エクスポート、デプロイなどのタスクを自動化します。
Platform のアクションを使用するには、まず個人のワークスペースの Settings > API Keys で Ultralytics API key を作成します。Ask AI は既存の個人キーを自動的に使用するため、会話に貼り付ける必要はありません。チーム ワークスペースで作業する場合は、プロジェクトまたはデータセットのリンクを含めてください。
試してみるプロンプト#
関連するデータセットまたはプロジェクトを開いて、次のように質問します。
| 目標 | プロンプトの例 |
|---|---|
| プロジェクトの開始 | 「Wildlife Lab」という名前のプライベートプロジェクトを作成します。野生動物検出データセットを検索してクローンを作成し、ベースラインのトレーニングランを準備します。 |
| 解像度の比較 | このデータセットで画像サイズ 640、800、960 の 3 つのモデルをトレーニングします。他のすべての設定とデータセットの分割は固定してください。 |
| データセットの調査 | xView 内でコンテナ船、輸送用コンテナ、クレーンを検索します。これは港湾ロジスティクスにとって良い出発点となりますか？ |
| ベースラインの作成 | このデータセットで YOLO26n をトレーニングし、ランの名前を「xview-baseline」にします。 |
| モデルの比較 | 完了したモデルを比較します。どれが最もパフォーマンスが高かったですか？また、それはなぜですか？ |
| モデルのデプロイ | このプロジェクトで検証 mAP が最も高い完了したモデルをデプロイします。そのエンドポイント URL とステータスを教えてください。 |
| 自動アノテーション | 最適で互換性のあるモデルを使用して、このデータセット内のラベルのない画像にアノテーションを付けます。既存のアノテーションは保持してください。 |
| 分類の確認 | 分類精度が最も高いモデルはどれですか？どの品種が混乱を招くままになっていますか？また、次に何を試すべきですか？ |
| モデルのエクスポート | このモデルを ONNX にエクスポートし、準備ができたらダウンロードリンクを教えてください。 |
独自のコーディングエージェントの使用#
Ask AI は、Platform CLI、ul cloud、およびその付属の platform-cli skill を使用します。Claude Code、Codex、またはその他の互換性のあるコーディングエージェントから同じコマンドを使用できます。
インストールと接続#
以下のセットアップは、Platform 外で独自のコーディングエージェントとともに Platform CLI を使用するためのものです。
ul CLI は、Python 3.11+ の Ultralytics パッケージに含まれています。インストールまたはアップデートします:
pip install -U ultralyticsPlatform API key を作成し、エージェントで使用されるターミナルで設定します。接続を確認するには次を実行します:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summaryスキルの追加#
Claude Code および Codex プラグインについては、Agent Skills installation guide に従ってください。スキル CLI でサポートされているエージェントの場合は、次のコマンドで Platform スキルをインストールします:
npx skills add ultralytics/skills --skill platform-cliその後、コンテキストとしてプロジェクトまたはデータセットのリンクを含め、上記の例のようなプロンプトを使用します。
コマンドを直接実行する#
コマンド内でプロジェクトとモデルの URL スラッグを使用します:
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --helpul cloud --help を使用してコマンドを検出し、ul cloud <resource> <operation> --help を使用してその引数を検出します。詳細については、Platform API reference を参照してください。