使用 Ask AI 进行 AutoTrain#
AutoTrain 使用 Ask AI 通过对话帮你训练、对比和改进模型。 从基准线开始，查看结果，并询问下一个实验。Ask AI 还可以查找数据集、标注图像、导出模型并进行部署。
登录 Ultralytics Platform，打开你的数据集或项目，然后点击 Ask AI。
要使用 Platform 操作，首先在个人工作区的 Settings > API Keys 中创建一个 Ultralytics API key。Ask AI 会自动使用现有的个人密钥；无需将其粘贴到对话中。与团队工作区协作时，请包含项目或数据集链接。
可尝试的提示词#
在请求中包含你的目标指标、模型、轮数限制和实验次数。为了获得可比的结果，在每次更改一个设置的同时，保持数据集、数据集划分和随机种子固定。云端运行会消耗你的训练额度。
打开相关的数据集或项目并询问：
| 目标 | 示例提示词 |
|---|---|
| 启动项目 | 创建一个名为“Wildlife Lab”的私有项目。查找并克隆一个野生动物检测数据集，然后准备基准训练运行。 |
| 比较分辨率 | 在该数据集上以 640、800 和 960 的图像尺寸训练三个模型。保持所有其他设置和数据集划分固定不变。 |
| 探索数据集 | 在 xView 中查找集装箱船、航运集装箱和起重机。它是港口物流的一个好的起点吗？ |
| 创建基准 | 在此数据集上训练 YOLO26n 并将此次运行命名为“xview-baseline”。 |
| 比较模型 | 通过验证集 mAP50-95 对比已完成的模型。解释差异并提出下一个实验的建议。 |
| 部署模型 | 部署此项目中具有最佳验证 mAP 的已完成模型。给出其端点 URL 和状态。 |
| 自动标注 | 使用表现最好的兼容模型来标注该数据集中的未标注图像。保留现有标注。 |
| 审查分类 | 哪个模型的分类准确率最高？哪些品种仍然容易混淆，接下来我们应该尝试什么？ |
| 导出模型 | 将此模型导出为 ONNX，并在准备就绪后提供下载链接。 |
使用你自己的编码智能体#
Ask AI 使用 Platform CLI、ul cloud 及其配套的 platform-cli skill。你可以从 Claude Code、Codex 或其他兼容的编码智能体中使用相同的命令。
安装与连接#
下面的设置用于在 Platform 之外将 Platform CLI 与你自己的编码智能体配合使用。
ul CLI 随 Python 3.11+ 上的 Ultralytics 软件包一起提供。安装或更新它：
pip install -U ultralytics创建一个 Platform API key 并将其设置在智能体使用的终端中。通过以下命令检查连接：
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
ul cloud account summary添加技能#
遵循 Claude Code 和 Codex 插件的 Agent Skills installation guide。对于 skills CLI 支持的智能体，使用以下命令安装 Platform 技能：
npx skills add ultralytics/skills --skill platform-cli然后使用类似上述示例的提示词，并包含项目或数据集链接以提供上下文。
直接运行命令#
在命令中使用你的项目和模型 URL slug。这些示例针对你的个人工作区；添加 owner=TEAM 以针对你所属的团队工作区：
ul cloud datasets list
ul cloud models list project=license-plate
ul cloud models training project=license-plate model=baseline
ul cloud training start --help使用 ul cloud --help 发现命令，使用 ul cloud <resource> <operation> --help 查看其参数。有关更多详细信息，请参阅 Platform API reference。