ARTI 指南
提交与续跑预测
保留原始请求身份、结构化结果与命名二进制文件，沿持久结果日志继续未完成工作。
配置两个批处理边界
外层 batch_size 限定已提交分区。predict_kwargs 属于任务 callback，可以采用不同模型批量。请求使用唯一非空字符串 ID，callback 按输入顺序为每条输入返回一个 JSON 兼容结果。
import arti
run = arti.PredictionRunConfig(
"outputs/prediction",
batch_size=64,
predict_kwargs={"batch_size": 16},
)
result = arti.run_prediction(
"outputs/model", "requests.jsonl", run,
task_factory="my_package.tasks:build_task",
)
result = arti.run_prediction(
"outputs/model", None, run, resume=True,
task_factory="my_package.tasks:build_task",
)以已提交部分为依据
plan.json 固定原始输入、有序 ID、源模型、任务身份与预测策略。每部分通过目录原子重命名一起发布 predictions.jsonl 和回执。后续进度写入中断时，续跑仍然接纳完整回执。
| 保存对象 | 用途 |
|---|---|
| plan.json | 原始总体与固定策略 |
| 已提交部分与回执 | 结果与执行证据的依据 |
| 最终 JSONL | 由完整部分合并的派生流 |
声明原生文件输出
图片、数组或其他任务格式，可以随结构化结果声明命名相对文件。持久文件契约绑定内容，保留任务原始编码。Codec、媒体解码与输出含义仍由应用负责。
继续或重建完整结果
未完成运行需要原模型资产和任务代码。全部部分提交后，最终 JSONL 可以无需模型调用或原请求文件而重建。若提供模型，它仍须匹配固定来源。移动完整结果日志不改变内容身份。
python -m arti recipe inspect-prediction outputs/prediction
python -m arti recipe predict-run --run-dir outputs/prediction --resume本文对应 arti-fit 3.3.0 · 公开源码 dcb321d6