Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как настроить tool calling в Fireworks AI и не выполнять неверные аргументы
JSON Schema инструмента, tool_choice, двухшаговый цикл вызова функции и обязательная серверная валидация аргументов на Fireworks AI.
Как подключить OpenAI SDK к Fireworks AI и проверить первый ответ
Практический запуск Fireworks через OpenAI Python SDK: правильный base_url, переменная ключа, полный идентификатор модели и контроль ответа.
Как получить строгий JSON по JSON Schema в Fireworks AI
Structured Outputs Fireworks: json_schema вместо json_object, required и additionalProperties, проверка finish_reason и Pydantic-валидация.
Как включить streaming в Fireworks AI API и собрать ответ без пропусков
Потоковый Chat Completions в Fireworks: stream=true, чтение delta.content, финальная сборка, UTF-8, таймаут и проверка результата.
Как настроить autoscaling Fireworks AI и обработать scale-to-zero
min/max replicas, окна масштабирования, load targets, код DEPLOYMENT_SCALING_UP и проверка холодного старта без потери запросов.
Как проверить prompt caching в Fireworks AI по реальным метрикам
Стабильный префикс, x-session-affinity, cache isolation, заголовки cached prompt tokens и A/B-проверка TTFT без самообмана.
Как развернуть LoRA-модель в Fireworks AI: live merge или multi-LoRA
Выбор live merge и multi-LoRA, обязательный on-demand deployment, BF16 shape для addons, контроль base model и A/B-проверка адаптера.
Как создать on-demand deployment Fireworks AI и выбрать deployment shape
Выбор shape, создание через firectl, фиксация региона, проверка состояния и запрос по ресурсу deployment без выдуманных GPU-конфигураций.
Как запустить Batch API Fireworks AI и проверить каждую строку JSONL
Подготовка JSONL до 80 GiB, уникальные custom_id, body.messages, загрузка dataset, запуск job и сверка results/error файлов.
Почему Fireworks AI возвращает 429 и как исправить причину
Разница 429 на serverless и dedicated/on-demand, чтение заголовков лимитов, управление concurrency, backoff с jitter и нагрузочный тест.
Как хранить данные в словарном state CrewAI Flow
Словарное состояние CrewAI Flow: запись кода и счётчика, чтение в следующем шаге, точный итог и защита от отсутствующего ключа.
Как объединить события CrewAI Flow через or_ и and_
Проверяемая разница or_ и and_ в CrewAI Flow: запуск после любого события или после всех, пример состояния и критерии выбора.
Как передать результат одной задачи CrewAI в другую через context
Две последовательные задачи CrewAI с context: извлечение кода, формирование ответа, конкретный эталон и проверка отсутствия посторонних данных.
Как получить Pydantic-результат задачи CrewAI через output_pydantic
Структурированный TaskOutput в CrewAI через output_pydantic: схема заявки, конкретный вход, доступ к result.pydantic и предметная проверка.
Как проверить результат Task в CrewAI функцией guardrail
Детерминированный guardrail CrewAI для обязательного кода R-7: сигнатура TaskOutput, успешный и ошибочный тест, retries и ограничения.
Как сделать типизированный state CrewAI Flow через Pydantic
Типизированное состояние CrewAI Flow на BaseModel: code, attempts, изменение между шагами, проверка типов и отличие от словаря.
Как сохранить и восстановить состояние CrewAI Flow через @persist
Персистентный CrewAI Flow: @persist, SQLite по умолчанию, resume по inputs id, fork через restore_from_state_id и проверки истории.
Как создать агента CrewAI с role, goal и backstory
Минимальный агент CrewAI с обязательными role, goal и backstory, ограничением max_iter, точным заданием и критериями проверки результата.
Как связать шаги CrewAI Flow через @start и @listen
Детерминированный CrewAI Flow из двух шагов: @start, @listen, передача результата, точный ожидаемый вывод и тест порядка выполнения.
Как ветвить CrewAI Flow через @router
Условный маршрут CrewAI Flow по status: @router возвращает approved или rejected, два listener, детерминированные тесты обеих веток.