| name | arkcli-custommodel |
| version | 1.0.0 |
| description | arkcli 自定义模型仓库管理：从 TOS 导入自定义模型、查询/筛选自定义模型、查看详情、改名、删除、查询可用量化模式、量化已就绪的模型。任何提到自定义模型 ID（`cm-*`）的管理、部署准备，或要求用 `cm-*` 直接对话/推理/试效果的边界判断，都必须使用本 skill。注意：查询火山**公共基础模型**（doubao 等 foundation models）走 arkcli-models；本 skill 只管账号下的自定义模型仓库。 |
| metadata | {"requires":{"bins":["arkcli"]},"cliHelp":"arkcli models custommodel --help"} |
arkcli models custommodel
CRITICAL — 开始前 MUST 先用 Read 工具读取 ../arkcli-shared/SKILL.md，其中包含认证闸门、配置排查与共享安全规则
CRITICAL — 所有 models custommodel 命令在执行之前，务必先用 Read 工具读取其对应的 reference 文档，禁止直接盲目调用命令。
CRITICAL — 写操作（upload / update / delete / quantize）必须先确认用户意图。删除前必须确认是否还有 endpoint 引用。
守卫与使用原则
适用场景
- 把训练好/微调好的权重从 veTOS 导入到 ARK 自定义模型
- 查询账号下已有的自定义模型（"我的自定义模型有哪些 / 状态如何"）
- 查看自定义模型详情、产物形态、活跃 endpoint 引用
- 修改自定义模型展示名或描述
- 删除不再使用的自定义模型
- 把已
ready 的自定义模型量化，准备给 +deploy 当目标
反唤起信号
cm-* 直接推理边界
- 用户要求“用
cm-* 直接对话/推理/试效果”时也必须加载本 skill。明确说明 cm-* 是自定义模型资源 ID，不能直接传给 +chat / +gen；推理前需要单独获得或部署 Endpoint。
- 该请求本身不授权部署、查询账号下 Endpoint 或发起推理。未经用户继续授权，不执行
arkcli +deploy、arkcli +chat、arkcli infer endpoint list，也不拼接 jq 等扫描方案。
- 只说明边界和下一步选择；用户明确要求继续部署后，才转
../arkcli-deploy/SKILL.md 并遵守其确认流程。
核心概念
- 本 skill 统一把
arkcli models custommodel ... 管理的资源称为自定义模型（CustomModel，ID 形如 cm-xxxxx）；它与 ../arkcli-models/SKILL.md 中 search/list/get 操作的官方基础模型（FoundationModel）是两套独立资源
- 自定义模型来源有两类：
import —— 用户从 TOS 上传权重导入(本 skill upload 命令,走 UploadModel API)customization —— 通过模型微调任务产出(走 ../arkcli-train-finetune/SKILL.md 的 train finetune artifacts export,底层是另一个 OpenAPI Action CreateCustomModel,跟 upload 不互通)
- 生命周期状态机：
preparation → processing → ready（成功）或 failed；导出场景另有 exporting / exportfailed
- 量化是单独流程：先
available-quantizations <id> 查可用模式，并查看 supported_inference_types_by_quantization 预判每种量化方式支持的部署/付费形态；再 quantize <id> --quantization <mode> 提交量化任务，结果是一个独立的新 cm-xxxxx。源模型、量化结果模型、最终部署出来的 endpoint 是三类不同资源，不能混用 ID
- 自定义模型 ID（
cm-xxxxx）不是 <name>-<primary_version> 形式，不能直接作为 +chat / +gen 的 --model；必须先通过 arkcli +deploy 获得 endpoint，拿 ep-xxx 才能调用推理。若该自定义模型已有 Running Endpoint，+deploy 会直接复用已有 endpoint
快速决策
列表参数与输出契约
custommodel list --sort-order 只接受小写 asc / desc。收到其他值时应把它视为本地参数错误，不要尝试调用接口或改成其他大小写后盲目重试。- 使用
--format table 或 --format csv 时，每个 result.items[] 模型是一行；不要把分页响应根对象或 result map 当成模型记录。需要保留完整分页元数据时使用 JSON/YAML。
Agent 快速执行顺序
- 不确定认证状态时，先
arkcli auth status
- "我的自定义模型"语义：直接
custommodel list --mine，不要套 shared 的 Tags 默认过滤（custommodel 服务端原生支持 --mine）
- 上传前必填三项：
--name / --base-model <foundation-model-id> / --tos tos://<bucket>/<prefix>；缺任一会被服务端拒
upload / quantize 是异步任务：返回后用 custommodel get <id> 轮询 status，不要原地循环 upload/quantizequantize 前必跑 available-quantizations <id>：不同 base model 支持的量化模式不同，盲传服务端会拒；若用户关心 token / 模型单元等部署形态，优先看返回里的 supported_inference_types_by_quantizationquantize --dry-run 只输出本地 preview.v1，不会调用 CreateQuantizedCustomModel；steps[].payload 只描述真实请求字段，不应出现后端 DryRun。它不是服务端校验，核对后仍需确认再执行真实量化delete / update / quantize 是写操作，执行前向用户复述影响范围delete 默认会走 [Y/N] 二次确认；--yes 表示跳过本地二确，--dry-run 表示只预览不删除。只有用户已经明确确认删除目标和影响范围后，agent 才能把 --yes 加到命令里get --transform 是 custommodel get 自己的字段白名单，不是全局 GJSON 表达式；要查嵌套路径时不要把它当作全局 --transform
典型业务链路
1. 从 TOS 上传新自定义模型
auth status → custommodel upload --name X --base-model <fm-id> --tos tos://b/p
→ custommodel get <id> （轮询直到 status=ready）
→ custommodel get <id> --transform 'artifact_types' （看产物形态）
2. 量化已就绪的自定义模型
custommodel get <id> （确认 status=ready）
→ custommodel available-quantizations <id> （看支持哪些 mode）
→ custommodel quantize <id> --quantization <mode> --dry-run
→ 用户确认量化目标和影响范围
→ custommodel quantize <id> --quantization <mode>
→ custommodel get <new-id> （量化结果是新 cm-xxxxx，再次轮询）
3. 准备给 +deploy 当目标
custommodel list --mine --statuses ready → 选目标 cm-xxxxx
→ +deploy --model cm-xxxxx ... （若已有 Running Endpoint 会复用；详见 ../arkcli-deploy/SKILL.md）
4. 清理不再使用的自定义模型
custommodel get <id> --transform 'active_endpoints' （确认无 endpoint 引用）
→ custommodel delete <id> --dry-run
→ custommodel delete <id> （交互二确）或 custommodel delete <id> --yes
反模式（agent 必读）
- 不要用
arkcli models search / list 找自定义模型 —— 那两条只走 FoundationModel 目录，自传模型一律不在里面。要找自传模型用 custommodel list --search <kw> 或 --mine
- 不要在
upload 之后立刻 quantize —— upload 是异步任务，status 经历 preparation → processing → ready；先 custommodel get <id> 确认 ready，再走 available-quantizations → quantize
- 不要给
quantize 传一个 available-quantizations 没列的 mode —— 不同 base model 支持的量化集合不同，盲传必失败。先 available-quantizations <id>，从返回里挑
- 不要把
cm-xxxxx 直接传给 +chat / +gen 的 --model —— 自定义模型必须先通过 +deploy 获得 endpoint（ep-xxx）才能推理调用；+deploy 可能复用已有 Running Endpoint
- 不要为了自动化主动补
--yes —— 没 --yes 时 CLI 会走 [Y/N] 二确；只有用户已经确认删除 cm-xxxxx 且知道 endpoint 引用风险时才带
- 不要在 "我的" 语义下走 shared 的 Tags 客户端过滤 ——
custommodel list --mine 是服务端原生过滤，更准也更省请求
- 不要密集刷
get 来轮询 status —— 推荐间隔 ≥ 10s，否则会被限流
命令一览
| 命令 | 说明 |
|---|
arkcli models custommodel list | 翻页 + 多维过滤 |
arkcli models custommodel get <id> | 详情 / 轮询 status |
arkcli models custommodel upload | 从 TOS 导入（异步） |
arkcli models custommodel update <id> | 改名 / 改描述 |
arkcli models custommodel delete <id> [--yes] [--dry-run] | 删除（破坏性，不可逆）；默认二确，--yes 跳过，--dry-run 预览 |
arkcli models custommodel available-quantizations <id> | 查可用量化模式（quantize 前必跑） |
arkcli models custommodel quantize <id> --quantization <mode> [--dry-run] | 量化（异步）；--dry-run 仅本地预览，不调用后端 |
常见降级
参考
