如何快速上手bittensor:从安装到首次运行的完整指南

如何快速上手bittensor:从安装到首次运行的完整指南

【免费下载链接】bittensorInternet-scale Neural Networks 项目地址: https://gitcode.com/gh_mirrors/bi/bittensor

Bittensor是一个开源平台,允许用户参与竞争性数字商品的生产,如机器智能、存储空间、计算能力等,并通过生产优质数字商品获得TAO奖励。本指南将帮助新手快速掌握Bittensor的安装与基本使用方法,轻松开启区块链与AI结合的探索之旅。

一、Bittensor简介:开启分布式AI网络之旅 🚀

Bittensor是一个基于区块链技术的分布式AI网络,它将区块链的去中心化特性与人工智能的创新能力相结合。通过Bittensor,开发者可以构建各种应用,参与网络中的竞争,为网络贡献价值并获得相应的奖励。

Bittensor网络由一个区块链(称为subtensor)和多个连接到该区块链的平台(称为subnets)组成。每个subnet专注于特定类型的数字商品生产,如AI相关的模型训练、数据存储等。subnet中包含验证者(validators)和矿工(miners),他们通过竞争产生高质量的数字商品,最优秀的生产者将获得TAO奖励。

Bittensor SDK为开发者提供了丰富的工具和资源,包括Python包、教程和文档,帮助开发者轻松参与Bittensor生态系统。

二、安装Bittensor:简单三步,快速部署 ⚡️

2.1 系统要求

Bittensor目前支持macOS和Linux系统。对于Windows用户,需要先安装WSL 2(Windows Subsystem for Linux)并选择Ubuntu Linux发行版,然后按照Linux的安装步骤进行操作。

2.2 安装方法

Bittensor提供了多种安装方式,以下是两种常用的简单方法:

方法一:使用Bash命令(推荐新手)

这是最直接的方法,脚本会自动安装所需的依赖,如Python等。只需在终端中复制粘贴以下命令:

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/opentensor/bittensor/master/scripts/install.sh)" 

对于Ubuntu-Linux用户,脚本会提示获取sudo权限以安装所有必需的apt-get软件包。

方法二:使用pip3安装

如果你已经熟悉Python虚拟环境,可以使用以下命令:

python3 -m venv bt_venv source bt_venv/bin/activate pip install bittensor 

2.3 从源码安装(适合高级用户)

  1. 创建并激活虚拟环境
  2. 克隆Bittensor SDK仓库
git clone https://gitcode.com/gh_mirrors/bi/bittensor 
  1. 安装

你可以选择以下任一选项进行安装:

安装带有torch的SDK:安装包含torch的Bittensor SDK。

 pip install bittensor[torch] 

在某些环境中,上述命令可能会失败,此时可以添加引号运行:

 pip install "bittensor[torch]" 

安装SDK:在上述虚拟环境中运行以下命令安装Bittensor SDK,这也会安装btcli

pip install bittensor 

三、验证安装:确保一切就绪 ✅

安装完成后,你可以通过以下方法验证Bittensor是否安装成功:

3.1 使用btsdk版本验证

在终端中运行以下命令,将显示你安装的btsdk版本:

python3 -m bittensor 

3.2 使用Python解释器验证

在Python解释器中输入以下两行代码:

import bittensor as bt print( bt.__version__ ) 

Python解释器的输出将类似于:

Python 3.11.6 (main, Oct 2 2023, 13:45:54) [Clang 15.0.0 (clang-1500.0.40.1)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> import bittensor as bt >>> print( bt.__version__ ) <version number> 

你将看到安装的版本号显示在<version number>处。

在终端启动Python解释器:

python3 

3.3 通过列出axon信息验证

你还可以通过列出神经元的axon信息来验证Bittensor SDK安装。在Python解释器中输入以下代码:

import bittensor metagraph = bittensor.Metagraph(1) metagraph.axons[:10] 

Python解释器的输出将显示类似以下的axon信息列表:

[AxonInfo( /ipv4/3.139.80.241:11055, 5GqDsK6SAPyQtG243hbaKTsoeumjQQLhUu8GyrXikPTmxjn7, 5D7u5BTqF3j1XHnizp9oR67GFRr8fBEFhbdnuVQEx91vpfB5, 600 ), AxonInfo( /ipv4/8.222.132.190:5108, 5CwqDkDt1uk2Bngvf8avrapUshGmiUvYZjYa7bfA9Gv9kn1i, 5HQ9eTDorvovKTxBc9RUD22FZHZzpy1KRfaxCnRsT9QhuvR6, 600 ), ...] 

四、首次运行Bittensor:创建钱包与运行矿工 🏃‍♂️

4.1 创建钱包

安装验证成功后,首先需要创建钱包:

创建热钱包(用于运行矿工):

btcli w new_hotkey 

创建冷钱包(用于持有资金):

btcli w new_coldkey 

4.2 运行矿工

在提示网络上运行矿工:

python3 ~/.bittensor/bittensor/neurons/text/prompting/miners/gpt4all/neuron.py 

4.3 其他常用命令

创建/列出/注册钱包:

btcli w new_coldkey btcli w new_hotkey btcli w list btcli s register 

质押到你的矿工:

btcli stake add btcli stake remove 

查看TAO余额:

btcli w overview 

五、常见问题解决:轻松应对安装与运行难题 🛠️

5.1 SSL: CERTIFICATE_VERIFY_FAILED 错误

如果你遇到[SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate错误,可以使用以下命令更新本地SSL证书:

python -m bittensor certifi 

5.2 Windows系统支持

虽然可以在Windows机器上使用WSL 2执行钱包交易(如委托、转账、注册、质押),但不建议在Windows机器上进行挖矿和验证操作,且这些操作不受支持。

六、总结:开启Bittensor探索之旅 🌟

通过本指南,你已经了解了Bittensor的基本概念,完成了安装并成功运行了首次操作。Bittensor为开发者提供了一个充满机遇的平台,你可以在这里探索区块链与AI结合的无限可能,参与分布式AI网络的建设,并通过贡献价值获得奖励。

如果你想深入了解Bittensor,可以查阅官方文档和相关资源,加入社区讨论,与其他开发者交流经验。祝你在Bittensor的探索之旅中取得成功!

【免费下载链接】bittensorInternet-scale Neural Networks 项目地址: https://gitcode.com/gh_mirrors/bi/bittensor

Read more

【全网最详细!十万字解析】SpringAI+Deepseek大模型应用开发实战笔记-上半(进阶+详细+完整代码)

【全网最详细!十万字解析】SpringAI+Deepseek大模型应用开发实战笔记-上半(进阶+详细+完整代码)

前言         全网目前最完整的针对黑马程序员的SpringAI+Deepseek大模型应用课程的学习笔记         在课程的基础之上进行了许多的拓展和延伸         相信一定可以帮到你更好的学习和掌握大模型应用的开发和SpringAI的运用         希望觉得有用的小伙伴可以点赞收藏关注!!!         目前文章还剩一点没更新完,后续会把完整前后端开发好的代码传上去,现在因为还没有完全改好,怕涉及侵权文档,不敢直接发,后续我把前端也做一定修改之后,会打包一起分享出来        下半部分链接:【全网最详细!十万字解析】黑马SpringAI+Deepseek大模型应用开发实战笔记-下半(进阶+详细+完整代码)-ZEEKLOG博客        后端完整代码:GM828/HFUT-AIChat: SpringAI实战项目,实现了Prompt+FunctionCalling+RAG的功能,通过MySQL和Redis进行数据持久化操作 目录 前言 1.对话机器人 1.1对话机器人-初步实现 1.1.1引入依赖 1.1.2配置模型信息

基于LangGraph实现模块化Skills型AI Agent

基于LangGraph+DeepSeek+Serper 实现模块化Skills型AI Agent 在AI Agent的落地实践中,模块化Skills设计是提升Agent可扩展性、可维护性的核心方案——将搜索、计算、文件处理等能力封装为独立Skills,Agent可根据需求自主调用,无需修改核心流程。本文将基于LangGraph、DeepSeek大模型和Serper搜索工具,手把手带你实现一个具备工具调用能力的Skills型AI Agent,同时解决开发中常见的MRO冲突、Pydantic验证等问题,代码可直接复制运行。 一、前言:为什么选择Skills型Agent? 传统AI Agent多采用「硬编码工具调用」的方式,新增能力需修改核心逻辑,耦合度高且难以维护。而Skills型Agent将能力拆分为独立的Skill模块,每个Skill遵循统一接口,具备以下优势: 1. 模块化解耦:新增/修改Skill无需改动Agent核心流程,即插即用; 2. 智能决策:大模型自主判断是否调用Skill、调用哪个Skill,无需人工干预; 3. 可扩展性强:支持搜索、计算、代码解释、数

[AI应用与提效-169] - 最近很火的AI龙虾是咋回事?

最近爆火的 “AI 龙虾”,其实是一款叫 OpenClaw 的开源 AI 智能体(AI Agent)软件,因红色龙虾图标得名,网友戏称 “养龙虾”。它最大的突破是让 AI 从 “只说不做” 的聊天机器人,变成能直接操控电脑、手机干活的 “数字员工”。 一、AI 龙虾(OpenClaw)到底是什么? * 本质:开源、本地优先的 AI 智能体框架,由奥地利开发者 Peter Steinberger 开发。 * 核心能力: * 能动手:获得系统权限后,可模拟鼠标、键盘操作,操控浏览器、Office、终端等软件。 * 会规划:接收自然语言指令后,自主拆解多步骤任务并执行(如 “整理桌面文件”“写周报”

Harness Engineering:给 AI 套上缰绳的工程学(通俗易懂)

Harness Engineering:给 AI 套上缰绳的工程学(通俗易懂)

🐴 Harness Engineering:给 AI 套上缰绳的工程学 AI 写代码的速度已经超过了人类能"擦屁股"的速度。Harness Engineering,就是那根让烈马变战马的缰绳。 目录 * 🐴 Harness Engineering:给 AI 套上缰绳的工程学 * 一、前言:当 AI 开始"飙车" * 二、名词急救包——先扫盲再上路 * 🐎 Harness Engineering(驾驭工程) * 🧠 Context Engineering(上下文工程) * 🎵 Vibe Coding(氛围编程) * 🤖 Coding Agent(编码智能体) * 📋 AGENTS.md(AI 工作手册) * 🔌 MCP / ACP / A2A(