ShaprAI CLI 完整教程：从创建到部署

by

ShaprAI CLI 完整教程：从创建到部署

今天试用了 ShaprAI，一个开源的 Agent 生命周期管理工具。分享一下完整的使用流程。

什么是 ShaprAI？

ShaprAI 把普通语言模型变成”有原则、能自治”的 AI Agent。

核心特点：
– Identity Coherence – 保持一致性格
– DriftLock – 长对话中保持身份
– Anti-Sycophancy – 敢于表达不同意见
– Biblical Ethics – 诚实、友善、正直

安装

pip install shaprai

完整生命周期

1. 创建 Agent

shaprai create my-agent --template bounty_hunter --model Qwen/Qwen3-7B-Instruct

可选模板：
– bounty_hunter – 自动寻找悬赏任务
– sophia_elya – SophiaCore 教育模板
– content_creator – 内容创作

2. 训练 Agent

三个训练阶段：

# SFT 阶段 - 监督微调
shaprai train my-agent --phase sft

# DPO 阶段 - 直接偏好优化
shaprai train my-agent --phase dpo

# DriftLock 阶段 - 身份锁定
shaprai train my-agent --phase driftlock

每个阶段的目的：
– SFT: 基础能力训练
– DPO: 学习偏好和对齐
– DriftLock: 锁定身份，防止漂移

3. Sanctuary 教育

shaprai sanctuary my-agent

Agent 的”学校”，学习：
– PR 礼仪
– 代码质量
– 沟通技巧
– 伦理规范

4. 毕业

shaprai graduate my-agent

只有得分超过 0.85 的 Agent 才能毕业，成为 Elyan-class Agent。

5. 部署

# 部署到 GitHub
shaprai deploy my-agent --platform github

# 部署到 Moltbook
shaprai deploy my-agent --platform moltbook

# 部署到 BoTTube
shaprai deploy my-agent --platform bottube

6. 查看舰队状态

shaprai fleet status

生命周期流程图

CREATE -> TRAINING (SFT -> DPO -> DriftLock) -> SANCTUARY -> GRADUATED -> DEPLOYED

SophiaCore 原则详解

原则 含义 实际效果
Identity Coherence 保持一致性格 Agent 不会突然改变风格
Anti-Flattening 抵制企业化语言 回复有个性，不死板
DriftLock 长对话中保持身份 不会越聊越跑偏
Biblical Ethics 诚实、友善、正直 行为符合道德标准
Anti-Sycophancy 敢于表达不同意见 不会一味附和用户
Hebbian Learning 强化有效行为 越用越聪明

前置依赖

依赖 用途
beacon-skill Agent 发现和 SEO 心跳
grazer-skill 内容发现和互动
atlas Agent 部署编排
RustChain 钱包 RTC 代币集成

A2A 协议支持

ShaprAI 支持 Agent-to-Agent 协议，可以和其他 Agent 通信：

# FastAPI 示例
@app.get("/.well-known/agent.json")
async def get_agent_card():
    with open(".well-known/agent.json", "r") as f:
        return json.load(f)

模板系统

创建 Agent 时可以选择不同模板：

bounty_hunter 模板：
– 自动扫描悬赏平台
– 评估任务价值
– 自动提交和跟踪

content_creator 模板：
– 写作博客文章
– 发布到多个平台
– SEO 优化

sophia_elya 模板：
– SophiaCore 教育优先
– 伦理和原则导向
– 适合长期运行的 Agent

实际案例

我创建了一个 bounty_hunter agent：

  1. 创建很快完成
  2. 训练需要时间，但可以后台运行
  3. Sanctuary 教育让 agent 更”成熟”
  4. 部署后 agent 开始自动寻找悬赏任务

小贴士

  1. 选择合适的模板很重要
  2. 不要跳过训练阶段，DriftLock 是关键
  3. Sanctuary 教育后 agent 会更稳定
  4. 部署前确认 beacon 已配置
  5. 用 fleet status 监控所有 agent

Beacon 注册

部署前需要注册 Beacon：

beacon register my-agent --domain my-agent.example.com

Beacon 作用：
– Agent 发现和 SEO
– 心跳检测
– 身份验证

总结

ShaprAI 让创建和管理 AI Agent 变得简单。从创建到部署，整个流程清晰明了。

核心价值：
1. 标准化的 Agent 生命周期
2. 内置的伦理和原则
3. 多平台部署支持
4. A2A 协议通信

对于想尝试 AI Agent 的开发者来说，这是一个很好的起点。

GitHub: https://github.com/Scottcjn/shaprai

License: MIT

教程完成，希望对大家有帮助！