pip install covalent --upgrade

请查看我们的快速入门指南以获取设置说明，或者直接开始您的首次实验。更多内容请参阅概念介绍。

什么是 Covalent？

Covalent 是一款面向 AI/ML 工程师、开发者和研究人员的 Python 库。它提供了一种简单直观的方式来在各种云平台或本地集群上运行计算任务，例如大型语言模型、生成式 AI 和科学研究。

随处运行代码：只需更改一行代码，即可在任何云端或本地集群上执行 Python 函数。

只需将装饰器替换为我们的执行器插件即可。您可以选择现有插件，也可以创建自定义插件，以便与任何基础设施进行定制化交互。

抽象基础设施管理：将云控制台、Terraform 或 IaC 的复杂性隐藏在后台。

无服务器基础设施：自动将任何基础设施（包括本地 SLURM 集群或云计算资源）转换为无服务器架构。

如果您觉得 Covalent 有用或有趣，请随时在 GitHub 上给我们点个赞！您的支持将帮助我们继续开发和改进这个框架。

即开即用的可观测性 - 试用演示

如果您觉得 Covalent 有用或有趣，请随时在 GitHub 上给我们点个赞！您的支持将帮助我们继续开发和改进这个框架。

通过示例探索 Covalent

立即尝试实用示例，了解 Covalent 的实际应用。这些教程涵盖了多种应用场景，让您获得动手实践经验：

探索我們豐富的插件生態系統

Covalent 可與多種平台無縫整合。請探索我們的各種插件，以增強您的 Covalent 使用體驗：

主要功能概覽

快速了解 Covalent 提供的功能。我們的資訊圖表總結了主要特性，讓您一目了然地掌握我們的能力：

進一步瞭解 Covalent

如需更深入地了解 Covalent 的功能及其工作原理，請參閱文檔中的概念頁面。

pip install covalent --upgrade

貢獻

如需為 Covalent 作出貢獻，請參考貢獻指南。我們使用 GitHub 的問題追蹤系統來管理已知問題、漏洞及拉取請求。您可以先分叉 develop 分支，然後提交包含您貢獻的拉取請求。同時，也歡迎社區對文檔進行改進，包括教程和操作指南。如需了解更多關於新增教程的信息，請參閱教程指南。參與 Covalent 社區須遵守行為準則。

引用

請在任何出版物中使用以下引用。

https://doi.org/10.5281/zenodo.5903364

授權許可

Covalent 依據 Apache 2.0 許可證授權。詳情請參閱LICENSE檔案，或聯繫支援團隊以獲取更多資訊。

如需詳細的變更歷史和新功能介紹，請參閱變更日誌。

Covalent 快速上手指南

Covalent 是一个专为 AI/ML 工程师、开发者和研究人员设计的 Python 库。它允许你通过简单的装饰器（Decorator）语法，将计算任务（如大语言模型、生成式 AI 或科学计算）无缝部署到任何云平台或本地集群（如 SLURM），无需修改核心业务代码即可实现基础设施的抽象与管理。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux 或 macOS（Covalent 主要在此类系统上开发和测试）。
• Python 版本：支持 Python 3.8、3.9 或 3.10。
• 前置依赖：建议预先安装 pip 包管理工具，并确保网络连接正常以下载相关插件依赖。

安装步骤

推荐使用 PyPI 进行安装。你可以使用以下命令安装或升级 Covalent：

pip install covalent --upgrade

提示：如果你在中国大陆地区，遇到下载速度慢的问题，可以使用国内镜像源加速安装：

pip install covalent --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，你可以选择本地运行模式，或通过 Docker/AMI 等方式部署服务端（详见官方文档部署章节）。对于快速体验，默认本地安装即可开始使用。

基本使用

Covalent 的核心在于通过装饰器将普通 Python 函数转换为可远程执行的任务。以下是极简的使用流程：

1. 编写并装饰函数

导入 covalent，使用 @ct.electron 装饰普通计算函数，使用 @ct.lattice 装饰工作流主函数。

import covalent as ct

# 定义一个电子任务 (Electron)
@ct.electron
def add(a, b):
    return a + b

# 定义晶格工作流 (Lattice)
@ct.lattice
def workflow(x, y):
    result = add(x, y)
    return result

2. 提交与执行

调用工作流函数并使用 .dispatch() 方法提交任务。这将把任务发送到配置的执行器（默认为本地）。

# 分发任务
dispatch_id = workflow.dispatch(2, 3)

# 获取结果 (阻塞等待完成)
result = workflow.get_result(dispatch_id=dispatch_id)
print(f"计算结果：{result}")

3. 切换执行后端（可选）

只需更改装饰器参数，即可将任务切换到云端或集群运行，无需重写代码。例如，切换到 AWS 或 SLURM（需先安装对应插件）：

# 示例：指定使用 SLURM 执行器
@ct.electron(executor="slurm")
def heavy_compute(data):
    # 复杂计算逻辑
    return process(data)

通过以上步骤，你即可利用 Covalent 轻松管理从本地笔记本到高性能集群的计算任务。更多高级用法和插件配置，请参考官方文档中的 Quick Start 和 Tutorials。