这份详细的部署教程将指引您安装和使用 Plurai Plugins——一个专为 Claude Code 设计的插件,它能帮助您通过简单的自然语言描述,快速创建用于 评估(Evals)安全护栏(Guardrails) 的专用小语言模型(SLM)。

这个插件的核心价值在于自动化:您只需描述任务或提供几个示例,它就能自动完成数据生成、模型微调和服务部署,最终返回一个可直接调用的、低延迟、高性价比的 HTTPS API 端点。

📋 前提条件

在开始之前,请确保您满足以下要求:

  1. Claude Code:您需要一个可用的 Claude Code 环境(命令行或 IDE 集成版本)。
  2. Python 与 uv:您的系统需安装 Python 3.11 或更高版本,并且 uv 包管理工具在系统的 PATH 环境变量中可用。安装 uv 通常使用命令 pip install uv
  3. Plurai 账户:在 Plurai 平台 注册一个免费账户

🔌 安装插件

请在 Claude Code 会话中,依次、单独执行以下命令:

  1. 添加插件市场

    1
    /plugin marketplace add plurai-ai/plurai-plugins
  2. 安装评估插件

    1
    /plugin install evals@plurai-plugins
  3. 重新加载插件(使插件生效)

    1
    /reload-plugins

    对于 VS Code / JetBrains 用户:您可以通过 /plugins 命令打开插件面板,在“Marketplace”标签页中添加 plurai-ai/plurai-plugins,然后安装 evals 插件,最后重启 IDE 或窗口

🚀 首次运行与配置

安装完成后,您可以通过以下命令启动插件:

1
/evals:eval 评估我的 RAG 系统的回答是否基于检索到的上下文
  • 提供 API 密钥:首次运行该命令时,插件会提示您输入 Plurai API 密钥。您可以在 Plurai 账户中生成密钥,然后将其粘贴到 Claude Code 的控制台中。密钥会安全地存储在本地 (~/.config/evals/credentials.json),仅用于向 Plurai API 验证身份。
  • 交互式优化:插件可能会询问一些细化问题,以帮助您更精确地定义“好”的标准。
  • 获取结果:流程完成后,插件会返回一个HTTPS 端点 URL。您可以使用相同的 API 密钥调用此端点,用于后续的实时评估或护栏检查。

⚙️ 工作原理(简要)

  1. 您提供任务描述:例如,评估回答的“事实准确性”或“安全性”。
  2. 插件与 Plurai 平台交互:它将您的描述发送给 Plurai,平台会自动:生成训练数据、使用您指定的标准进行标注、微调一个小型语言模型 (SLM)、将模型部署为一个安全的 API 服务。
  3. 您获得服务端点:最终返回的 SLM 专为您的任务优化,能以极快速度运行,且成本远低于直接调用大型模型。

❓ 故障排查

  • /evals:eval 命令不显示:这通常意味着 MCP 服务器未启动。请尝试重新加载插件 (/reload-plugins),并确认 uv 命令在您的 PATH 中且 Python 版本为 3.11+。如果缺少 uv,工具会静默加载失败。
  • API 密钥无效或缺失:插件会引导您生成新密钥,您只需将其粘贴到控制台即可。
  • 请求超时或网络错误:请检查您的网络设置,确保可以访问 Plurai 服务。可能需要将 app.plurai.aiapi.plurai.airun.plurai.ai 加入白名单。

总结:整个过程的核心是在 Claude Code 中执行几个命令,并提供一个 API 密钥。之后,您就可以通过自然语言来创建自己的专业评估模型了。