跳到主要内容
开发者与研究者底层接口与开发

基于 OpenCSG 生态进行二次开发与深度集成

通过标准 REST API、Python/Go SDK 与 Git 原生接口，将模型管理、微调、推理与智能体深度集成至自研业务系统。

推荐学习路线

建议按顺序完成以下阶段，每一步均有清晰的业务成果与可验证指标。

  1. 1

    开发环境准备与 API 凭据配置

    获取个人访问令牌（Access Token），配置环境变量与接口基础鉴权头。

    查看开发者快速上手
  2. 2

    Git 原生与 CLI 命令行资产管理

    通过 Git LFS 与 CSGHub CLI 工具高效克隆、上传与版本化大型模型和数据集。

    学习 CLI 命令行操作
  3. 3

    部署与调用模型在线推理服务

    快速拉起 OpenAI 兼容格式的模型推理接口，支持流式输出与低延迟调用。

    探索推理 API 调用
  4. 4

    集成 Python / Go SDK

    使用官方封装的轻量 SDK 库，在自研业务代码中低代码完成资产拉取与模型调用。

    查看官方 SDK 快速入门
  5. 5

    开发自定义 MCP Server 与工具链

    遵循开源协议编写自定义 MCP Server，向智能体开放私有数据库或内部微服务能力。

    开发 MCP 扩展工具
  6. 6

    模型与数据集资产发布共建

    规范整理 Model Card 与 Dataset Card，打上版本标签并向团队或社区公开发布。

    发布资产并共建社区

推荐实战任务

将学习路径中的知识转化为可以在明确时间内独立验证的实际成果。

部署模型推理服务并验证 API在平台上快速拉起开源大模型在线推理服务，并通过标准 OpenAI 兼容接口发送调用。
30–40 分钟中级API 与 SDK
创建模型与数据集资产仓库通过 Git 原生协议与 Git LFS 托管大型模型权重与训练数据集，实现多版本精准追踪。
15–20 分钟初级CSGHub
接入 MCP 工具扩展智能体能力遵循 Model Context Protocol (MCP) 开放标准，为智能体无缝连接外部系统与数据库。
25–35 分钟中级AgenticHub