Projets et trafic - CoreWeave Docs

Un projet est l’unité que vous optimisez. Il détient ses propres données et expériences, tout en offrant à l’application un projet unique et stable à sélectionner. Chaque projet Model Distillation est adossé à un seul et unique projet Weights & Biases, dans lequel sont stockées ses traces. Cette page explique comment créer un projet, connecter votre application au proxy à l’aide de la valeur OpenAI-Project du projet et vérifier que le proxy enregistre des traces exploitables comme données d’entraînement.

Créer un projet

Pour créer un projet, suivez ces étapes :

Dans Projects, sélectionnez Create or import a project.
Configurez les champs suivants :
- W&B project : sélectionnez Create new pour créer un projet Weights & Biases dans l’entity sélectionnée, ou Import existing pour associer un projet Weights & Biases dont vous disposez déjà. L’importation ne modifie pas les données du projet existant. Un projet Weights & Biases ne peut servir de base qu’à un seul projet Model Distillation par entity.
- Project alias : identifie le projet dans les URL de Studio et les chemins de l’API de gestion. L’interface propose un nom dérivé du nom du projet Weights & Biases. Utilisez des lettres minuscules, des chiffres et des traits d’union, dans la limite de 64 caractères. L’alias du projet peut être différent du nom du projet Weights & Biases.
- Initial model : modèle qui sert la version 1 pendant que vous collectez des traces et entraînez d’autres modèles.
Sélectionnez Create project.

Chaque nouveau projet doit disposer d’un modèle initial afin de pouvoir acheminer le trafic dès que son déploiement d’acheminement est appliqué.

API : Créer un projet (PUT /projects/{alias})

L’alias du projet correspond au segment de chemin alias. Définissez project sur le nom du projet Weights & Biases et project_mode sur create ou import. Fournissez au moins une cible d’acheminement. La création échoue si targets est absent ou vide.

curl --request PUT \
  --url "https://forge.coreweave.com/api/distillation/v1/projects/ticket-classifier" \
  --header "Authorization: Bearer $WANDB_API_KEY" \
  --header "Forge-Entity: your-team" \
  --header "Content-Type: application/json" \
  --data '{
    "project": "ticket-classifier",
    "project_mode": "create",
    "targets": [
      {"model_ref": "openai/gpt-5.6-sol", "weight": 1}
    ]
  }'

Pour consulter le schéma complet, voir Créer un projet Model Distillation.

Connecter l’application

Après avoir créé le projet, faites pointer votre application vers le proxy, qui achemine son trafic via le projet et l’enregistre sous forme de traces. Utilisez la configuration de client et de requête suivante : Remplacez your-team/ticket-classifier par la valeur OpenAI-Project affichée par Studio dans l’en-tête du projet et sur sa page de paramètres. Cette valeur correspond à l’entity et au nom du projet Weights & Biases, et non à l’alias du projet :

client = OpenAI(
    base_url="https://proxy.training.coreweave.com/v1",
    api_key=os.environ["WANDB_API_KEY"],
    project="your-team/ticket-classifier",  # envoyé sous la forme OpenAI-Project
)

response = client.chat.completions.create(
    model="router",  # ou "openai/gpt-5.5" pour forcer le modèle
    messages=messages,
    metadata={"gen_ai.conversation.id": conversation_id},
)

Le proxy transmet tous les champs habituels de Chat Completions, remplace router par le modèle du fournisseur de la cible sélectionnée et applique les remplacements de paramètres enregistrés pour cette cible. Les requêtes qui ne contiennent pas forge.project_version utilisent la version 1. Pour épingler une autre version, ajoutez "forge.project_version": "2" à metadata.

Vérifier que les traces sont exploitables

Avant de collecter un dataset volumineux, vérifiez les points suivants :

Les appels réussis apparaissent dans le graphique des requêtes du projet.
La répartition du trafic correspond aux poids d’acheminement.
Un gen_ai.conversation.id stable regroupe chaque conversation dans la vue Agents de W&B Weave.
Les définitions d’outils, les formats de réponse et les messages sur plusieurs tours de conversation figurent dans la requête enregistrée.
Les appels au fournisseur ayant échoué restent visibles pour le débogage, mais sont exclus des données d’entraînement.

Une fois ces vérifications validées, le projet enregistre des traces utilisables comme exemples d’entraînement.

Envoyez l’historique complet des messages à chaque appel. Chaque trace constitue alors un exemple d’entraînement autonome, qui correspond à la réponse de l’assistant générée pour cet historique.

​Créer un projet

​Connecter l’application

​Vérifier que les traces sont exploitables

Créer un projet

Connecter l’application

Vérifier que les traces sont exploitables