Replit + Ertas
在 Replit 上使用 Ertas 訓練的模型作為智慧後端建構和部署 AI 驅動的應用程式——從原型到生產,全在瀏覽器中完成。
Overview
Replit 是一個基於雲端的整合開發環境,讓開發者完全在瀏覽器中編寫、運行和部署程式碼。具有內建的託管、資料庫存取、套件管理和協作編輯功能,Replit 消除了本地開發設定的摩擦,使得在幾分鐘內從想法到已部署應用程式成為可能。其 AI 輔助程式設計功能和範本生態系統使其成為原型網頁應用程式、API 和自動化腳本的最快平台之一。
對於 AI 應用程式開發,Replit 提供了特別引人注目的環境。開發者可以編寫呼叫推理 API 的 Python 或 Node.js 後端、建構聊天介面的 React 前端,並部署全端應用程式——全部無需離開瀏覽器。Replit 的始終運行託管意味著您的 AI 應用程式保持 24/7 可存取,其密鑰管理確保 API 金鑰和端點 URL 安全儲存。零設定開發、即時部署和內建 AI 程式設計輔助的組合使 Replit 成為從微調模型到面向使用者應用程式的最快路徑。
How Ertas Integrates
在 Ertas Studio 中微調模型後,您將其匯出,並部署到任何可公開存取的推理端點,例如您自行在雲端伺服器上執行的 vLLM。如果您不想自行託管,Ertas 可以透過自適應模型端點為您提供模型服務,Studio 一鍵部署已在規劃路線圖上。從 Replit,您使用 OpenAI SDK——在 Python 和 Node.js Repl 中都可用——連接到該端點,並圍繞微調模型的功能建構應用程式。由於 OpenAI SDK 是 Replit 套件管理器中可用的標準依賴項,設定只需幾秒而非幾分鐘。
此工作流程非常適合快速原型製作和演示建構。開發者可以在 Ertas Studio 中微調客戶支援資料的模型,然後開啟 Replit 在一個下午建構一個功能完整的聊天機器人應用程式——包含網頁介面、對話歷史和串流回應。原型準備好後,Replit 的部署功能一鍵即可上線,提供利益相關者可以立即測試的可分享 URL。這個週期的速度——從訓練資料到已部署應用程式——使 Ertas-Replit 組合對需要快速向客戶展示 AI 能力的代理商、顧問和團隊特別有價值。
Getting Started
- 1
在 Ertas Studio 中微調您的模型
在您的資料上訓練領域特定模型,匯出後部署到可公開存取、提供 OpenAI 相容 API 的推理端點。
- 2
建立新的 Repl
開啟 Replit 並使用 Python 或 Node.js 範本建立新專案。安裝 OpenAI SDK 作為依賴項。
- 3
設定 API 認證
將您的推理端點 URL 和 API 金鑰儲存在 Replit 的 Secrets 面板中。在程式碼中以環境變數引用它們。
- 4
建構您的 AI 應用程式
使用指向 Ertas 模型端點的 OpenAI SDK 編寫應用程式邏輯。使用 Flask、FastAPI 或 Express 建構前端用於使用者互動。
- 5
部署和分享
一鍵部署您的 Repl。將即時 URL 分享給隊友、客戶或利益相關者以獲得即時回饋和測試。
# Replit: main.py
from flask import Flask, request, jsonify, render_template
from openai import OpenAI
import os
app = Flask(__name__)
client = OpenAI(
base_url=os.environ["MODEL_API_URL"], # Your inference endpoint, stored in Replit Secrets
api_key=os.environ["MODEL_API_KEY"],
)
@app.route("/chat", methods=["POST"])
def chat():
user_message = request.json["message"]
response = client.chat.completions.create(
model="ertas-support-7b",
messages=[
{"role": "system", "content": "You are a helpful customer support agent."},
{"role": "user", "content": user_message},
],
temperature=0.3,
)
return jsonify({"reply": response.choices[0].message.content})
if __name__ == "__main__":
app.run(host="0.0.0.0", port=8080)Benefits
- 零本地設定——完全在瀏覽器中建構和部署 AI 應用程式
- 即時部署並提供可分享的 URL 用於演示和測試
- 內建密鑰管理確保 API 金鑰安全儲存
- 協作編輯讓團隊可以即時共同建構 AI 應用程式
- AI 程式設計助手加速模型整合程式碼的開發
- 範本生態系統為常見 AI 應用程式模式提供起點
Related Resources
Inference(推論)
Fine-Tuning(微調)
GGUF
Getting Started with Ertas: Fine-Tune and Deploy Custom AI Models
Self-Hosted AI for Indie Apps: Replace GPT-4 with Your Own Model
Fine-Tune AI Without Code: 6 Visual Steps
How to Fine-Tune an LLM Locally: 6 Steps (2026)
Cursor
vLLM
Ertas for Indie Developers & Vibe-Coded Apps
Ertas for SaaS Product Teams
Ertas for Customer Support
Ertas for AI Automation Agencies
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.