Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Benutzerdefiniert
Was ist AWS Benutzerdefiniert transformieren?
AWS Transform Custom nutzt agentische KI, um Software, Code, Bibliotheken und Frameworks in großem Umfang zu modernisieren und so die technische Verschuldung zu reduzieren. Es bewältigt verschiedene Szenarien, darunter Sprachversions-Upgrades, API- und Servicemigrationen, Framework-Upgrades und -Migrationen, Code-Refactoring und organisationsspezifische Transformationen.
Durch kontinuierliches Lernen verbessert sich der Agent anhand jeder Ausführung und des Entwickler-Feedbacks und liefert qualitativ hochwertige, wiederholbare Transformationen, ohne dass spezielle Automatisierungskenntnisse erforderlich sind.
Die wichtigsten Funktionen
AWS Transform custom bietet die folgenden Funktionen:
Definition der Transformation, die auf natürlicher Sprache basiert - Erstellen Sie benutzerdefinierte Transformationen mithilfe natürlicher Sprache, Dokumentation und Codebeispielen
Ausführung der Transformation - Wenden Sie Transformationen konsistent und zuverlässig auf mehreren Codebasen an
Kontinuierliches Lernen - Verbessern Sie automatisch die Transformationsqualität bei jeder Ausführung
AWS-verwaltete Transformationen - Gebrauchsfertig verwenden, AWS-geprüfte Transformationen für gängige Szenarien
Transformationsmuster
AWS Transform Custom unterstützt verschiedene Transformationsmuster, um Ihren Modernisierungsanforderungen gerecht zu werden. Jedes Muster weist je nach Umfang und Art der erforderlichen Änderungen unterschiedliche Komplexitätsmerkmale auf.
| Muster | Description | Komplexität | Beispiele |
|---|---|---|---|
| API- und Servicemigrationen | Migration zwischen API-Versionen oder gleichwertigen Diensten unter Beibehaltung der Funktionalität | Mittel | AWS SDK v1→v2 (Java, Python, JavaScript), Boto2→Boto3, Einheit 4→5, Javax→Jakarta |
| Aktualisierungen der Sprachversion | Aktualisierung auf neuere Versionen derselben Programmiersprache, Übernahme neuer Funktionen und Ersetzung veralteter Funktionen | Low-Medium | Java 8→17, Python 3.9→3.13, Node.js 12→22, TypeScript Versions-Aktualisierungen |
| Framework-Aktualisierungen | Upgrade auf neuere Versionen desselben Frameworks, um wichtige Änderungen zu beheben | Mittel | Spring Boot 2.x→3.x, React 17→18, Angular-Upgrades, Django-Upgrades |
| Framework-Migrationen | Migration zu völlig anderen Frameworks, die ähnlichen Zwecken dienen | Hoch | Angular → React, Redux → Zustand, Vue.js→ Reagieren |
| Aktualisierungen der Bibliothek und der Abhängigkeiten | Aktualisierung von Bibliotheken von Drittanbietern auf neuere Versionen unter Beibehaltung derselben Sprache und desselben Frameworks | Low-Medium | Pandas 1.x→2.x, NumPy Aktualisierungen, Hadoop/HBase/Hive Bibliotheksaktualisierungen, Lodash-Upgrades |
| Code-Refactoring und Mustermodernisierung | Modernisierung von Codemustern und Übernahme von Best Practices, ohne die externe Funktionalität zu ändern | Low-Medium | Print→Logging-Frameworks, Zeichenkettenverkettung→F-Strings, Übernahme von Typhinweisen, Instrumentierung der Beobachtbarkeit |
| Skript und File-by-File Übersetzungen | Übersetzung unabhängiger Skripte oder Konfigurationsdateien, bei denen die Dateien größtenteils in sich abgeschlossen sind | Low-Medium | AWS CDK → Terraform, Terraform →CloudFormation, Excel→Python-Notizbücher, Bash→PowerShell |
| Architektur-Migrationen | Migration zwischen Hardwarearchitekturen oder Laufzeitumgebungen mit minimalen Codeänderungen | Medium-High | x86→AWS Graviton (ARM), lokal → Lambda, traditioneller Server → Container |
| Language-to-Language Migrationen | Codebasen von einer Programmiersprache in eine andere übersetzen | Sehr hoch | Java → Python, JavaScript→TypeScript, C → Rost, Python → Go |
| Benutzerdefiniert und Organization-Specific Transformationen | Einzigartige organisatorische Anforderungen und spezielle Modernisierungsbedürfnisse | Variiert | Benutzerdefinierte interne Bibliotheksmigrationen, organisationsspezifische Codierungsstandards, proprietäre Framework-Migrationen |
Für COBOL/mainframe Sprachen, verwenden AWS Transform für Mainframe. Für Upgrades von.NET Framework auf.NET Core sollten Sie Folgendes beachten AWS Transform für Windows. Für VMware-Migrationen zu AWS, ziehen Sie in Betracht AWS Transformieren Sie für VMware.
Wie AWS Transformieren Sie benutzerdefinierte Werke
AWS Transform custom wird normalerweise in großen Projekten verwendet, bei denen mehrere Codebasen oder Module transformiert werden. Teams folgen in der Regel einem vierstufigen Arbeitsablauf:
Transformation definieren - Stellen Sie dem Agenten Eingabeaufforderungen, Dokumentation und Codebeispiele in natürlicher Sprache zur Verfügung, der eine erste Transformationsdefinition generiert. Diese Definition kann durch Chat oder direkte Änderungen iterativ verfeinert werden. Diese Phase kann übersprungen werden, wenn AWS-verwaltete Transformationen.
Pilot oder Proof-of-Concept - Testen Sie die Transformation anhand von Beispielcodebasen und verfeinern Sie sie anhand der Ergebnisse. Diese Validierungsphase hilft dabei, die Kosten und den Aufwand der vollständigen Transformation abzuschätzen. Kontinuierliches Lernen verbessert die Qualität in dieser Phase.
Skalierte Ausführung - Richten Sie mithilfe der CLI eine automatische Massenausführung ein, bei der Entwickler die Ergebnisse überprüfen und validieren. Überwachen Sie den Fortschritt mithilfe der Webanwendung und verfolgen Sie Transformationen in mehreren Repositorys.
Überwachen und überprüfen - Kontinuierliches Lernen verbessert automatisch die Transformationsqualität. Prüfen Sie die Erkenntnisse, die aus früheren Durchläufen gewonnen wurden, um sicherzustellen, dass sie den Qualitätsstandards entsprechen, und archivieren Sie alle, die nicht nützlich sind.
Wichtige -Konzepte verstehen
In diesem Abschnitt werden die wichtigsten Konzepte für die Arbeit mit erläutert AWS Benutzerdefiniert transformieren.
Definitionen der Transformation
EIN Definition der Transformation enthält die Anweisungen und das Wissen, die zur Durchführung einer bestimmten Codetransformation erforderlich sind. Es wird als Fertigkeit dargestellt und besteht aus:
SKILL.md(erforderlich) — Anweisungen in Markdown mit YAML-Frontmatter (nameunddescriptionFelder), das die zentrale Transformationslogik und die Ausführungsanweisungen enthältreferences/Ordner (optional) — Dokumentation, die bei Bedarf während der Ausführung der Transformation geladen wirdscripts/Ordner (optional) — Skripts, die von der Transformation heruntergeladen und während der Ausführung ausgeführt werden
AWS Transform CLI lädt Transformationsdefinitionen automatisch in das aktuelle Verzeichnis herunter, wenn sie zur Ausführung, Überprüfung oder Änderung benötigt werden.
Beim Veröffentlichen einer Transformation darf das Verzeichnis nur Folgendes enthalten SKILL.md und optional references/ Ordner, der scripts/ Ordner oder beides. Andere Dateien oder Unterverzeichnisse sind nicht zulässig.
CLI Version 2.0 und höher verwendet das Skills-Format. Bestehende Transformationsdefinitionen werden automatisch von der CLI verarbeitet.
Kategorien von Transformationsdefinitionen
Eine Transformationsdefinition kann eine haben Kategorie das sagt, wie es benutzt wird:
analysis— Liest Code und meldet Ergebnisse. Bei der kontinuierlichen Modernisierung werden diese Transformationsdefinitionen als benutzerdefinierte Analyse ausgeführt.remediation— Ändert den Code. Bei der kontinuierlichen Modernisierung werden diese Transformationsdefinitionen verwendet, um die Ergebnisse zu korrigieren, und technische Schulden und benutzerdefinierte Analysen können die Ergebnisse mit ihnen abgleichen.
Legen Sie die Kategorie fest mit dem --category Option von atx custom def publish oder atx custom def save-draft:
atx custom def publish -n <transformation-name> --description "Description" --sd <directory> --category analysis atx custom def publish -n <transformation-name> --description "Description" --sd <directory> --category remediation atx custom def list # The Category column shows each transformation definition's category
AWS Transform verwendet die Kategorie, um zu entscheiden, wo eine Transformationsdefinition verwendet werden kann.
| Verwenden Sie | Zulässige Transformationsdefinitionen |
|---|---|
Benutzerdefinierte Analyse (--type custom) |
Ihre eigenen Transformationsdefinitionen mit dem analysis Kategorie |
Sanierung mit --transformation-name |
Ihre eigenen Transformationsdefinitionen mit der remediation Kategorie, oder AWS verwaltete Transformationen |
| Transformation, die auf ein Ergebnis einer technischen Schuldenanalyse oder einer kundenspezifischen Analyse abgestimmt wurde | Ihre eigenen Transformationsdefinitionen mit dem remediation Kategorie, oder AWS verwaltete Transformationen. Ein Ergebnis wird nie mit einer Transformationsdefinition abgeglichen, und zwar mit analysis Kategorie oder ohne Kategorie. |
Bevor Sie eine benutzerdefinierte Analyse, einen Zeitplan oder eine Problembehebung einreichen, AWS Transform überprüft die Kategorie der Transformationsdefinition.
Um den Abgleich der Ergebnisse mit Ihren zu erleichtern remediation Transformationsdefinition: Stellen Sie das, was sich ändert, an den Anfang. Eine Analyse liest zunächst nur den Anfang jeder Definition, um zu entscheiden, welche zu berücksichtigen sind, und liest nur den vollständigen Text dieser Definitionen. Beginnen Sie mit einem Titel und einem kurzen Geltungsbereich, aus denen hervorgeht, was und wo sich die Definition ändert (z. B. welche Sprachen oder Dateien), und beschränken Sie jede Definition auf eine Art von Änderung. Siehe Ergebnisse mit Transformationen abgleichen.
Um die Kategorie einer Transformationsdefinition zu ändern, veröffentlichen Sie sie erneut mit einer anderen --category Wert. Wenn Sie eine neue Version veröffentlichen ohne --category, die neue Version behält die Kategorie der Vorgängerversion bei.
Um zu erfahren, wie man eine ausführt analysis Transformationsdefinition finden Sie unter Benutzerdefinierte Analyse.
Eine Kategorie unterscheidet sich von einem Ressourcen-Tag. Informationen zur Verwaltung von Ressourcen-Tags finden Sie unter Tag-Befehle.
Schreiben Sie eine Transformationsdefinition für die Analyse
Um nützliche Ergebnisse zu erhalten, schreiben Sie die Transformationsdefinition so, dass sie beschreibt, worauf zu achten ist, wie die einzelnen Probleme zu klassifizieren sind und was nicht. Wir empfehlen die folgenden Abschnitte in SKILL.md.
| Abschnitt | Was soll aufgenommen werden |
|---|---|
| Einführung | Ein oder zwei Sätze, die angeben, was die Analyse ergibt. Geben Sie an, dass es schreibgeschützt ist und keine Dateien ändern dürfen. |
| Einreisekriterien | Wenn die Analyse zutrifft, zum Beispiel „Das Repositorium enthält eine pom.xml oder build.gradle Datei.“ |
| Bereich | Die Dateien und Verzeichnisse, die überprüft werden sollen, und die, die übersprungen werden sollen, z. B. die Build-Ausgabe und die Abhängigkeiten von Anbietern. |
| Was soll gemeldet werden | Die spezifischen Muster oder Bedingungen, die als Problem gelten. Bitten Sie um einen Befund pro Problem mit Dateipfad und Zeilennummer. |
| Kategorien | Ein kleiner, fester Satz von Kategoriewerten und der Angabe, welche Probleme zu den einzelnen Kategorien gehören. |
| Kriterien für Schweregrad | Was macht ein Problem aus high, medium, oder low. |
| Austrittskriterien | Woher der Agent weiß, dass es gemacht wurde: Jede im Gültigkeitsbereich enthaltene Datei wurde überprüft, jedes Ergebnis hat eine Datei, eine Kategorie und einen Schweregrad, und keine Datei wurde geändert. Geben Sie auch an, was gemeldet werden soll, wenn nichts gefunden wird. |
Im folgenden Beispiel werden Java-Projekte gefunden, die immer noch auf eine Java-Version vor 17 abzielen.
--- name: java-version-detector description: Report where a repository still targets a Java version earlier than 17, in build files, Dockerfiles, toolchain files, and CI workflows. Analysis only - no code is modified. --- # Java Version Detector Find where the repository targets a Java version earlier than Java 17. This is a read-only analysis: report findings, and do not modify any files. ## Entry Criteria The repository contains a Java build file (`pom.xml`, `build.gradle`, `build.gradle.kts`, or `gradle.properties`), or a file that selects a JDK (`.java-version`, `.tool-versions`, `.sdkmanrc`, a `Dockerfile`, or a file under `.github/workflows/`). ## Scope - Inspect build files, toolchain files, Dockerfiles, and CI workflow files. - Skip build output (`build/`, `target/`) and vendored dependencies. ## What to Report Report one finding for each place that selects a Java version earlier than 17: 1. A compile target, such as `maven.compiler.source`, `maven.compiler.release`, `java.version`, `sourceCompatibility`, or a Gradle toolchain `languageVersion`. 2. A Dockerfile base image that ships a JDK or JRE earlier than 17, such as `openjdk:8` or `amazoncorretto:11`. 3. A CI job or toolchain file that selects a JDK earlier than 17. For each finding, include the file path, the line number, and the version you found. ## Categories - `outdated-compile-target` - a build file compiles for an old Java version - `outdated-runtime-image` - a Dockerfile uses an old JDK or JRE image - `outdated-ci-jdk` - a CI workflow or toolchain file selects an old JDK ## Severity Criteria - **high** - the project compiles for Java 8 or earlier - **medium** - the project compiles for Java 9 through 16 - **low** - only the runtime image or CI uses an old JDK, and the compile target is 17 or later ## Exit Criteria 1. Every in-scope file has been inspected. 2. Every finding has a file path, line number, category, and severity from the lists above. 3. No file in the repository has been modified. 4. If nothing is found, state that the repository targets Java 17 or later.
Wenn diese Transformationsdefinition für ein Projekt ausgeführt wird, dessen pom.xml Sets <source>1.8</source>, es erzeugt eine high Schweregradfeststellung in der outdated-compile-target Kategorie, abgestimmt auf AWS/java-version-upgrade Transformation.
Tipps zum Schreiben von Transformationsdefinitionen für Analysen
Halten Sie es schreibgeschützt. Geben Sie ausdrücklich an, dass die Analyse keine Dateien ändern darf. Das Beheben von Problemen ist die Aufgabe einer Problembehebung.
Geben Sie genau an, was als Problem gilt. Benennen Sie die Dateien, Einstellungen und Muster, nach denen gesucht werden soll. Vage Anweisungen führen zu widersprüchlichen Ergebnissen.
Fragen Sie nach einem Ergebnis pro Ausgabe. Jedes Ergebnis sollte auf eine bestimmte Datei und Zeile verweisen, damit es einzeln überprüft und behoben werden kann.
Definieren Sie den Schweregrad und die Kategorien in der Transformationsdefinition. Der Agent verwendet Ihre Kriterien, um jedes Ergebnis zu klassifizieren.
Konzentrieren Sie sich auf den Umfang. Bei einer benutzerdefinierten Analyse wird nur das gemeldet, was ihre Transformationsdefinition beschreibt. Um viele Arten von Problemen zu finden, schreiben Sie separate Transformationsdefinitionen oder verwenden Sie die integrierten Analysetypen.
Sagen Sie, was zu tun ist, wenn nichts gefunden wird. Ein Repository, das keine Probleme hat, liefert korrekt keine Ergebnisse.
Nehmen Sie die Anweisungen zur Suche in die Transformationsdefinition auf. Wenn Sie die Konfiguration mit übergeben
-goder--configurationwenn Sie die Analyse ausführen, AWS Transform verwendet Ihre Konfiguration anstelle der Standardanweisungen. Der Abschnitt „Was soll gemeldet werden?“ bleibt erhaltenSKILL.mdsorgt dafür, dass die Transformationsdefinition in beiden Fällen zu Ergebnissen führt.
Testen Sie die Transformationsdefinition in einem Repository, von dem Sie wissen, dass es das Problem enthält, bevor Sie es veröffentlichen. Speichern Sie es als Entwurf mit atx custom def save-draft, oder führen Sie es lokal aus mit atx ct analysis run (siehe Benutzerdefinierte Analyse).
Transformationsregister
Das Transformationsregister ist dein AWS das zentrale Repository des Kontos zum Speichern und Verwalten von Transformationsdefinitionen. Transformationen in der Registrierung können sein:
Gelistet mit
atx custom def listWird auf mehreren Codebasen ausgeführt
Mit anderen Benutzern in Ihrem geteilt AWS Konto
Version-controlled
Transformationsdefinitionen sind kontenspezifisch. Wenn Sie eine Transformation in einer anderen verwenden möchten AWS Konto, Sie müssen es separat in diesem Konto veröffentlichen.
Entwurfstransformationen im Vergleich zu veröffentlichten Transformationen
AWS Transform custom unterstützt zwei Zustände für Transformationen in der Registrierung:
Entwürfe von Transformationen sind in Bearbeitung befindliche oder ungetestete Transformationsdefinitionen. Sie werden als bestimmte Versionen gespeichert und können von Benutzern abgerufen, aktualisiert und ausgeführt werden, die auf diese bestimmte Version verweisen. Entwürfe eignen sich für iteratives Entwickeln, Testen und Verfeinern, bevor die Transformation bereit ist, mit Ihrem Team geteilt zu werden. Entwürfe sind auch mit einer bestimmten Konversation verknüpft. Wenn Sie die CLI neu starten, können Sie atx --conversation-id {id} um ein vorheriges wiederherzustellen.
Veröffentlichte Transformationen sind in der Transformationsregistrierung Ihres Kontos für die Ausführung durch andere Benutzer mit den erforderlichen IAM-Berechtigungen verfügbar. Veröffentlichte Transformationen können wie folgt entdeckt werden atx custom def list.
Der typische Arbeitsablauf ist:
Transformation lokal erstellen
Als Entwurf zum Testen speichern (
atx custom def save-draft)Verfeinern und validieren
Veröffentlichen Sie, um es mit Ihrem Team zu teilen (
atx custom def publish)
Sie können eine Transformation auch direkt veröffentlichen, ohne sie als Entwurf zu speichern.
Referenzen im Vergleich zu Lektionen
AWS Transform Custom verwendet zwei Arten von Wissen, um die Transformationsqualität zu verbessern:
Referenzen sind vom Benutzer bereitgestellte Dokumentationen gespeichert in references/ Ordner einer Transformationsdefinition. Verweise unterstützen nur Textdateien (insgesamt maximal 10 MB für alle Dateien) und enthalten in der Regel Dokumentation, API-Spezifikationen, Migrationsleitfäden und Codebeispiele. Referenzen werden bei der Ausführung der Transformation nach Bedarf geladen. Sie fügen Verweise hinzu, wenn Sie eine Transformationsdefinition im interaktiven Modus erstellen oder aktualisieren.
Lektionen werden automatisch aus früheren Durchläufen einer Transformation extrahiert. Das System für kontinuierliches Lernen generiert sie aus Ausführungsverläufen, Entwickler-Feedback und Code-Fixes, auf die es bei Transformationen stößt. Es gruppiert verwandte Lektionen in Kategorien, sodass Sie sie gemeinsam überprüfen können. Im Gegensatz zu Referenzen, die Sie im Voraus angeben, sammeln sich die Lektionen im Laufe der Zeit an, wenn Sie die Transformation in verschiedenen Codebasen ausführen, und das System wendet sie automatisch an, um zukünftige Läufe zu verbessern. Sie überprüfen und verwalten Lektionen interaktiv mit atx custom def learnings.
Befehle zum Erstellen und Validieren
Die Befehl zum Erstellen oder Validieren ist ein optionaler Parameter, der angibt, wie Ihr Code während des Transformationsprozesses überprüft werden soll. Dieser Befehl wird an verschiedenen Stellen während der Transformation ausgeführt, um die Codeintegrität sicherzustellen.
Die Bereitstellung eines Befehls, der die Ergebnisse validiert und Probleme zurückgibt, falls die Validierung fehlschlägt, ist sehr wichtig, um die Transformationsqualität durch kontinuierliches Lernen zu verbessern. Wenn kein Build oder keine Validierung erforderlich ist, lassen Sie ihn in Ihrer Eingabe weg.
Beispiele und eine ausführliche Anleitung finden Sie unter Befehle zum Erstellen und Überprüfen im Abschnitt Workflows.
Kontinuierliches Lernen
Kontinuierliches Lernen ist das System, das automatisch Feedback von jeder Transformationsausführung erfasst und die Transformationsqualität im Laufe der Zeit verbessert. Das System sammelt Informationen durch:
Explizites Feedback — Kommentare und Code-Fixes werden im interaktiven Modus bereitgestellt
Implizite Beobachtungen — Probleme, auf die der Agent beim Transformieren und Debuggen von Code stößt
Das System für kontinuierliches Lernen verarbeitet diese Informationen zu folgenden Ergebnissen Unterrichtsstunden dass es die Transformationsdefinition erweitert, um zukünftige Transformationen zu verbessern. Das System führt den Lernprozess automatisch aus, nachdem die Transformationen abgeschlossen sind, sodass keine zusätzlichen Eingaben von Ihnen erforderlich sind.
Die Lektionen sind transformationsspezifisch und werden nicht für verschiedene Transformationen oder verschiedene Kundenkonten gemeinsam genutzt.
Lektionen verwalten
Das System generiert automatisch Lektionen, aber du behältst die Kontrolle darüber, welche Lektionen für zukünftige Läufe gelten. Das atx custom def learnings Der Befehl öffnet eine interaktive Terminalsitzung, in der Sie die Lektionen, die eine Transformation gesammelt hat, überprüfen und kuratieren können.
In dieser Sitzung können Sie:
Durchsuchen Sie die Lektionen, die in Kategorien unterteilt sind, und sehen Sie, wie viele aktive Lektionen jede Kategorie enthält.
Öffnen Sie eine Lektion, um alle Einzelheiten zu lesen, einschließlich des Haupttextes der Lektion, ihrer Auswirkungen und der Anzahl früherer Durchläufe, auf die sie zugegriffen wurde.
Archivieren Sie eine Lektion, um zu verhindern, dass das System sie auf zukünftige Läufe anwendet, und stellen Sie sie bei Bedarf später wieder her.
Löschen Sie eine archivierte Lektion, die nicht mehr nützlich ist, dauerhaft.
Schrittweise Anleitungen hierzu finden Sie unter Kontinuierliches Lernen.
Client-Side Fähigkeiten
Client-side Fähigkeiten sind zusätzliche Fähigkeiten, die den Agenten bei der Ausführung von Transformationen erweitern. Im Gegensatz zu Transformationsdefinitionen, die definieren, welche Transformation durchgeführt werden soll, bieten clientseitige Fähigkeiten zusätzliche Tools, Skripts und Anweisungen, die der Agent neben den integrierten Funktionen bei jeder Transformation verwenden kann.
Client-side Fähigkeiten werden anhand von Verzeichnissen auf Projekt- und Benutzerebene ermittelt. Platzieren Sie Fähigkeiten auf Projektebene, wenn sie für ein Projektarchiv spezifische Standards durchsetzen, und auf Benutzerebene, wenn sie für alle Ihre Projekte gelten. Project-level Fähigkeiten sind nur verfügbar, wenn ein Code-Repository-Pfad bereitgestellt wird. Eine ausführliche Konfiguration und Verwendung finden Sie unter Client-Side Fähigkeiten.
Einführung in benutzerdefinierte Transformationsbefehle
Hier sind einige der Befehle, die Sie mit benutzerdefinierten Transformationen verwenden können. Die vollständige Liste der Befehle finden Sie in der AWS Befehlsreferenz für benutzerdefinierte Transformationen transformieren.
-
atx custom-
Führt ein interaktives Erlebnis für benutzerdefinierte Transformationen aus und ermöglicht die Erstellung, Erkennung, Ausführung und Verfeinerung von Transformationen.
-
Dies ist der Standardbefehl für
atx. -
--trust-all-tools(-t) ist optional und erlaubt implizit alle vom Agenten angeforderten Tool-Anfragen. Verwenden Sie es mit Vorsicht, insbesondere in Produktionsumgebungen. Sie können den Tool-Trust für bestimmte Tools und Befehle konfigurieren, indem Sie Datei mit den Einstellungen vertrauen.
-
-
atx custom --help|atx custom -h-
Zeigt das Hilfemenü an.
-
Jeder Befehl enthält auch ein Hilfemenü, zum Beispiel
atx custom def exec --help.
-
-
atx --version|atx -v-
Zeigt die Version an.
-
Die Versionsnummer ändert sich mit jeder Version.
-
-
atx custom def list-
Druckt eine Liste der in der Transformationsregistrierung verfügbaren Transformationen.
-
-
atx custom def exec-
Führt eine Transformation aus
-
-
atx custom def learnings-
Öffnet eine interaktive Sitzung, in der Sie die Erkenntnisse einsehen und verwalten können, die eine Transformation aus früheren Durchläufen gezogen hat
-
-
atx mcp-
Wird zur Verwaltung von MCP-Serverkonfigurationen verwendet
-