Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Personnalisé
Qu'est-ce que AWS Transformer la personnalisation ?
AWS Transform Custom utilise l'IA agentique pour moderniser à grande échelle les logiciels, le code, les bibliothèques et les frameworks afin de réduire la dette technique. Il gère divers scénarios, notamment les mises à niveau des versions linguistiques, les migrations d'API et de services, les mises à niveau et les migrations du framework, la refactorisation du code et les transformations spécifiques à l'organisation.
Grâce à un apprentissage continu, l'agent s'améliore grâce à chaque exécution et aux commentaires des développeurs, fournissant des transformations reproductibles de haute qualité sans nécessiter d'expertise spécialisée en automatisation.
Capacités clés
AWS Transform Custom fournit les fonctionnalités suivantes :
Définition de la transformation pilotée par le langage naturel - Créez des transformations personnalisées à l'aide du langage naturel, de la documentation et d'exemples de code
Exécution de la transformation - Appliquez des transformations de manière cohérente et fiable sur plusieurs bases de code
Apprentissage continu - Améliorez automatiquement la qualité de la transformation à chaque exécution
AWS-transformations gérées - Prêt à l'emploi, AWS-des transformations approuvées pour des scénarios courants
Modèles de transformation
AWS Transform Custom prend en charge divers modèles de transformation pour répondre à vos besoins de modernisation. Chaque modèle présente des caractéristiques de complexité différentes en fonction de la portée et de la nature des modifications requises.
| Modèle | Description | Complexité | Exemples |
|---|---|---|---|
| Migrations d'API et de services | Migration entre les versions d'API ou des services équivalents tout en préservant les fonctionnalités | Moyenne | AWS Kit de développement logiciel v1→v2 (Java, Python, JavaScript), Boto2→Boto3, Unité 4→5, Javax→Jakarta |
| Mises à niveau des versions linguistiques | Mise à niveau vers de nouvelles versions du même langage de programmation, adoption de nouvelles fonctionnalités et remplacement des fonctionnalités obsolètes | Low-Medium | Java 8 → 17, Python 3.9 → 3.13, Node.js 12 et 22 ans, TypeScript mises à niveau des versions |
| Améliorations du framework | Mise à niveau vers des versions plus récentes du même framework, en tenant compte des modifications majeures | Moyenne | Spring Boot 2.x → 3.x, React 17→18, mises à niveau Angular, mises à niveau Django |
| Migrations de cadres | Migration vers des frameworks totalement différents ayant des objectifs similaires | Élevée | Angular→React, Redux→Zustand, Vue.js→Réagir |
| Mises à niveau des bibliothèques et des dépendances | Mise à niveau de bibliothèques tierces vers des versions plus récentes tout en conservant le même langage et le même framework | Low-Medium | Pandas 1.x → 2.x, NumPy mises à niveau, Hadoop/HBase/Hive mises à niveau de bibliothèques, mises à niveau de Lodash |
| Refactorisation du code et modernisation des modèles | Moderniser les modèles de code et adopter les meilleures pratiques sans modifier les fonctionnalités externes | Low-Medium | Frameworks Print→Logging, concaténation de chaînes→chaînes f, adoption d'indices de type, instrumentation d'observabilité |
| Scénario et File-by-File Traductions | Traduction de scripts indépendants ou de fichiers de configuration dont les fichiers sont pour la plupart autonomes | Low-Medium | AWS CDK→Terraforme, Terraforme→CloudFormation, Blocs-notes Excel→Python, Bash→PowerShell |
| Migrations architecturales | Migration entre architectures matérielles ou environnements d'exécution avec un minimum de modifications de code | Medium-High | x86 →AWS Graviton (ARM), sur site → Lambda, serveur traditionnel → conteneurs |
| Language-to-Language Migrations | Traduire des bases de code d'un langage de programmation à un autre | Très élevé | Java→Python, JavaScript→TypeScript, C→Rouille, Python→Go |
| Personnalisé et Organization-Specific Transformations | Des exigences organisationnelles uniques et des besoins de modernisation spécialisés | Varie | Migrations de bibliothèques internes personnalisées, normes de codage spécifiques à l'organisation, migrations de frameworks propriétaires |
Pour COBOL/mainframe langues, utilisation AWS Transform for Mainframe. Pour les mises à niveau de .NET Framework vers .NET Core, pensez à AWS Transform pour Windows. Pour les migrations de VMware vers AWS, considérez AWS Transform pour VMware.
Comment ? AWS Transformez des œuvres personnalisées
AWS La transformation personnalisée est généralement utilisée dans les projets à grande échelle dans lesquels plusieurs bases de code ou modules sont transformés. Les équipes suivent généralement un flux de travail en quatre phases :
Définition de la transformation - Fournissez des instructions en langage naturel, de la documentation et des exemples de code à l'agent, qui génère une définition de transformation initiale. Cette définition peut être affinée de manière itérative par le biais du chat ou de modifications directes. Cette phase peut être ignorée lors de l'utilisation AWS-des transformations gérées.
Pilote ou Proof-of-Concept - Testez la transformation sur des exemples de bases de code et affinez-la en fonction des résultats. Cette phase de validation permet d'estimer le coût et les efforts de la transformation complète. L'apprentissage continu améliore la qualité au cours de cette phase.
Exécution à grande échelle - Configurez l'exécution groupée automatisée à l'aide de la CLI, les développeurs examinant et validant les résultats. Surveillez les progrès à l'aide de l'application Web et suivez les transformations dans plusieurs référentiels.
Surveiller et examiner - L'apprentissage continu améliore automatiquement la qualité de la transformation. Passez en revue les leçons tirées des séries précédentes pour vous assurer qu'elles répondent aux normes de qualité, et archivez celles qui ne sont pas utiles.
Comprendre les concepts clés
Cette section explique les principaux concepts permettant de travailler avec AWS Transformez la personnalisation.
Définitions des transformations
UNE définition de la transformation contient les instructions et les connaissances nécessaires pour effectuer une transformation de code spécifique. Elle est représentée comme une compétence et comprend :
SKILL.md(obligatoire) - Instructions en Markdown avec YAML frontmatter (nameetdescriptionchamps) qui contient la logique de transformation de base et les instructions d'exécutionreferences/dossier (facultatif) - Documentation chargée selon les besoins lors de l'exécution de la transformationscripts/dossier (facultatif) - Scripts que la transformation télécharge et exécute pendant l'exécution
AWS Transform CLI télécharge automatiquement les définitions de transformation dans le répertoire actuel lorsque cela est nécessaire pour l'exécution, l'inspection ou la modification.
Lors de la publication d'une transformation, le répertoire ne doit contenir que SKILL.md et éventuellement le references/ dossier, le scripts/ dossier, ou les deux. Aucun autre fichier ou sous-répertoire n'est autorisé.
Les versions 2.0 et ultérieures de la CLI utilisent le format de compétences. Les définitions de transformation existantes sont automatiquement gérées par l'interface de ligne de commande.
Catégories de définition des transformations
Une définition de transformation peut avoir un catégorie qui indique comment il est utilisé :
analysis— Lit le code et rapporte les résultats. La modernisation continue exécute ces définitions de transformation sous la forme d'une analyse personnalisée.remediation— Modifie le code. La modernisation continue utilise ces définitions de transformation pour corriger les résultats, et les analyses personnalisées et la dette technologique peuvent faire correspondre les résultats à ces derniers.
Définissez la catégorie à l'aide du --category option de atx custom def publish ou 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 utilise la catégorie pour décider où une définition de transformation peut être utilisée.
| Utilisation | Définitions de transformation autorisées |
|---|---|
Analyse personnalisée (--type custom) |
Vos propres définitions de transformation avec le analysis catégorie |
Remédiation avec --transformation-name |
Vos propres définitions de transformation avec le remediation catégorie, ou AWS transformations gérées |
| Transformation adaptée à une découverte issue d'une dette technologique ou d'une analyse personnalisée | Vos propres définitions de transformation avec le remediation catégorie, ou AWS transformations gérées. Un résultat n'est jamais mis en correspondance avec une définition de transformation avec analysis catégorie, ou sans catégorie. |
Avant de soumettre une analyse, un calendrier ou une correction personnalisés, AWS Transform vérifie la catégorie de la définition de transformation.
Pour aider à faire correspondre les résultats à vos remediation définition de la transformation, mettez ce qu'elle change au début. Une analyse ne lit d'abord que le début de chaque définition pour décider lesquelles prendre en compte, et ne lit que le texte intégral de celles-ci. Commencez par un titre et une courte portée qui indiquent ce que la définition change et où (par exemple, quelles langues ou quels fichiers), et limitez chaque définition à un type de modification. Consultez Faire correspondre les résultats aux transformations.
Pour modifier la catégorie d'une définition de transformation, publiez-la à nouveau avec un autre --category valeur. Si vous publiez une nouvelle version sans --category, la nouvelle version conserve la catégorie de la version précédente.
Pour savoir comment exécuter un analysis définition de la transformation, voir Analyse personnalisée.
Une catégorie est différente d'une étiquette de ressource. Pour gérer les balises de ressources, voir Commandes de balises.
Écrire une définition de transformation pour l'analyse
Pour obtenir des résultats utiles, rédigez la définition de la transformation de manière à ce qu'elle décrive ce qu'il faut rechercher, comment classer chaque problème et ce qu'il ne faut pas faire. Nous vous recommandons les sections suivantes dans SKILL.md.
| Section | Ce qu'il faut inclure |
|---|---|
| Introduction | Une ou deux phrases qui énoncent les résultats de l'analyse. Indiquez qu'il est en lecture seule et qu'aucun fichier ne doit être modifié. |
| Critères d'entrée | Lorsque l'analyse s'applique, par exemple « Le référentiel contient un pom.xml ou build.gradle fichier. » |
| Scope | Les fichiers et les répertoires à inspecter, et ceux à ignorer, tels que la sortie de compilation et les dépendances fournisseurs. |
| Ce qu'il faut signaler | Les modèles ou les conditions spécifiques qui sont considérés comme un problème. Demandez un résultat par problème, en indiquant le chemin du fichier et le numéro de ligne. |
| Catégories | Un petit ensemble fixe de valeurs de catégories, indiquant les problèmes auxquels elles appartiennent. |
| Critères de gravité | Qu'est-ce qui crée un problème high, medium, ou low. |
| Critères de sortie | Comment l'agent sait que c'est fait : chaque fichier concerné a été inspecté, chaque découverte est associée à un fichier, à une catégorie et à une gravité, et aucun fichier n'a été modifié. Indiquez également ce qu'il faut signaler lorsque rien n'est trouvé. |
L'exemple suivant recherche des projets Java qui ciblent toujours une version de Java antérieure à la version 17.
--- 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.
Lorsque cette définition de transformation va à l'encontre d'un projet dont pom.xml ensembles <source>1.8</source>, il produit un high constatation de la gravité dans outdated-compile-target catégorie, correspondant à AWS/java-version-upgrade transformation.
Conseils pour rédiger des définitions de transformation d'analyse
Gardez-le en lecture seule. Indiquez explicitement que l'analyse ne doit pas modifier les fichiers. La résolution des problèmes est le travail d'une remédiation.
Soyez précis quant à ce qui est considéré comme un problème. Nommez les fichiers, les paramètres et les modèles à rechercher. Des instructions vagues donnent lieu à des résultats incohérents.
Demandez une constatation par problème. Chaque résultat doit pointer vers un fichier et une ligne spécifiques afin qu'ils puissent être examinés et corrigés individuellement.
Définissez la gravité et les catégories dans la définition de la transformation. L'agent utilise vos critères pour classer chaque découverte.
Gardez la lunette focalisée. Une analyse personnalisée ne rapporte que ce que décrit sa définition de transformation. Pour identifier de nombreux types de problèmes, rédigez des définitions de transformation distinctes ou utilisez les types d'analyse intégrés.
Dites quoi faire quand rien n'est trouvé. Un référentiel qui ne présente aucun problème correctement ne produit aucun résultat.
Incluez les instructions de recherche dans la définition de la transformation. Si vous passez la configuration avec
-gou--configurationlorsque vous lancez l'analyse, AWS Transform utilise votre configuration au lieu de ses instructions par défaut. Conserver la section « Ce qu'il faut signaler » dansSKILL.mdfait en sorte que la définition de la transformation produise des résultats dans les deux cas.
Testez la définition de la transformation sur un référentiel dont vous savez qu'il contient le problème avant de le publier. Enregistrez-le en tant que brouillon avec atx custom def save-draft, ou exécutez-le localement avec atx ct analysis run (voir Analyse personnalisée).
Registre des transformations
Le registre des transformations est votre AWS le référentiel centralisé du compte pour le stockage et la gestion des définitions de transformation. Les transformations dans le registre peuvent être les suivantes :
Listé en utilisant
atx custom def listExécuté sur plusieurs bases de code
Partagé avec d'autres utilisateurs de votre AWS compte
Version-controlled
Les définitions de transformation sont spécifiques au compte. Si vous souhaitez utiliser une transformation dans un autre AWS compte, vous devez le publier séparément dans ce compte.
Transformations provisoires et transformations publiées
AWS Transform custom prend en charge deux états pour les transformations dans le registre :
Ébauches de transformations sont des définitions de transformation en cours ou non testées. Ils sont enregistrés en tant que versions spécifiques et peuvent être récupérés, mis à jour et exécutés par les utilisateurs se référant à cette version spécifique. Les brouillons sont utiles pour le développement itératif, les tests et le raffinement avant que la transformation ne soit prête à être partagée avec votre équipe. Les brouillons sont également associés à une conversation spécifique. Si vous redémarrez la CLI, vous pouvez utiliser atx --conversation-id {id} pour restaurer un précédent.
Transformations publiées sont disponibles dans le registre de transformation de votre compte pour être exécutés par d'autres utilisateurs disposant des autorisations IAM requises. Les transformations publiées peuvent être découvertes à l'aide de atx custom def list.
Le flux de travail typique est le suivant :
Créez une transformation au niveau local
Enregistrer comme brouillon à des fins de test (
atx custom def save-draft)Affiner et valider
Publiez pour partager avec votre équipe (
atx custom def publish)
Vous pouvez également publier une transformation directement sans l'enregistrer en tant que brouillon.
Références et leçons
AWS Transform Custom utilise deux types de connaissances pour améliorer la qualité de la transformation :
Références sont des documents fournis par l'utilisateur et stockés dans le references/ dossier d'une définition de transformation. Les références ne prennent en charge que les fichiers texte (maximum 10 Mo au total pour tous les fichiers) et contiennent généralement de la documentation, des spécifications d'API, des guides de migration et des exemples de code. Les références sont chargées selon les besoins lors de l'exécution de la transformation. Vous ajoutez des références lors de la création ou de la mise à jour d'une définition de transformation en mode interactif.
Leçons sont automatiquement extraits des exécutions précédentes d'une transformation. Le système d'apprentissage continu les génère à partir des trajectoires d'exécution, des commentaires des développeurs et des corrections de code rencontrées lors des transformations. Il regroupe les leçons connexes en catégories afin que vous puissiez les réviser ensemble. Contrairement aux références, que vous fournissez dès le départ, les leçons s'accumulent au fil du temps au fur et à mesure que vous exécutez la transformation sur différentes bases de code, et le système les applique automatiquement pour améliorer les exécutions futures. Vous révisez et gérez les leçons de manière interactive avec atx custom def learnings.
Commandes de génération et de validation
Le commande de génération ou de validation est un paramètre facultatif qui indique comment valider votre code pendant le processus de transformation. Cette commande est exécutée à différents moments de la transformation pour garantir l'intégrité du code.
Il est très important de fournir une commande qui valide les résultats et renvoie les problèmes en cas d'échec de la validation pour améliorer la qualité de la transformation grâce à un apprentissage continu. Si aucune compilation ou validation n'est nécessaire, omettez cette information de votre saisie.
Pour obtenir des exemples et des conseils détaillés, consultez la section Commandes de création et de validation dans la section Workflows.
Apprentissage continu
Apprentissage continu est le système qui capture automatiquement les commentaires de chaque exécution de transformation et améliore la qualité de la transformation au fil du temps. Le système recueille des informations par le biais de :
Feedback explicite - Commentaires et corrections de code fournis en mode interactif
Observations implicites : problèmes rencontrés par l'agent lors de la transformation et du débogage du code
Le système d'apprentissage continu traite ces informations pour créer leçons qu'il ajoute à la définition de la transformation pour améliorer les transformations futures. Le système exécute automatiquement le processus d'apprentissage une fois les transformations terminées, sans aucune intervention supplémentaire de votre part.
Les leçons sont spécifiques à la transformation et ne sont pas partagées entre différentes transformations ou différents comptes clients.
Gestion des leçons
Le système génère des leçons automatiquement, mais vous restez maître de celles qu'il applique aux prochaines courses. Le atx custom def learnings La commande ouvre une session de terminal interactive pour passer en revue et organiser les leçons qu'une transformation a accumulées.
Au cours de cette session, vous pouvez :
Parcourez les leçons regroupées par catégories et voyez combien de leçons actives chaque catégorie contient.
Ouvrez une leçon pour en lire tous les détails, y compris le corps de la leçon, son impact et le nombre de courses précédentes qui l'ont consultée.
Archivez une leçon pour empêcher le système de l'appliquer à de futures exécutions, et restaurez-la ultérieurement si nécessaire.
Supprimez définitivement une leçon archivée qui n'est plus utile.
Pour obtenir des instructions détaillées, consultez Apprentissage continu.
Client-Side Compétences
Client-side compétences sont des fonctionnalités supplémentaires qui étendent l'agent lors des exécutions de transformation. Contrairement aux définitions de transformation qui définissent la transformation à effectuer, les compétences côté client fournissent des outils, des scripts et des instructions supplémentaires que l'agent peut utiliser en plus de ses fonctionnalités intégrées lors de toute transformation.
Client-side les compétences sont découvertes à partir de répertoires au niveau du projet et au niveau des utilisateurs. Placez les compétences au niveau du projet lorsqu'elles appliquent des normes spécifiques à un référentiel, et au niveau de l'utilisateur lorsqu'elles s'appliquent à tous vos projets. Project-level les compétences ne sont disponibles que lorsqu'un chemin de dépôt de code est fourni. Pour une configuration et une utilisation détaillées, voir Client-Side Compétences.
Présentation des commandes de transformation personnalisées
Voici quelques-unes des commandes que vous pouvez utiliser pour les transformations personnalisées. La liste complète des commandes se trouve dans AWS Référence de commande Transformer les transformations personnalisées.
-
atx custom-
Exécute une expérience interactive de transformation personnalisée, permettant la création, la découverte, l'exécution et l'affinement des transformations.
-
Il s'agit de la commande par défaut pour
atx. -
--trust-all-tools(-t) est facultatif et autorise implicitement toutes les demandes d'outils demandées par l'agent. À utiliser avec prudence, en particulier dans les environnements de production. Vous pouvez configurer la confiance dans les outils pour des outils et des commandes spécifiques à l'aide du fichier de paramètres de confiance.
-
-
atx custom --help|atx custom -h-
Affiche le menu d'aide.
-
Chaque commande inclut également un menu d'aide, par exemple,
atx custom def exec --help.
-
-
atx --version|atx -v-
Montre la version.
-
Le numéro de version change à chaque version.
-
-
atx custom def list-
Imprime la liste des transformations disponibles dans le registre des transformations.
-
-
atx custom def exec-
Exécute une transformation
-
-
atx custom def learnings-
Ouvre une session interactive pour visualiser et gérer les leçons qu'une transformation a tirées des précédentes exécutions
-
-
atx mcp-
Utilisé pour gérer les configurations des serveurs MCP
-