Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Utilizzo di un assistente di codifica per accelerare i flussi di lavoro di machine learning

Panoramica di

JupyterLab in Amazon SageMaker AI include il supporto integrato per l'assistente alla codifica tramite l'Agent Context Protocol (ACP). Per impostazione predefinita, Kiro coding Assistant è preconfigurato nel pannello della chat e fornisce il completamento del AI-powered codice, l'assistenza per il debug e il supporto interattivo alla codifica direttamente all'interno del tuo ambiente. JupyterLab

Quando utilizzi gli assistenti di codifica in Amazon SageMaker AI JupyterLab, lo spazio carica automaticamente le Amazon AI Skills pertinenti nel contesto dell'assistente. SageMaker Queste competenze vengono caricate dal GitHub repository AWSlabs e forniscono conoscenze specialistiche su SageMaker API, flussi di lavoro ML, best practice e modelli comuni, consentendo all'assistente di codifica di fornire indicazioni più accurate. SageMaker-specific

Inoltre, puoi configurare altri assistenti di ACP-compatible codifica di tua scelta, offrendoti la flessibilità di lavorare con gli strumenti che meglio si adattano al tuo flusso di lavoro. ACP-compatible gli assistenti possono trarre vantaggio dalla stessa integrazione di Amazon SageMaker AI Skills se utilizzati all'interno di Amazon AI. SageMaker JupyterLab

Cos'è l'Agent Context Protocol (ACP)?

L'Agent Context Protocol (ACP) è un protocollo aperto che standardizza la comunicazione tra editor di codice e agenti di codifica AI. Ciò significa che puoi passare da un assistente di codifica all'altro senza apprendere nuove interfacce o flussi di lavoro.

Requisiti minimi

Nozioni di base

Passaggio 1: apri o crea uno spazio con SageMaker JupyterLab

Passaggio 2: inizia a usare Kiro nel pannello della chat:

Kiro richiede l'autenticazione prima di poterlo utilizzare come assistente di codifica. Il pannello di chat ti guiderà attraverso il processo di autenticazione.

Nota che la prima volta che usi Kiro in uno spazio, ti verrà chiesto di accedere. Per accedere, segui le istruzioni fornite dalla chat o segui qui:

Seleziona una delle 3 opzioni di accesso nel terminale:

Segui le istruzioni e le schermate relative all'opzione selezionata.

Istruzioni di esempio:

Accesso ad Amazon SageMaker AI Skills in Kiro

Le Amazon SageMaker AI Skills sono disponibili automaticamente quando usi Kiro in. SageMaker JupyterLab Queste competenze vengono caricate dal GitHub repository AWSlabs e archiviate nelle .agent/skills cartelle .kiro/skills e all'interno del tuo JupyterLab ambiente, rendendole compatibili con qualsiasi agente che carica da queste directory.

Le competenze sono aggiornabili, consentendoti di beneficiare delle SageMaker migliori pratiche e dei modelli API più recenti man mano che si evolvono. Per aggiornare le tue competenze, puoi estrarre le versioni più recenti dal repository AWSlabs. Puoi eseguire il seguente comando per aggiornare le tue abilità da utilizzare con Kiro:

npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy

Per altri agenti, consulta il README di SageMaker AI Skills per maggiori informazioni. Per visualizzare le competenze disponibili nel tuo ambiente, vai alla .kiro/skills cartella nel browser dei JupyterLab file.

Come parte delle nuove versioni di SageMaker Distribution (SMD), forniamo versioni aggiornate delle competenze. Aggiorneremo le competenze automaticamente purché non siano state modificate o eliminate dall'utente all'interno di uno spazio. Se aggiorni o modifichi manualmente le tue abilità, utilizza i npx comandi precedenti per aggiornare o reimpostare le tue abilità.

Configurazione di altri assistenti di codifica con l'IA JupyterLab

Amazon SageMaker AI JupyterLab supporta qualsiasi assistente di codifica che implementa l'Agent Context Protocol (ACP). Esempi di assistenti che supportano ACP includono:

Per utilizzare un assistente di codifica diverso: ACP-compatible

Tieni presente che, in particolare, per Claude Code, puoi configurarlo per utilizzare AWS Bedrock come backend. Segui i prerequisiti della guida al codice di Claude, abilitando in particolare l'accesso al modello Bedrock e fornendo al tuo ruolo di esecuzione l'accesso a e. bedrock:InvokeModel bedrock:InvokeModelWithResponseStream Quindi, crea il seguente file per configurare Claude Code per l'utilizzo di Bedrock.

~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_USE_BEDROCK": "1"
  }
}

Passaggio da un assistente all'altro

Puoi passare da un assistente di codifica all'altro in qualsiasi momento:

Ogni assistente mantiene il proprio contesto di conversazione, quindi puoi passare avanti e indietro a seconda delle necessità per le diverse attività.

Passaggio da un profilo Kiro all'altro

Kiro in Amazon SageMaker AI JupyterLab supporta più profili ottimizzati per diversi flussi di lavoro e casi d'uso. Puoi passare da un profilo all'altro per accedere a diversi set di funzionalità e comportamenti personalizzati in base all'attività corrente. Amazon SageMaker AI JupyterLab include i seguenti profili Kiro:

Per passare da un profilo Kiro all'altro in: JupyterLab

Risorse aggiuntive