本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 使用编码助手加快您的机器学习工作流程
## 概述
JupyterLab 在 Amazon SageMaker AI 中，包括通过代理上下文协议 (ACP) 提供的集成编码助手支持。默认情况下，Kiro 编码助手是在聊天面板中预先配置的，可在您的 JupyterLab 环境中直接提供 AI-powered 代码完成、调试帮助和交互式编码支持。
当你在 Amazon A SageMaker I 中使用编码助手时 JupyterLab，该空间会自动将相关的亚马逊 SageMaker AI 技能加载到你的助手的上下文中。这些技能从 AWSLabs GitHub 存储库中加载，提供有关 SageMaker API、机器学习工作流程、最佳实践和常见模式的专业知识，使您的编码助手能够提供更准确的指导。 SageMaker-specific
此外，您还可以配置自己选择的其他 ACP-compatible 编码助手，从而灵活地使用最适合您工作流程的工具。 ACP-compatible 在 Amazon A SageMaker I 中使用时，助手可以从同样的 Amazon A SageMaker I 技能集成中受益 JupyterLab。
## 什么是代理上下文协议 (ACP)？
代理上下文协议 (ACP) 是一种开放协议，用于标准化代码编辑器和 AI 编码代理之间的通信。这意味着您可以在不同的编码助手之间切换，而无需学习新的界面或工作流程。
## 最低要求
+ 具有 JupyterLab 访问权限的活跃亚马逊 SageMaker AI 账户
+ SageMaker 发行版 (SMD) 4.1 版
+ 对于 Kiro：有效的 Kiro 账户凭证
## 开始使用
**第 1 步：使用打开或创建 SageMaker 空间 JupyterLab**
1. 导航到亚马逊 A SageMaker I Studio
1. 前往左侧导航面板中的**空间**，或从模型中心单击 “使用代理进行自定义”
1. 或者：
+ 单击 “**创建空间**”，然后选择 JupyterLab 作为您的应用程序
+ 打开包含以下内容的现有空间 JupyterLab
**第 2 步：开始在聊天面板中使用 Kiro：**
Kiro 需要先进行身份验证，然后才能将其用作编码助手。聊天面板将引导您完成身份验证过程。
1. 在中 JupyterLab，单击右侧边栏中的聊天图标打开聊天面板
1. 您可以键入 @ 来查看您的可用代理
1. 从代理下拉列表中选择 @Kiro
1. 开始提问或请求代码帮助
请注意，当你第一次在空间中使用 Kiro 时，它会要求你登录。要登录，请按照聊天中提供的说明进行操作，或者按照以下步骤操作：
1. 在中 JupyterLab，打开一个新终端：“**文件**” > “**新建**” > “**终端**”
1. 运行以下命令
```
kiro-cli login --use-device-flow
```
在终端中选择 3 个登录选项之一：
1. 使用生成器 ID 免费使用
1. 在谷歌上免费使用或 GitHub
1. 使用 Pro 许可证使用
按照所选选项的说明和屏幕进行操作。
**示例提示：**
+ “我想定制一个模型”
## 在 Kiro 中访问亚马逊 SageMaker AI 技能
当你在中使用 Kiro 时， SageMaker Amazon AI 技能将自动可用。 SageMaker JupyterLab这些技能从 AWSLabs 存储 GitHub 库加载并存储在您 JupyterLab 环境中的`.kiro/skills`和`.agent/skills`文件夹中，因此它们与从这些目录加载的任何代理兼容。
技能是可更新的，使您可以随着最新的 SageMaker 最佳实践和 API 模式的演变而受益。要更新您的技能，您可以从 AWSLabs 存储库中提取最新版本。你可以运行以下命令来更新你的技能，以便与 Kiro 一起使用：
```
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy
```
对于其他代理，请参阅 [SageMaker AI 技能自述文件](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai)了解更多信息。要查看环境中可用的技能，请在 JupyterLab 文件浏览器中导航到相应文件`.kiro/skills`夹。
作为新 SageMaker 发行版 (SMD) 的一部分，我们提供了技能的更新版本。只要用户未在空间内修改或删除技能，我们就会自动更新这些技能。如果您手动更新或修改技能，请使用上面的`npx`命令更新或重置您的技能。
## 使用 JupyterLab AI 配置其他编码助手
Amazon SageMaker AI JupyterLab 支持任何实现代理上下文协议 (ACP) 的编码助手。支持 ACP 的示例助手包括：
+ **Claude**（通过 claude-agent-acp）
+ **OpenCode**（通过 opencode CLI >= 1.0.0）
+ **双子座**（通过 gemini CLI >= 0.34.0）
+ **手抄本（通过 codex**-acp）
要使用其他 ACP-compatible 编码助手，请执行以下操作：
1. 在您的 JupyterLab 终端中安装助手的 CLI 工具：
对于库罗德来说：`npm install -g @zed-industries/claude-agent-acp`
对于双子座：`npm install -g @google/gemini-cli`
对于 OpenCode：`npm install -g opencode-ai`
1. 通过运行命令`restart-jupyter-server`或通过 Studio 用户界面重新启动空间来重启空间。请注意，这将导致任何未保存的工作或内存状态（如活动内核）丢失。
1. 按照特定的身份验证过程向助手进行身份验证
1. 从 JupyterLab 聊天面板的角色下拉列表中选择助手（例如 @Claude、@Gemini、@OpenCode）
请注意，特别是对于 Claude Code，你可以将其配置为使用 B AWS edrock 作为后端。遵循 Claude 代码指南中的[先决条件](https://code.claude.com/docs/en/amazon-bedrock)，特别是启用 Bedrock 模型访问权限并向你的执行角色提供对`bedrock:InvokeModel`和的访问权限。`bedrock:InvokeModelWithResponseStream`然后，创建以下文件将 Claude Code 配置为使用 Bedrock。
`~/.claude/settings.json`:
```
{
"env": {
"CLAUDE_CODE_USE_BEDROCK": "1"
}
}
```
## 在助手之间切换
你可以随时在不同的编码助手之间切换：
1. 键入 @ 查看您的可用代理
1. 选择你喜欢的助手（例如 @Kiro、@Claude、@Gemini）
1. 继续与新助手交谈
每个助手都有自己的对话上下文，因此您可以根据需要来回切换以执行不同的任务。
## 在 Kiro 配置文件之间切换
Amazon A SageMaker I 中的 Kiro JupyterLab 支持针对不同工作流程和用例进行了优化的多个配置文件。您可以在配置文件之间切换，以访问针对您当前任务量身定制的不同功能和行为集。Amazon SageMaker AI JupyterLab 附带以下 Kiro 个人资料：
+ **sagemaker-ai-default：针对一般的亚马逊 AI** 开发进行了优化，可以访问亚马逊 SageMaker AI 技能。 SageMaker 这是您首次开始在中使用 Kiro 时的默认配置文件。 SageMaker JupyterLab
+ **kiro-default**：没有 SageMaker-specific 自定义的标准 Kiro 配置文件，提供跨语言和框架的通用编码帮助。
+ **kiro-planner**：专注于机器学习项目的项目规划、架构设计和高级技术决策。
要在 Kiro 配置文件之间切换，请执行以下操作 JupyterLab：
1. 在中打开 Kiro 聊天面板 JupyterLab
1. 键入以下命令：
```
@Kiro /agent swap
```
例如：
```
/agent swap kiro-default
```
1. Kiro 将确认配置文件切换并使用新配置文件的功能重新加载
## 其他资源
+ [Jupyter AI ACP 客户端文档](https://github.com/jupyter-ai-contrib/jupyter-ai-acp-client)
+ [代理上下文协议规范](https://acp-protocol.dev/)
+ [Kiro 文档](https://kiro.dev/docs)
+ [亚马逊 SageMaker AI 文档](https://docs.aws.amazon.com/sagemaker/latest/dg/)