

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用編碼助理加速機器學習工作流程
<a name="studio-updated-jl-coding-assistant"></a>

## 概觀
<a name="studio-updated-jl-coding-assistant-overview"></a>

Amazon SageMaker AI 中的 JupyterLab 包含透過客服人員內容通訊協定 (ACP) 的整合式編碼助理支援。根據預設，Kiro 編碼助理會在聊天面板中預先設定，直接在 JupyterLab 環境中提供 AI 支援的程式碼完成、偵錯協助和互動式編碼支援。

當您在 Amazon SageMaker AI JupyterLab 中使用編碼助理時，空間會自動將相關的 Amazon SageMaker AI Skills 載入助理的內容。這些技能從 AWSLabs GitHub 儲存庫載入，並提供 SageMaker APIs、ML 工作流程、最佳實務和常見模式的專業知識，讓您的編碼助理能夠提供更準確、SageMaker 特定的指導。

此外，您可以設定您選擇的其他 ACP 相容編碼助理，讓您靈活地使用最適合工作流程的工具。在 Amazon SageMaker AI JupyterLab 中使用時，與 ACP 相容的助理可以受益於相同的 Amazon SageMaker AI Skills 整合。

## 什麼是客服人員內容協定 (ACP)？
<a name="studio-updated-jl-coding-assistant-acp"></a>

代理程式內容通訊協定 (ACP) 是一種開放式通訊協定，可標準化程式碼編輯器和 AI 編碼代理程式之間的通訊。這表示您可以在不同的編碼助理之間切換，而無需學習新的界面或工作流程。

## 最低需求
<a name="studio-updated-jl-coding-assistant-requirements"></a>
+ 具有 JupyterLab 存取權的作用中 Amazon SageMaker AI 帳戶
+ SageMaker Distribution (SMD) 4.1 版
+ 對於 Kiro：有效的 Kiro 帳戶登入資料

## 開始使用
<a name="studio-updated-jl-coding-assistant-getting-started"></a>

**步驟 1：使用 JupyterLab 開啟或建立 SageMaker 空間**

1. 導覽至 Amazon SageMaker AI Studio

1. 前往左側導覽面板中的 **Spaces**，或從模型中樞按一下「使用代理程式自訂」

1. 任何一個：
   + 按一下**建立空間**，然後選取 JupyterLab 做為您的應用程式
   + 開啟包含 JupyterLab 的現有空間

**步驟 2：在聊天面板中開始使用 Kiro：**

Kiro 需要驗證，才能將其用作編碼助理。聊天面板將引導您完成身分驗證程序。

1. 在 JupyterLab 中，按一下右側邊欄中的聊天圖示來開啟聊天面板

1. 您可以輸入 @ 來查看您的可用客服人員

1. 從代理程式下拉式清單中選取 @Kiro

1. 開始提出問題或請求程式碼協助

請注意，您第一次在空間中使用 Kiro 時，會要求您登入。若要登入，請遵循聊天提供的指示，或遵循此處的指示：

1. 在 JupyterLab 中開啟新的終端機：**檔案** > **新** > **終端機**

1. 執行下列命令

   ```
   kiro-cli login --use-device-flow
   ```

選取終端機中的 3 個登入選項之一：

1. 免費搭配建置器 ID 使用

1. 免費與 Google 或 GitHub 搭配使用

1. 搭配 Pro 授權使用

遵循所選選項的指示和畫面。

**提示範例：**
+ 「我想要自訂模型」

## 在 Kiro 中存取 Amazon SageMaker AI 技能
<a name="studio-updated-jl-coding-assistant-skills"></a>

當您在 Amazon SageMaker JupyterLab 中使用 Kiro 時，會自動使用 Amazon SageMaker AI Skills。這些技能會從 AWSLabs GitHub 儲存庫載入，並存放在 JupyterLab 環境中的 `.kiro/skills`和 `.agent/skills` 資料夾中，使其與從這些目錄載入的任何代理程式相容。

技能可更新，可讓您受益於最新的 SageMaker 最佳實務和 API 模式。若要更新您的技能，您可以從 AWSLabs 儲存庫提取最新版本。您可以執行下列命令來更新您的技能，以搭配 Kiro 使用：

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

如需其他客服人員的詳細資訊，請參閱 [SageMaker AI Skills README](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai)。若要檢視您環境中可用的技能，請導覽至 JupyterLab 檔案瀏覽器中的 `.kiro/skills` 資料夾。

在新的 SageMaker Distribution (SMD) 版本中，我們提供技能的更新版本。只要使用者未在空間內修改或刪除技能，我們就會自動更新技能。如果您手動更新或修改技能，請使用上述`npx`命令來更新或重設技能。

## 使用 JupyterLab AI 設定其他編碼助理
<a name="studio-updated-jl-coding-assistant-other"></a>

Amazon SageMaker AI JupyterLab 支援任何實作代理程式內容通訊協定 (ACP) 的編碼助理。支援 ACP 的範例助理包括：
+ **Claude** （透過 claude-agent-acp)
+ **OpenCode** （透過 Opencode CLI >= 1.0.0)
+ **Gemini** （透過 Gemini CLI >= 0.34.0)
+ **Codex** （透過 codex-acp)

若要使用不同的 ACP 相容編碼助理：

1. 在 JupyterLab 終端機中安裝助理的 CLI 工具：

   對於 Claude： `npm install -g @zed-industries/claude-agent-acp`

   對於 Gemini： `npm install -g @google/gemini-cli`

   對於 OpenCode： `npm install -g opencode-ai`

1. 透過執行 命令`restart-jupyter-server`或透過 Studio UI 重新啟動空間來重新啟動空間。請注意，這會導致任何未儲存的工作或處於記憶體狀態 （例如作用中的核心） 遺失。

1. 依照助理的特定身分驗證程序進行身分驗證

1. 從 JupyterLab 聊天面板中的角色下拉式清單中選取助理 （例如 @Claude、@Gemini、@OpenCode)

請注意，對於 Claude Code，您可以特別將其設定為使用 AWS Bedrock 做為後端。請遵循 Claude 程式碼指南中的[先決條件](https://code.claude.com/docs/en/amazon-bedrock)，特別是啟用 Bedrock 模型存取，並提供對 `bedrock:InvokeModel`和 的執行角色存取`bedrock:InvokeModelWithResponseStream`。然後，建立下列檔案，將 Claude Code 設定為使用 Bedrock。

`~/.claude/settings.json`:

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

## 在助理之間切換
<a name="studio-updated-jl-coding-assistant-switching"></a>

您可以隨時在不同編碼助理之間切換：

1. 輸入 @ 以查看可用的客服人員

1. 選取您偏好的助理 （例如 @Kiro、@Claude、@Gemini)

1. 繼續您與新助理的對話

每個助理都會維護自己的對話內容，因此您可以視需要切換不同的任務。

## 在 Kiro 設定檔之間切換
<a name="studio-updated-jl-coding-assistant-profiles"></a>

Amazon SageMaker AI JupyterLab 中的 Kiro 支援多個設定檔，這些設定檔針對不同的工作流程和使用案例進行最佳化。您可以在設定檔之間切換，以存取針對目前任務量身打造的不同功能和行為集。Amazon SageMaker AI JupyterLab 隨附下列 Kiro 設定檔：
+ **sagemaker-ai-default**：針對可存取 Amazon SageMaker AI Skills 的一般 Amazon SageMaker AI 開發進行最佳化。這是您第一次在 SageMaker JupyterLab 中開始使用 Kiro 時的預設設定檔。
+ **kiro-default**：沒有 SageMaker 特定自訂的標準 Kiro 設定檔，提供跨語言和架構的一般編碼協助。
+ **kiro-planner**：專注於 ML 專案的專案規劃、架構設計和高階技術決策。

若要在 JupyterLab 中切換 Kiro 設定檔：

1. 在 JupyterLab 中開啟 Kiro 聊天面板

1. 鍵入以下命令：

   ```
   @Kiro /agent swap <agent name>
   ```

   例如：

   ```
   /agent swap kiro-default
   ```

1. Kiro 將確認設定檔切換，並使用新設定檔的功能重新載入

## 其他資源
<a name="studio-updated-jl-coding-assistant-resources"></a>
+ [Jupyter AI ACP 用戶端文件](https://github.com/jupyter-ai-contrib/jupyter-ai-acp-client)
+ [客服人員內容通訊協定規格](https://acp-protocol.dev/)
+ [Kiro 文件](https://kiro.dev/docs)
+ [Amazon SageMaker AI 文件](https://docs.aws.amazon.com/sagemaker/latest/dg/)