Amazon SageMaker AI meningkatkan Amazon Q Developer dengan saran kode kustom dan konteks ruang kerja
Hari ini, AWS mengumumkan peningkatan signifikan untuk Amazon Q Developer di Amazon SageMaker AI Jupyter Lab, memperkenalkan penyesuaian saran kode berdasarkan repositori kode pribadi dan kemampuan untuk menyertakan seluruh konteks ruang kerja untuk bantuan kode yang lebih baik. Fitur-fitur baru ini memberdayakan organisasi untuk memanfaatkan kode kepemilikan mereka dan meningkatkan relevansi saran kode, yang pada akhirnya meningkatkan produktivitas pengembang dan kualitas kode dalam lingkungan Jupyter Lab.
Dengan fitur kustomisasi baru, Amazon Q Developer sekarang dapat membantu pengembangan perangkat lunak dengan cara yang sesuai dengan pustaka internal tim Anda, teknik algoritmik eksklusif, dan gaya kode perusahaan Anda. Kustomisasi Amazon Q Developer adalah sekumpulan elemen yang memungkinkan Amazon Q memberikan saran berdasarkan basis kode perusahaan Anda. Ini memastikan bahwa saran kode, baik di dalam baris maupun berbasis obrolan, selaras dengan praktik dan standar pengkodean spesifik organisasi Anda.
Selain itu, konteks ruang kerja memungkinkan Amazon Q Developer untuk menemukan file, memahami bagaimana kode digunakan di beberapa file, dan menghasilkan kode yang memanfaatkan banyak file, termasuk yang saat ini tidak dibuka. Kesadaran kontekstual ini menghasilkan bantuan kode yang lebih akurat dan relevan, membantu pengembang lebih memahami seluruh struktur proyek mereka sebelum memulai pengkodean. Pengguna dapat mengakses fitur ruang kerja melalui antarmuka obrolan, memastikan pengalaman pengembangan yang mulus yang memperhitungkan cakupan penuh proyek mereka.
Peningkatan untuk Amazon Q Developer di Amazon SageMaker AI Jupyter Lab sekarang tersedia di Semua Wilayah di mana Amazon SageMaker AI ditawarkan.
Untuk mempelajari lebih lanjut tentang fitur-fitur ini, lihat dokumentasi.