Amazon Web Services ブログ
Amazon CodeCatalyst で、生成系 AI 搭載の Amazon Q を使ってデベロッパーの生産性を向上させる (プレビュー)
11月28日、Amazon CodeCatalyst の新しい生成系人工知能 (AI) 機能のプレビュー版をご紹介できることを嬉しく思います。これにより、Amazon Q を使用してソフトウェアの配信を高速化できます。
機能開発を加速する – Amazon Q の機能開発機能は、コメントや README の追加、問題の説明の改良、小さなクラスや単体テストの生成、CodeCatalyst ワークフローの更新など、デベロッパーにとって時間がかかり面倒で差別化されていないソフトウェア開発タスクの実装を加速するのに役立ちます。デベロッパーは、わずか数回クリックするだけで、自然言語の入力のみで問題内のアイデアから、完全にテストされ、マージの準備が整った実行可能なコードへと移ることができます。AI は、人間のプロンプトを実行可能なプランに変換し、ソースコードリポジトリを要約し、コード、単体テスト、ワークフローを生成し、デベロッパーに割り当てられるプルリクエストの変更を要約するという面倒な作業を行います。発行されたプルリクエストについて直接 Amazon Q にフィードバックを行い、新しいリビジョンを生成するよう依頼することもできます。コード変更が期待通りにならなかった場合は、プルリクエストから直接開発環境を作成し、必要な調整を手動で行い、新しいリビジョンを発行し、承認されたらマージを進めることができます。
例: 既存のアプリケーションで API を変更する
ナビゲーションペインで [Issues] (課題) を選択し、次に [Create issue] (課題を作成) を選択します。課題に、 get_all_mysfits() API を変更して、Age 属性でソートされた mysfits を返すというタイトルを付けます。次に、この課題を Amazon Q に割り当て、[Create issue] (課題を作成) を選択します。
Amazon Q は、課題のタイトルと説明を分析して潜在的な解決策を策定する間、課題を自動的に [In progress] (進行中) 状態に移します。課題について既に話し合いが行われている場合は、Q が何をすべきかを理解できるように、説明に簡潔に記述する必要があります。処理が進むにつれ、Amazon Q は各段階で課題に関するコメントを残して進捗状況を報告します。リポジトリに既に存在するコードの理解と、策定したアプローチに基づいて、ソリューションを作成しようとします。Amazon Q が潜在的なソリューションを上手く生成できれば、ブランチを作成し、そのブランチにコードをコミットします。次に、プルリクエストを作成し、承認されると変更をデフォルトブランチにマージします。プルリクエストが発行されると、Amazon Q は問題のステータスを [In Review] (レビュー中) に変更します。これにより、ユーザーとチームはコードをレビューする準備ができたことがわかります。
変更を要約する – プルリクエストの作成者は、発行している変更をレビュー用に要約するよう Amazon Q に依頼することで、時間を節約できます。これまで、プルリクエストの作成者は説明を手動で記述しなければならず、まったく記述しないことにする場合もあります。作成者が説明を行わないと、どのような変更が行われたのか、またその理由をレビュー担当者が理解しにくくなり、レビュープロセスが遅れ、ソフトウェアの配信に遅れが出てしまいます。
プルリクエストの作成者とレビュー担当者は、Amazon Q にプルリクエストに残されたコメントを要約するよう依頼することで時間を節約することもできます。概要は、共通のフィードバックテーマを簡単に確認できるため、作成者にとって便利です。レビュー担当者にとっては、自分自身や他のチームメンバーからの会話やフィードバックにすばやく追いつくことができるので便利です。全体的なメリットには、コラボレーションの効率化、レビュープロセスの迅速化、ソフトウェア配信の迅速化があります。
プレビューをお試しください
Amazon Q は本日より、米国西部 (オレゴン) の AWS リージョンのスペースで Amazon CodeCatalyst でご利用いただけるようになります。
詳細はこちら
– Irshad
原文はこちらです。