View a markdown version of this page

Personalizada - AWS Transformação

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Personalizada

O que é AWS Transformar de forma personalizada?

AWS O Transform Custom usa IA agente para realizar a modernização em grande escala de software, código, bibliotecas e estruturas para reduzir a dívida técnica. Ele lida com diversos cenários, incluindo atualizações de versões de idiomas, migrações de API e serviços, atualizações e migrações de estruturas, refatoração de código e transformações específicas da organização.

Por meio do aprendizado contínuo, o agente melhora a cada execução e o feedback do desenvolvedor, oferecendo transformações repetíveis e de alta qualidade sem exigir experiência especializada em automação.

Principais recursos

AWS O Transform Custom fornece os seguintes recursos:

  • Definição de transformação baseada em linguagem natural - Crie transformações personalizadas usando linguagem natural, documentação e exemplos de código

  • Execução da transformação - Aplique transformações de forma consistente e confiável em várias bases de código

  • Aprendizagem contínua - Melhore automaticamente a qualidade da transformação de cada execução

  • AWS-transformações gerenciadas - Use pronto para uso, AWS-transformações verificadas para cenários comuns

Padrões de transformação

AWS O Transform Custom suporta diversos padrões de transformação para atender às suas necessidades de modernização. Cada padrão tem características de complexidade diferentes com base no escopo e na natureza das mudanças necessárias.

Padrão Description Complexidade Exemplos
Migrações de API e serviços Migrar entre versões de API ou serviços equivalentes, mantendo a funcionalidade Médio AWS SDK v1→v2 (Java, Python, JavaScript), Boto2→Boto3, Unidade 4→5, javax→jakarta
Atualizações da versão do idioma Atualização para versões mais recentes da mesma linguagem de programação, adoção de novos recursos e substituição de funcionalidades obsoletas Low-Medium Java 8→17, Python 3.9→3.13, Node.js 12→22, TypeScript atualizações de versão
Atualizações da estrutura Atualização para versões mais recentes da mesma estrutura, abordando mudanças importantes Médio Spring Boot 2.x→3.x, React 17→18, atualizações Angular, atualizações Django
Migrações de estrutura Migração para estruturas totalmente diferentes que atendem a propósitos semelhantes Alto Angular→React, Redux→Zustand, Vue.js→Reagir
Atualizações de bibliotecas e dependências Atualizar bibliotecas de terceiros para versões mais recentes, mantendo a mesma linguagem e estrutura Low-Medium Pandas 1.x→2.x, NumPy atualizações, Hadoop/HBase/Hive atualizações da biblioteca, atualizações do Lodash
Refatoração de código e modernização de padrões Modernizando os padrões de código e adotando as melhores práticas sem alterar a funcionalidade externa Low-Medium Impressão → Estruturas de registro, concatenação de strings → f-strings, adoção de dicas de tipo, instrumentação de observabilidade
Roteiro e File-by-File Traduções Traduzindo scripts independentes ou arquivos de configuração em que os arquivos são, em sua maioria, independentes Low-Medium AWS CDK → Terraform, Terraform →CloudFormation, Excel → Notebooks Python, Bash →PowerShell
Migrações de arquitetura Migração entre arquiteturas de hardware ou ambientes de execução com alterações mínimas de código Medium-High x86 →AWS Graviton (ARM), local→Lambda, servidor tradicional→contêineres
Language-to-Language Migrações Traduzindo bases de código de uma linguagem de programação para outra Muito alto Java→Python, JavaScript→TypeScript, C→Rust, Python→Go
Personalizado e Organization-Specific Transformações Requisitos organizacionais exclusivos e necessidades especializadas de modernização Varia Migrações personalizadas de bibliotecas internas, padrões de codificação específicos da organização, migrações de estruturas proprietárias
nota

Para COBOL/mainframe idiomas, uso AWS Transforme para mainframe. Para atualizações do.NET Framework para o.NET Core, considere AWS Transform para Windows. Para migrações da VMware para AWS, considere AWS Transforme para VMware.

Como AWS Transforme trabalhos personalizados

AWS A transformação personalizada geralmente é usada em projetos de grande escala em que várias bases de código ou módulos são transformados. As equipes normalmente seguem um fluxo de trabalho em quatro fases:

Defina a transformação - Forneça solicitações de linguagem natural, documentação e amostras de código ao agente, o que gera uma definição inicial de transformação. Essa definição pode ser refinada iterativamente por meio de bate-papo ou edições diretas. Essa fase pode ser ignorada ao usar AWS-transformações gerenciadas.

Piloto ou Proof-of-Concept - Teste a transformação em bases de código de amostra e refine com base nos resultados. Essa fase de validação ajuda a estimar o custo e o esforço de toda a transformação. O aprendizado contínuo melhora a qualidade durante essa fase.

Execução escalável - Configure a execução automatizada em massa usando a CLI, com os desenvolvedores revisando e validando os resultados. Monitore o progresso usando o aplicativo web e acompanhe as transformações em vários repositórios.

Monitore e analise - O aprendizado contínuo melhora automaticamente a qualidade da transformação. Analise as lições que foram extraídas de séries anteriores para garantir que elas atendam aos padrões de qualidade e arquive as que não forem úteis.

Compreender os conceitos principais do

Esta seção explica os principais conceitos para trabalhar com AWS Transforme de forma personalizada.

Definições de transformação

UM definição de transformação contém as instruções e o conhecimento necessários para realizar uma transformação de código específica. É representado como uma habilidade e consiste em:

  • SKILL.md (obrigatório) - Instruções em Markdown com frontmatter YAML (name e description campos) que contém a lógica de transformação central e as instruções de execução

  • references/ pasta (opcional) - Documentação carregada conforme necessário durante a execução da transformação

  • scripts/ pasta (opcional) - Scripts que a transformação baixa e executa durante a execução

AWS O Transform CLI baixa automaticamente as definições de transformação para o diretório atual quando necessário para execução, inspeção ou modificação.

Importante

Ao publicar uma transformação, o diretório deve conter somente SKILL.md e, opcionalmente, o references/ pasta, a scripts/ pasta ou ambas. Nenhum outro arquivo ou subdiretório é permitido.

nota

A CLI versão 2.0 e posterior usa o formato de habilidades. As definições de transformação existentes são tratadas automaticamente pela CLI.

Categorias de definição de transformação

Uma definição de transformação pode ter um categoria que diz como é usado:

  • analysis — Lê o código e relata as descobertas. A modernização contínua executa essas definições de transformação como uma análise personalizada.

  • remediation — Altera o código. A modernização contínua usa essas definições de transformação para remediar as descobertas, e análises personalizadas e de dívida tecnológica podem combinar as descobertas com elas.

Defina a categoria com o --category opção de atx custom def publish ou atx custom def save-draft:

atx custom def publish -n <transformation-name> --description "Description" --sd <directory> --category analysis atx custom def publish -n <transformation-name> --description "Description" --sd <directory> --category remediation atx custom def list # The Category column shows each transformation definition's category

AWS Transform usa a categoria para decidir onde uma definição de transformação pode ser usada.

Use Definições de transformação permitidas
Análise personalizada (--type custom) Suas próprias definições de transformação com o analysis categoria
Remediação com --transformation-name Suas próprias definições de transformação com o remediation categoria, ou AWS transformações gerenciadas
Transformação combinada com uma descoberta de uma dívida tecnológica ou de uma análise personalizada Suas próprias definições de transformação com o remediation categoria, ou AWS transformações gerenciadas. Uma descoberta nunca corresponde a uma definição de transformação com o analysis categoria ou sem categoria.

Antes de enviar uma análise, um cronograma ou uma correção personalizados, AWS Transform verifica a categoria da definição de transformação.

Para ajudar as descobertas a serem comparadas às suas remediation definição de transformação, coloque o que ela muda no início. Uma análise primeiro lê apenas o início de cada definição para decidir quais delas considerar e lê apenas o texto completo delas. Comece com um título e um escopo curto que digam o que a definição muda e onde (por exemplo, quais idiomas ou arquivos) e mantenha cada definição com um tipo de mudança. Consulte Combinando descobertas com transformações.

Para alterar a categoria de uma definição de transformação, publique-a novamente com uma diferente --category valor. Se você publicar uma nova versão sem --category, a nova versão mantém a categoria da versão anterior.

Para saber como executar um analysis definição de transformação, consulte Análise personalizada.

nota

Uma categoria é diferente de uma tag de recurso. Para gerenciar tags de recursos, consulte Comandos de tag.

Escreva uma definição de transformação para análise

Para obter descobertas úteis, escreva a definição de transformação de forma que ela descreva o que procurar, como classificar cada problema e o que não fazer. Recomendamos as seguintes seções em SKILL.md.

Seção O que incluir
Introdução Uma ou duas frases que declaram o que a análise descobriu. Declare que é somente para leitura e não deve modificar nenhum arquivo.
Critérios de entrada Quando a análise se aplica, por exemplo, “O repositório contém um pom.xml ou build.gradle arquivo.”
Escopo Os arquivos e diretórios a serem inspecionados e os que devem ser ignorados, como saída de compilação e dependências fornecidas.
O que denunciar Os padrões ou condições específicos que contam como um problema. Peça uma descoberta por problema, com o caminho do arquivo e o número da linha.
Categorias Um conjunto pequeno e fixo de valores de categoria e quais questões pertencem a cada uma delas.
Critérios de gravidade O que torna um problema high, medium, ou low.
Critérios de saída Como o agente sabe que isso é feito: cada arquivo dentro do escopo foi inspecionado, cada descoberta tem um arquivo, uma categoria e uma severidade, e nenhum arquivo foi alterado. Indique também o que denunciar quando nada for encontrado.

O exemplo a seguir encontra projetos Java que ainda visam uma versão Java anterior à 17.

--- name: java-version-detector description: Report where a repository still targets a Java version earlier than 17, in build files, Dockerfiles, toolchain files, and CI workflows. Analysis only - no code is modified. --- # Java Version Detector Find where the repository targets a Java version earlier than Java 17. This is a read-only analysis: report findings, and do not modify any files. ## Entry Criteria The repository contains a Java build file (`pom.xml`, `build.gradle`, `build.gradle.kts`, or `gradle.properties`), or a file that selects a JDK (`.java-version`, `.tool-versions`, `.sdkmanrc`, a `Dockerfile`, or a file under `.github/workflows/`). ## Scope - Inspect build files, toolchain files, Dockerfiles, and CI workflow files. - Skip build output (`build/`, `target/`) and vendored dependencies. ## What to Report Report one finding for each place that selects a Java version earlier than 17: 1. A compile target, such as `maven.compiler.source`, `maven.compiler.release`, `java.version`, `sourceCompatibility`, or a Gradle toolchain `languageVersion`. 2. A Dockerfile base image that ships a JDK or JRE earlier than 17, such as `openjdk:8` or `amazoncorretto:11`. 3. A CI job or toolchain file that selects a JDK earlier than 17. For each finding, include the file path, the line number, and the version you found. ## Categories - `outdated-compile-target` - a build file compiles for an old Java version - `outdated-runtime-image` - a Dockerfile uses an old JDK or JRE image - `outdated-ci-jdk` - a CI workflow or toolchain file selects an old JDK ## Severity Criteria - **high** - the project compiles for Java 8 or earlier - **medium** - the project compiles for Java 9 through 16 - **low** - only the runtime image or CI uses an old JDK, and the compile target is 17 or later ## Exit Criteria 1. Every in-scope file has been inspected. 2. Every finding has a file path, line number, category, and severity from the lists above. 3. No file in the repository has been modified. 4. If nothing is found, state that the repository targets Java 17 or later.

Quando essa definição de transformação é executada em um projeto cujo pom.xml conjuntos <source>1.8</source>, produz um high descoberta de gravidade no outdated-compile-target categoria, correspondente à AWS/java-version-upgrade transformação.

Dicas para escrever definições de transformação de análise

  • Mantenha-o somente para leitura. Declare explicitamente que a análise não deve modificar os arquivos. Corrigir problemas é o trabalho de uma remediação.

  • Seja específico sobre o que conta como um problema. Nomeie os arquivos, configurações e padrões a serem procurados. Instruções vagas produzem descobertas inconsistentes.

  • Peça uma descoberta por edição. Cada descoberta deve apontar para um arquivo e uma linha específicos para que possa ser revisada e corrigida individualmente.

  • Defina severidade e categorias na definição de transformação. O agente usa seus critérios para classificar cada descoberta.

  • Mantenha o escopo focado. Uma análise personalizada relata somente o que sua definição de transformação descreve. Para encontrar vários tipos de problemas, escreva definições de transformação separadas ou use os tipos de análise integrados.

  • Diga o que fazer quando nada for encontrado. Um repositório que não tem problemas não produz corretamente nenhuma descoberta.

  • Inclua as instruções de descoberta na definição da transformação. Se você passar a configuração com -g ou --configuration quando você executa a análise, AWS O Transform usa sua configuração em vez das instruções padrão. Manter a seção “O que denunciar” em SKILL.md faz com que a definição de transformação produza descobertas de qualquer maneira.

Teste a definição de transformação em um repositório que você sabe que contém o problema antes de publicá-lo. Salve-o como rascunho com atx custom def save-draft, ou execute-o localmente com atx ct analysis run (veja Análise personalizada).

Registro de transformação

O registro de transformação é seu AWS repositório centralizado da conta para armazenar e gerenciar definições de transformação. As transformações no registro podem ser:

  • Listado usando atx custom def list

  • Executado em várias bases de código

  • Compartilhado com outros usuários em seu AWS conta

  • Version-controlled

Importante

As definições de transformação são específicas da conta. Se você quiser usar uma transformação em um diferente AWS conta, você deve publicá-la separadamente nessa conta.

Rascunho versus transformações publicadas

AWS O Transform custom oferece suporte a dois estados para transformações no registro:

Rascunho de transformações são definições de transformação em andamento ou não testadas. Eles são salvos como versões específicas e podem ser recuperados, atualizados e executados por usuários que se referem a essa versão específica. Os rascunhos são úteis para desenvolvimento, teste e refinamento iterativos antes que a transformação esteja pronta para ser compartilhada com sua equipe. Os rascunhos também estão associados a uma conversa específica. Se você reiniciar a CLI, poderá usar atx --conversation-id {id} para restaurar um anterior.

Transformações publicadas estão disponíveis no registro de transformação da sua conta para execução por outros usuários com as permissões de IAM necessárias. As transformações publicadas podem ser descobertas usando atx custom def list.

O fluxo de trabalho típico é:

  1. Crie transformação localmente

  2. Salvar como rascunho para teste (atx custom def save-draft)

  3. Refine e valide

  4. Publique para compartilhar com sua equipe (atx custom def publish)

Você também pode publicar uma transformação diretamente sem salvá-la como rascunho.

Referências versus aulas

AWS O Transform custom usa dois tipos de conhecimento para melhorar a qualidade da transformação:

Referências são documentações fornecidas pelo usuário armazenadas no references/ pasta de uma definição de transformação. As referências suportam somente arquivos de texto (máximo de 10 MB no total para todos os arquivos) e geralmente contêm documentação, especificações de API, guias de migração e exemplos de código. As referências são carregadas conforme necessário durante a execução da transformação. Você adiciona referências ao criar ou atualizar uma definição de transformação no modo interativo.

Lições são extraídos automaticamente das execuções anteriores de uma transformação. O sistema de aprendizado contínuo os gera a partir de trajetórias de execução, feedback do desenvolvedor e correções de código que ele encontra durante as transformações. Ele agrupa as aulas relacionadas em categorias para que você possa analisá-las em conjunto. Diferentemente das referências, que você fornece antecipadamente, as lições se acumulam com o tempo à medida que você executa a transformação em diferentes bases de código, e o sistema as aplica automaticamente para melhorar as execuções futuras. Você revisa e gerencia as aulas de forma interativa com atx custom def learnings.

Comandos de construção e validação

O comando de construção ou validação é um parâmetro opcional que especifica como validar seu código durante o processo de transformação. Esse comando é executado em vários pontos durante a transformação para garantir a integridade do código.

Fornecer um comando que valide os resultados e retorne problemas se a validação falhar é muito importante para melhorar a qualidade da transformação por meio do aprendizado contínuo. Se nenhuma compilação ou validação for necessária, omita da sua entrada.

Para obter exemplos e orientações detalhadas, consulte Comandos de criação e validação na seção Fluxos de trabalho.

Aprendizagem contínua

Aprendizagem contínua é o sistema que captura automaticamente o feedback de cada execução de transformação e melhora a qualidade da transformação ao longo do tempo. O sistema coleta informações por meio de:

  • Feedback explícito - Comentários e correções de código fornecidos no modo interativo

  • Observações implícitas - Problemas que o agente encontra ao transformar e depurar o código

O sistema de aprendizado contínuo processa essas informações para criar aulas que acrescenta à definição de transformação para melhorar as transformações futuras. O sistema executa o processo de aprendizado automaticamente após a conclusão das transformações, sem exigir nenhuma contribuição adicional de você.

Importante

As aulas são específicas para cada transformação e não são compartilhadas entre diferentes transformações ou diferentes contas de clientes.

Gerenciando aulas

O sistema gera aulas automaticamente, mas você controla quais delas ele aplica às corridas futuras. O atx custom def learnings O comando abre uma sessão de terminal interativo para revisar e organizar as lições que uma transformação acumulou.

Nesta sessão, você pode:

  • Procure aulas agrupadas em categorias e veja quantas aulas ativas cada categoria contém.

  • Abra uma aula para ler todos os detalhes, incluindo o corpo da aula, seu impacto e quantas edições anteriores a consultei.

  • Arquive uma lição para evitar que o sistema a aplique em execuções futuras e restaure-a posteriormente, se necessário.

  • Exclua permanentemente uma aula arquivada que não é mais útil.

Para obter instruções detalhadas, consulte Aprendizagem contínua.

Client-Side Habilidades

Client-side habilidades são recursos adicionais que ampliam o agente durante as execuções de transformação. Diferentemente das definições de transformação que definem qual transformação realizar, as habilidades do lado do cliente fornecem ferramentas, scripts e instruções complementares que o agente pode usar junto com seus recursos integrados durante qualquer transformação.

Client-side as habilidades são descobertas em diretórios em nível de projeto e de usuário. Coloque as habilidades no nível do projeto quando elas impõem padrões específicos para um repositório e no nível do usuário quando elas se aplicam a todos os seus projetos. Project-level as habilidades só estão disponíveis quando um caminho de repositório de código é fornecido. Para configuração e uso detalhados, consulte Client-Side Habilidades.

Introdução aos comandos de transformação personalizados

Aqui estão alguns dos comandos que você pode usar com transformações personalizadas. A lista completa de comandos está na AWS Referência do comando Transformar transformações personalizadas.

  • atx custom

    • Executa uma experiência interativa de transformação personalizada, permitindo a criação, descoberta, execução e refinamento das transformações.

    • Esse é o comando padrão para atx.

    • --trust-all-tools (-t) é opcional e permite implicitamente todas as solicitações de ferramentas solicitadas pelo agente. Use com cuidado, especialmente em ambientes de produção. Você pode configurar a confiança de ferramentas para ferramentas e comandos específicos usando o arquivo de configurações de confiança.

  • atx custom --help | atx custom -h

    • Mostra o menu de ajuda.

    • Cada comando também inclui um menu de ajuda, por exemplo, atx custom def exec --help.

  • atx --version | atx -v

    • Mostra a versão.

    • O número da versão muda a cada lançamento.

  • atx custom def list

    • Imprime a lista de transformações disponíveis no registro de transformação.

  • atx custom def exec

    • Executa uma transformação

  • atx custom def learnings

    • Abre uma sessão interativa para visualizar e gerenciar as lições que uma transformação aprendeu em execuções anteriores

  • atx mcp

    • Usado para gerenciar configurações do servidor MCP