Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Fähigkeiten von Agenten zur Modellanpassung
Um die Workflows zur Modellanpassung zu beschleunigen, können Sie einen umfassenden Satz von Amazon SageMaker AI-Agent-Fähigkeiten verwenden, die speziell für die Zusammenarbeit mit KI-Programmierassistenten entwickelt wurden, die Fähigkeiten wie Kiro und unterstützenClaude Code. Diese Fähigkeiten leiten Programmierassistenten in einer IDE oder über die Befehlszeile an, Aufgaben zur Modellanpassung zu orchestrieren, z. B. Anwendungsfallspezifikation und -planung, Datensatztransformation, Auswahl von Anpassungstechniken, Feinabstimmung, Modellbewertung und Modellbereitstellung mit Optionen für Amazon SageMaker AI und Amazon Bedrock gemäß den bewährten Methoden von Amazon SageMaker AI und Amazon Bedrock. Sie können Ihrem Programmierassistenten Ihren Anwendungsfall und Ihren bevorzugten Arbeitsablauf in natürlicher Sprache beschreiben. Dieser gibt, angeleitet von Amazon SageMaker AI-Fähigkeiten, Codekonstrukte aus, die den Aufruf und die Orchestrierung von Amazon SageMaker AI-APIs und MCP-Tools handhaben.
Amazon SageMaker AI-Skills werden als Open-Source-Agenten-Plugin über das Agent GitHub Plugins-Repository vertrieben, das von AWS AWSLabs verwaltet wird. Durch die Einhaltung des SKILL.md Standardformats, das im offenen Standard Agent Skills definiert ist, bleiben diese Fähigkeiten in jeder kompatiblen Programmierumgebung übertragbar.
Erste Schritte
Greifen Sie über das AWSLabs Agent Plugins-Repository sagemaker-ai. Für Programmierassistenten, die Agenten-Plugins nicht direkt unterstützen (z. B. Kiro CLI oder IDE, Stand März 2026), installieren Sie den MCP-Server und die Skills separat, wie in der Readme-Datei für das Sagemaker-ai-Plugin auf der Website beschrieben.
