MaxCompute:Kemampuan pemrograman MaxFrame

Ikhtisar

Kemampuan Pemrograman MaxFrame adalah asisten pemrograman AI untuk MaxFrame dari Alibaba Cloud. Fitur ini terintegrasi sebagai plugin cerdas pada asisten pemrograman AI utama, menyuntikkan sistem pengetahuan lengkap mengenai pemrosesan data terdistribusi MaxFrame ke dalam agen AI. Dengan demikian, agen AI dapat secara otomatis menghasilkan kode MaxFrame siap jalan berdasarkan deskripsi dalam bahasa alami.

Kemampuan Pemrograman MaxFrame mencakup seluruh alur kerja pengembangan MaxFrame—mulai dari manajemen Session, I/O data, pemilihan operator, hingga penulisan hasil—sehingga menurunkan hambatan masuk untuk pemrosesan data terdistribusi dan meningkatkan efisiensi pemrograman.

Arsitektur teknis

Kemampuan Pemrograman MaxFrame menggunakan arsitektur injeksi pengetahuan berlapis untuk membekali agen AI secara sistematis dengan sistem pengetahuan pengembangan yang lengkap:

┌───────────────────────────────────────────────────┐
│               AI Programming Assistant             │
│    (Claude Code / Cursor / Codex / Gemini CLI /   │
│        Tongyi Lingma / OpenCode / ...)             │
├───────────────────────────────────────────────────┤
│            MaxFrame Coding Skill                  │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐         │
│  │  Coding    │  │  Context   │  │  Operator  │         │
│  │ Skill Def. │  │   Guide    │  │ Selection  │         │
│  └──────────┘  └──────────┘  │    Agent   │         │
│  ┌──────────┐  ┌──────────┐  └──────────┘         │
│  │ Selection  │  │ API Docs   │  ┌──────────┐         │
│  │ Rule Engine│  │ 900+ Pages │  │  Operator  │         │
│  └──────────┘  └──────────┘  │ Validation │         │
│  ┌────────────────────────────────────────┐  │  Scripts   │         │
│  │         Production-Grade Code Examples      │  └──────────┘         │
│  └────────────────────────────────────────┘       │
├───────────────────────────────────────────────────┤
│               MaxFrame SDK                        │
│    DataFrame │ Tensor │ Learn │ UDF │ Session     │
├───────────────────────────────────────────────────┤
│            MaxCompute Distributed Engine          │
└───────────────────────────────────────────────────┘

Platform yang didukung

Kemampuan Pemrograman MaxFrame mendukung semua asisten pemrograman AI utama melalui metode instalasi terpadu:

Instalasi

1. Unduh paket instalasi

   Paket instalasi skill: https://skills.alibabacloud.com/skills/alibabacloud-odps-maxframe-coding

2. Ekstrak paket ke direktori skills asisten pemrograman AI Anda (menggunakan Claude Code sebagai contoh):

   unzip maxframe-coding-skill.zip -d your-project/.claude/skills/

3. Verifikasi instalasi

   ls your-project/.claude/skills/maxframe-job-coding/

   Direktori tersebut harus berisi: SKILL.md, examples/, references/, scripts/

4. Setelah instalasi, masukkan prompt berikut di asisten pemrograman AI Anda untuk menguji skill tersebut:

   Create a MaxFrame job that reads data from the user_behavior table, groups it by city to calculate GMV, and writes the results to the city_gmv_report table.

   AI akan secara otomatis melakukan langkah-langkah berikut:

   1. Mengonfirmasi sumber data dan tujuan output.

   2. Merekomendasikan kombinasi operator optimal, seperti groupby().agg().

   3. Menghasilkan kode yang dapat dijalankan dengan manajemen Session lengkap dan penanganan error.

Kemampuan inti

User: "I need to calculate a rolling average for my time-series data."
AI:   "I recommend using DataFrame.rolling(). 
       If you need custom window logic, you can use .mf.apply_chunk() as a fallback solution."

Session creation → Data reading → Operator selection → Data processing → Result writing → Session cleanup

Kasus penggunaan

import maxframe.dataframe as md
from odps import ODPS
from maxframe.learn.contrib.llm.models.managed import ManagedTextLLM
from maxframe.session import new_session
import os

o = ODPS(
    os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'),
    os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
    project='your-default-project',
    endpoint='your-end-point',
)

# Initialize a MaxFrame Session
session = new_session(o)

try:
  # Read the data for inference
  df = md.DataFrame({
    "query": ["What is the average distance between Earth and the Sun?", "What is the boiling point of water?"]
  })
  df.execute()


  # Perform inference using a managed large language model
  llm = ManagedTextLLM(name="qwen2.5-1.5b-instruct")
  messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "{query}"},
  ]
  result = llm.generate(df, prompt_template=messages)
  result.execute()
finally:
  session.destroy()

from maxframe.udf import with_fs_mount, with_running_options


@with_running_options(engine="dpe", cpu=2, memory=4)
@with_fs_mount(
  "oss://your-bucket/model-files/",
  "/mnt/model",
  storage_options={"role_arn": "acs:ram::xxx:role/xxx"}
)
def read_model_directory(row):
  import os
  files = os.listdir("/mnt/model")
  # Each worker reads independently, enabling automatic distributed parallelism.
  ...

Tautan terkait

• Dokumentasi Resmi MaxFrame: Distributed AI Computing Engine MaxFrame

• MaxFrame FAQ