MaxCompute：MaxFrame Coding Skill

功能概述

MaxFrame Coding Skill是阿里雲MaxFrame推出的AI編程協助工具輔助。它以智能外掛程式的形式整合到主流AI編程助手中，將MaxFrame完整的分布式資料處理知識體系注入AI Agent，使其能夠根據自然語言描述，自動產生可直接啟動並執行MaxFrame代碼。

MaxFrame Coding Skill覆蓋MaxFrame開發的全鏈路流程——從會話管理、資料讀寫、運算元選擇到結果寫入，降低分布式資料處理的開發門檻，提升編碼效率。

技術架構

MaxFrame Coding Skill採用多層知識注入架構，將完整的開發知識體系系統化地注入AI Agent：

┌───────────────────────────────────────────────────┐
│               AI 編程助手                          │
│    (Claude Code / Cursor / Codex / Gemini CLI /   │
│        通義靈碼 / OpenCode / ...)                  │
├───────────────────────────────────────────────────┤
│            MaxFrame Coding Skill                  │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐         │
│  │ 編碼技能   │  │ 上下文    │  │ 運算元選擇  │         │
│  │  定義     │  │  指南     │  │  代理     │        │
│  └──────────┘  └──────────┘  └──────────┘         │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐         │
│  │ 選擇規則  │  │ API 文檔  │  │ 運算元驗證  │         │
│  │  引擎     │  │ 900+ 頁  │  │  指令碼     │         │
│  └──────────┘  └──────────┘  └──────────┘         │
│  ┌────────────────────────────────────────┐       │
│  │             生產級實戰程式碼範例            │       │
│  └────────────────────────────────────────┘       │
├───────────────────────────────────────────────────┤
│               MaxFrame SDK                        │
│    DataFrame │ Tensor │ Learn │ UDF │ Session     │
├───────────────────────────────────────────────────┤
│            MaxCompute 分布式引擎                    │
└───────────────────────────────────────────────────┘

適用平台

MaxFrame Coding Skill支援所有主流AI編程助手，安裝方式統一：

安裝步驟

1. 下載安裝包

   Skill安裝包：maxframe-coding-skill.zip

2. 解壓到對應 AI 編程助手的 skills 目錄（以 Claude Code 為例）

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

3. 驗證安裝結果

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

   應包含：SKILL.md, examples/, references/, scripts/

4. 安裝完成後，在AI編程助手中輸入以下指令驗證

   建立一個 MaxFrame 作業，從 user_behavior 表讀取資料，按 city 分組統計 GMV，結果寫入 city_gmv_report 表

   AI將自動完成以下流程：

   1. 確認資料來源和輸出目標

   2. 推薦最優運算元組合（如groupby().agg()）

   3. 產生包含完整Session管理和錯誤處理的可運行代碼

核心能力

使用者："我需要對時間序列資料做滾動平均"
AI：  "推薦使用 DataFrame.rolling()。
       如果需要自訂視窗邏輯，可使用 .mf.apply_chunk() 作為備選方案。"

Session 建立 → 資料讀取 → 運算元選擇 → 資料處理 → 結果寫入 → Session 清理

典型應用情境

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',
)

# 初始化MaxFrame會話
session = new_session(o)

try:
  # 讀取待推理資料
  df = md.DataFrame({
    "query": ["地球距離太陽的平均距離是多少？", "什麼是水的沸點？"]
  })
  df.execute()


  # 使用託管大模型推理
  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")
  # 每個 Worker 獨立讀取，自動分布式並行
  ...

相關連結

• MaxFrame官方文檔：分布式AI計算引擎MaxFrame

• MaxFrame常見問題