当前位置：首页 > ops >正文

终结开发混乱，用 Amazon Q 打造AI助手

ops 2025/8/22 12:10:48

有一说一，作为开发者，我们得戴着好几顶帽子干活。前一分钟，你还沉浸在 Python 后端，和数据库结构死磕；下一分钟，你可能就被空投到 React 前端项目里，对着组件库和设计系统一脸懵圈。每一次上下文切换，都是一次大脑的“硬重启”，伴随着全新的工具、语言和思维模式。

现在，想象一下，你的命令行里就有一个像 Amazon Q Developer 这样的 AI 助手，随时待命。你问它：“嘿，这里有多少个 table？” AI 愣住了。你问的是 UI 里的 HTML <table> 元素，还是 PostgreSQL 数据库里的 SQL 表？如果不知道你戴着哪顶“帽子”，它只能靠猜。

这就是那种拖慢我们节奏的“开发混乱”。但如果你能给你的 AI 助手也配上不同的帽子呢？如果你能为它创建几个专属的“人设”或“搭档”——一个前端专家，一个后端大师，一个 DevOps 能手——让它精准地知道你正在做什么呢？

这正是 Amazon Q Developer CLI 中的定制代理（Custom Agents） 能做到的事。话不多说，让我们动手打造几个这样的 AI 搭档，来简化我们的工作流吧。

新用户可获得高达 200 美元的服务抵扣金

亚马逊云科技新用户可以免费使用亚马逊云科技免费套餐（Amazon Free Tier）。注册即可获得 100 美元的服务抵扣金，在探索关键亚马逊云科技服务时可以再额外获得最多 100 美元的服务抵扣金。使用免费计划试用亚马逊云科技服务，最长可达 6 个月，无需支付任何费用，除非您选择付费计划。付费计划允许您扩展运营并获得超过 150 项亚马逊云科技服务的访问权限。

任务揭晓 🚀

今天，我们要在终端里亲手打造两个专属的 AI 代理：

后端专家：这个代理将是我们的 Python 和 PostgreSQL 栈的专家。它将被授予对我们数据库结构的直接只读访问权限。
前端大师：这个代理将为 React 和 Figma 量身定制，随时准备在 UI 组件和设计规范方面提供帮助。

万事开头难：先把环境搭好

在开始构建之前，请确保你已经安装并认证了 Amazon Q Developer CLI。可以在亚马逊云科技官网注册你的账号并完成以下操作。

第一步：打造你的后端专家代理 🐍

我们的第一个代理将是后端专家。我们会用一个简单的 JSON 文件来定义它的个性和技能。

首先，创建这个文件。定制代理的配置文件存放在你主目录下的一个特定文件夹里。

# 如果目录不存在，就创建它
mkdir -p ~/.aws/amazonq/agents/# 为我们的后端代理创建并打开配置文件# 用你喜欢的编辑器，比如 nano, vim, 或者 VS Code
~/.aws/amazonq/agents/back-end.json

现在，把下面的 JSON 内容粘贴到 back-end.json 文件里。我们稍后会逐一解释每个部分的作用。

{"description": "为 Python 和 PostgreSQL 后端开发优化","mcpServers": {"PostgreSQL": {"command": "uvx","args":}},"tools": ["*"],"allowedTools":,"resources":,"hooks": {"agentSpawn": [{"command": "git status"}]}
}

保存并关闭文件。现在，我们来解读一下这个配置：

"description": 这只是给你自己看的一段简单描述，解释这个代理是干嘛的。
"mcpServers": 这是你把代理和外部世界连接起来的地方。在这里，我们给了它一条直连 PostgreSQL 数据库的“热线”。这让 Q 可以问出“users 表的结构是什么？”这样的问题，并得到真实的答案。注意那个 "--readonly", "True" 标志——这是一个至关重要的安全措施，确保我们的 AI 助手不会意外修改我们的数据。
"tools" 和 "allowedTools": 把这想象成给了你的代理一个工具箱 (tools)，然后预先批准了其中一些工具的使用权 (allowedTools)。我们给了它访问所有工具的权限 ("*")，但在权限上非常小心。它可以无需询问就读取文件 (fs_read) 和获取数据库结构 (@PostgreSQL/get_table_schema)，但如果它想写文件 (fs_write)，就必须先征得你的同意。这给了你精细的控制权。

"resources": 这就像是给了你的代理一些必读材料。我们告诉它，要始终参考项目的 README.md 和一些我们全局存放的关于 Python 和 SQL 的个人偏好文件。这有助于它给出与我们项目规范和个人编码风格一致的答案。

"hooks": 这给了我们的代理一个启动程序。agentSpawn 钩子会在我们每次与这个代理开始聊天时运行一个命令。在这里，我们运行 git status，这样代理就能立刻知道我们仓库的状态。

第二步：组装前端大师代理 🎨

有了后端专家，我们再来创建它的前端搭档。

为我们的前端代理打开一个新文件：

~/.aws/amazonq/agents/front-end.json

粘贴这个配置。注意它和我们后端代理的不同之处。

{"description": "为使用 React 和 Figma 的前端 Web 开发优化","mcpServers": {"Figma": {"command": "npx","args": ["mcp-remote","http://127.0.0.1:3845/sse"]}},"tools": ["*"],"allowedTools": ["fs_read","fs_write","report_issues","@Figma"],"resources":,"hooks": {"agentSpawn": [{"command": "git status"}]}
}

我们来重点看看关键变化：

新工具：mcpServers 部分现在指向了一个本地的 Figma 服务器，让我们的代理可以直接访问我们的设计文件。
不同的权限：这里的 allowedTools 更加宽松。我们信任这个代理可以读写文件 (fs_write)，并且可以无需许可就使用 Figma 服务器的任何工具 (@Figma)。
不同的阅读材料：resources 现在指向一个 react-preferences.md 文件，使其知识更贴合我们的前端框架。