¿Te encuenrtas con situaciones como estas?

"Necesito procesar una tabla de comportamiento de usuario con millones de registros usando MaxFrame, agrupando por ciudad para estadísticas de agregación, pero no estoy seguro si usar groupby().agg() o apply_chunk..."

"Quiero invocar el modelo Qwen desde MaxFrame para análisis y etiquetado de datos, pero desconozco qué operadores emplear o cómo estructurar el flujo de desarrollo..."

"Me han asignado extraer embeddings de imágenes en OSS mediante un modelo grande y almacenarlas en una tabla de MaxCompute, pero no sé cómo configurar with_fs_mount para el montaje ni with_running_options para asignar GPU..."

"Sé que MaxFrame es compatible con la API de pandas, pero siempre tropiezo al escribir código: olvido invocar .execute(), la sesión no se destruye, el tipo de retorno del UDF no coincide..."

Si estas situaciones te resultan familiares, el MaxFrame Coding Skill, lanzado hoy, ha sido diseñado para ti.

Explicación en una frase

MaxFrame es un motor de computación distribuida para IA desarrollado por Alibaba Cloud MaxCompute, con una interfaz de programación en Python. Resuelve los problemas de cuellos de bottella de rendimiento y el movimiento ineficiente de datos que existen en el procesamiento tradicional de una sola máquina. MaxFrame permite procesar, analizar y realizar inferencia offline distribuida de datos multimodales a escala de petabytes directamente en MaxCompute, llevando a cabo exploración de datos visual, aprendizaje automático/cómputo científico distribuido e inferencia offline de modelos grandes, con soporte para la programación mixta de recursos heterogéneos como CPU y GPU, e invocación directa de Qwen para inferencia.

MaxFrame Coding Skill es un plugin inteligente para asistentes de programación de IA populares. Tras su instalación, tu agente de IA "aprenderá" el conjunto de conocimiento completo para el desarrollo con MaxFrame, desde la gestión de sesiones, la selección de operadores, el procesamiento de datos hasta la escritura de resultados.

En esencia: solo necesitas describir tu necesidad en lenguaje natural, y la IA generará código MaxFrame listo para ejecutarse.

Los asistentes de programación de IA soportados incluyen: Claude Code, Cursor, Codex, OpenCode, Gemini CLI, Tongyi Lingma/Qoder, entre otros.

¿Qué funcionalidades ofrece?

1. Selección inteligente de operadores: fin de la duda sobre qué API usar

MaxFrame ofrece un amplio ecosistema de operadores: operadores estándar de pandas, operadores de extensión .mf exclusivos de MaxFrame (apply_chunk, map_reduce, flatmap, rebalance), y capacidades UDF/UDTF. Frente a un requerimiento de procesamiento, ¿cuál es la opción más adecuada?

El Coding Skill incluye un agente inteligente Selector de Operadores que puede:

• Recomendar operadores automáticamente según la descripción de la tarea: describiendo "necesito hacer procesamiento por lotes en un conjunto de datos grande", recomendará groupby().mf.apply_chunk() y explicará el porqué.
• Verificar la existencia del operador: evita que uses APIs que no existen.
• Proporcionar alternativas: si el operador principal tiene limitaciones, ofrece automáticamente una solución de respaldo basada en UDF.

Tú: "Necesito calcular un promedio móvil sobre datos de series temporales."
IA: "Recomiendo usar DataFrame.rolling(), soportado tanto en el SQL Engine como en DPE. Si requieres una lógica de ventana personalizada, puedes usar .mf.apply_chunk() como alternativa."

2. Generación de código para todo el flujo: desde leer datos hasta escribir resultados

El Coding Skill cubre el flujo de trabajo completo de desarrollo con MaxFrame:

Creación de Sesión → Lectura de Datos → Confirmación de Selección de Operador → Procesamiento de Datos → Escritura de Resultados → Limpieza de Sesión

Además, sigue un modelo de trabajo de "confirmar antes de ejecutar":

• Fase 1: Primero confirmar el origen de los datos (¿qué tabla leer? ¿qué columnas usar?).
• Fase 2: Confirmar la selección del operador (¿usar groupby? ¿o apply_chunk?).
• Fase 3: Confirmado lo anterior, se genera el código.

Esto significa que el código generado no es "probablemente ejecutable", sino "personalizado según tus necesidades reales".

3. Diez plantillas de código listas para usar

El Skill incluye 10 ejemplos completos que cubren escenarios típicos. El agente de IA puede referenciar estos ejemplos para generar código de alta calidad:

Demostración práctica: dos escenarios reales

Escenario 1: Inferencia distribuida de preguntas usando un modelo grande

Le dices a la IA:

Ayúdame a escribir una tarea MaxFrame que use el modelo qwen2.5 para hacer inferencia por lotes en un conjunto de preguntas.

Código generado por la IA:

from maxframe.learn.contrib.llm.models.managed import ManagedTextLLM

# Crear datos de preguntas
tabla_preguntas = md.DataFrame({
    "pregunta": ["¿A qué distancia está la Tierra del Sol?", "¿Cuál es el punto de ebullición del agua?"]
})
tabla_preguntas.execute()

# Invocar el modelo grande con una línea de código
llm = ManagedTextLLM(nombre="qwen2.5-1.5b-instruct")
plantilla_mensajes = [
    {"role": "system", "content": "Eres un asistente útil."},
    {"role": "user", "content": "{pregunta}"},
]
resultado_inferencia = llm.generate(tabla_preguntas, prompt_template=plantilla_mensajes)
resultado_inferencia.execute()

Sin necesidad de desplegar el modelo, gestionar GPUs o escribir un servicio de inferencia. ManagedTextLLM tiene múltiples modelos integrados (serie qwen2.5, DeepSeek-R1, etc.), listos para usar.

Escenario 2: Montaje de OSS para procesamiento distribuido de archivos

Le dices a la IA:

Necesito montar archivos de modelos de OSS en cada Worker para medir el throughput de lectura distribuida.

Fragmento central del código generado:

from maxframe.udf import with_fs_mount, with_running_options

@with_running_options(engine="dpe", cpu=2, memory=4)
@with_fs_mount(
    "oss://tu-bucket/archivos-de-modelo/",
    "/mnt/modelo",
    storage_options={"role_arn": "acs:ram::xxx:role/xxx"}
)
def leer_directorio_modelos(fila):
    import os
    archivos = os.listdir("/mnt/modelo")
    # Cada Worker lee de forma independiente, paralelismo automático
    ...

OSS se monta como una ruta local, los Workers distribuidos leen en paralelo automáticamente, y el throughput se escala linealmente.

¿Por qué necesitas el Coding Skill?

Podrías preguntarte: ¿No puedo simplemente pedirle a la IA que escriba código MaxFrame?

Por supuesto que sí. Sin embargo, el código MaxFrame escrito por una IA general suele encontrar estos problemas:

El Coding Skill no es un simple Prompt, sino un sistema completo de inyección de conocimiento — que incluye definición de habilidades, agente de selección de operadores, reglas de selección, guías de contexto, documentación de API y ejemplos prácticos, cubriendo en total miles de páginas de documentación técnica.

Arquitectura técnica

┌─────────────────────────────────────────────────┐
│              Tu Asistente de Programación IA     │
│       (Claude Code / Cursor / Codex / ...)      │
├─────────────────────────────────────────────────┤
│           MaxFrame Coding Skill                 │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐       │
│  │ Habilidad│  │  Guía de │  │  Agente  │       │
│  │ de Código│  │  Arranque│  │ Selector │       │
│  │  SKILL   │  │Bootstrap │  │Operadores│       │
│  └──────────┘  └──────────┘  └──────────┘       │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐       │
│  │  Guía de │  │ Reglas de│  │  Doc API │       │
│  │ Contexto │  │ Selección│  │  900+ pág│       │
│  └──────────┘  └──────────┘  └──────────┘       │
│  ┌──────────────────────────────────────┐       │
│  │         Ejemplos de Código Práctico  │       │
│  └──────────────────────────────────────┘       │
├─────────────────────────────────────────────────┤
│              SDK de MaxFrame                     │
│   DataFrame │ Tensor │ Learn │ UDF │ Session    │
├─────────────────────────────────────────────────┤
│           Motor de IA Distribuido de MaxCompute  │
│                   MaxFrame                       │
└─────────────────────────────────────────────────┘

Inicio rápido

Tomando Claude Code como ejemplo, la instalación se completa en tres pasos:

# Paso 1: Descargar el paquete de instalación del Skill
# Descargar maxframe-coding-skill.zip

# Paso 2: Descomprimir en el directorio .claude/skills/ de tu proyecto
unzip maxframe-coding-skill.zip -d tu-proyecto/.claude/skills/

# Paso 3: Verificar la estructura del directorio
ls tu-proyecto/.claude/skills/maxframe-job-coding/
# Debería contener: SKILL.md, examples/, references/, scripts/

> Para otras plataformas es similar, solo necesitas descomprimir el zip en el directorio de skills correspondiente. Por ejemplo, para Cursor descomprimir en .cursor/rules/, para Tongyi Lingma en .aone_copilot/skills/.

Una vez instalado el MaxFrame Coding Skill, simplemente dile a la IA:

Crea una tarea MaxFrame que lea datos de la tabla 'comportamiento_usuario', agrupe por ciudad y calcule el GMV total, escribiendo el resultado en la tabla 'reporte_gmv_ciudad'

La IA automáticamente:

1. Confirmará tu origen de datos y requisitos de salida.
2. Recomendará la combinación óptima de operadores.
3. Generará código completo y ejecutable.
4. Incluirá gestión de sesión y manejo de errores.