← Financial Cloud Cloud クラウドクラブ · Amarathon 2025 振り返り

極点マクロ|Financial Cloud Cloud · AWS Amarathon 2025

極点マクロ|Amarathon 2025 振り返り 35:仕様駆動開発で「Vibe」から実用レベルへ

登壇者: Ricardo Sueiras

セッション: 35

セッション
Summit Dev Lounge2026 Re:cap
01 アーキテクチャを Steering として記述し、AI Agent を導く
Summit Dev Lounge2026 Re:cap
02 Agent Harness こそ真のエンジニアリングの堀
Summit Dev Lounge2026 Re:cap
03 平易な言葉で可観測性データを尋ねる
Summit Dev Lounge2026 Re:cap
04 Bedrock AgentCore で Serverless AR ゲームを構築する
Summit Dev Lounge2026 Re:cap
05 AgentCore 上のマルチ Agent クオンツ・バックテスト
Summit Dev Lounge2026 Re:cap
06 3 分でブログをスライドにする——Kiro で
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 TerraformによるAWSコンプライアンス
AWS Community Day Hong Kong 2025 Re:cap
03 初心者からビルダーへ――素晴らしいクラウドの旅
AWS Community Day Hong Kong 2025 Re:cap
04 LaravelとBrefによるチームファーストのサーバーレスエンジニアリング
AWS Community Day Hong Kong 2025 Re:cap
05 イベント開会式
AWS Community Day Hong Kong 2025 Re:cap
06 AWS 上で相互運用可能な AI を構築する
AWS Community Day Hong Kong 2025 Re:cap
07 別のテレメトリデータを AI エージェントで活用し、改善を加速する
AWS Community Day Hong Kong 2025 Re:cap
08 Kiro による仕様駆動開発
AWS Community Day Hong Kong 2025 Re:cap
09 MCP と AI エージェントを活用した自動テスト
AWS Community Day Hong Kong 2025 Re:cap
10 機械学習を活用したアプローチ
AWS Community Day Hong Kong 2025 Re:cap
11 RAGとMCP
AWS Community Day Hong Kong 2025 Re:cap
12 TAKとAWSを活用した災害・緊急対応
AWS Community Day Hong Kong 2025 Re:cap
13 テストの観点からサーバーレスアプリケーションのワークフローを再考する
AWS Community Day Hong Kong 2025 Re:cap
14 クラウド成功のための実践的なAWS FinOps
AWS Community Day Hong Kong 2025 Re:cap
15 リスク調整後資産リターンの革新
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
FSI Recap
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
FSI Recap
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
FSI Recap
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
FSI Recap
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
FSI Recap
08 FSI Meetup 2025 Q4 - Scaling Resilience
FSI Recap
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
FSI Recap
10 Advanced Agentic AI Design Patterns
FSI Recap
11 Build New Modern Apps on AWS
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent の要約 (IND3312)
AWS re:Invent 2025
02 AI と AWS を活用した未来の取引プラットフォームの構築
AWS re:Invent 2025
03 トレーディングイノベーション: Amazon Bedrock (IND3315) の Jefferies AI アシスタント
AWS re:Invent 2025
04 FSI がエージェント型 AI で HFT 分析に革命をもたらした方法 (GBL302)
AWS re:Invent 2025
05 Nasdaq をフィーチャーした Amazon Time Sync による分散システムの改善
AWS re:Invent 2025
06 Amazon Aurora HA および DR グローバル復元力のための設計パターン (DAT442)
AWS re:Invent 2025
07 エージェントの構築 AI: Amazon Nova Act および Strands エージェントの実践 (DEV327)
AWS re:Invent 2025
08 Amazon Aurora とそのイノベーションの詳細 (DAT441)
AWS re:Invent 2025
09 Amazon S3 の詳細解説 (STG407)
AWS re:Invent 2025
10 Nasdaq:グローバル金融サービス向けのレジリエントなインフラストラクチャを構築する (HMC327)
AWS re:Invent 2025
11 AWS Lambda の新機能 (CNS376)
AWS re:Invent 2025
12 Kiro によるスペック駆動開発 (DEV314)
AWS re:Invent 2025
13 Amazon の FinOps: 世界的な E コマース大手から学ぶクラウドコストの教訓 (AMZ308)
AWS re:Invent 2025
14 AWS 上のティック・トゥ・トレード低レイテンシ取引プラットフォーム
AWS re:Invent 2025
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
Government data
02 On-Device Multimodal AI and Smart-City Practice
Government data
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
Government data
04 Controlled End-to-End Automation of Government Development with Cloud Agents
Government data
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
Government data
06 AI-Driven Macro Quantitative Research and Smart Governance
Government data
07 Authorized Operation of Public Data and Smart-Government Practice
Government data
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
Government data
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Government data
Amarathon 2025 振り返り
01 エージェント向けアーキテクチャ設計への開発者ロードマップ
Donnie Prakoso
02 Amazon Bedrock Data Automation
Hafiz Syed Ashir Hassan
03 AgentCore 上のマルチエージェント
Tan Xin
04 Nova Act と Strands Agents を実践で活用したエージェント型 AI の構築
Haowen Huang
04 仕様駆動開発と Kiro で移行プロジェクトを加速
Sanchit Dilip Jain
06 「マッチング」から「理解」へ: AgentCore Memory が実現するパーソナライズド AI 検索の実践
Liu Cao
07 観測から最適化へ – LLM オブザーバビリティから AIOps へ、リアルタイムの洞察をインテリジェントな自動化に変える
Jimmy Soh
08 TEAM の導入と最高のエンジニアリングチームの構築
Yuji Oshima
09 いわゆるサーバーレスデータベースの5年間から得た5つの厳しい教訓
Renato Losio
14 AI が私の仕事をしたらどうなるか Q Developer CLI と Kiro が私の日常業務をどう変えたか
Miguel Angel Muñoz
16 警戒を保ちながら迅速に:Amazon Bedrock エージェント開発に不可欠なセキュリティ
Brian Tarbox
26 1 台の H100 で OSS LLM をよりスマートに、低コストで、高速に実行
Adit Modi Adit Modi
28 最新の統合メタデータアーキテクチャ:データサイロを解消する新たなアプローチ
Shaofeng Shi
29 サーバーレス MediaOps:Amazon Web Services 上の AI による動画ワークフローの自動化
Luis Valdivia
30 大規模パフォーマンステストによる効率性と信頼性を重視したアーキテクチャ設計
Luis Guirigay
31 オープンソースで世界をつなぐ: テクノロジー、コミュニティ、グローバルな開発者関係をめぐる実践の旅
Richard Lin
33 リアルタイム物流分析のためのストリーミング Iceberg テーブルの構築
Fahad Shah
34 大規模ロボット戦略トレーニングの高速化: Kiro、Trainium、EKS に基づく自動クローズドループアーキテクチャ
Junjie Tang
35 仕様駆動開発で「Vibe」から実用レベルへ
Ricardo Sueiras
36 クラウドコスト分析をよりスマートに: StrandsとAgentCoreによるFinOpsインテリジェントエージェントの構築
Xiaofei Li
37 CNCF Kagent、K8sGPT、Nova Sonicを使用したK8s向け対話型エージェントAIOpsの変革
Shaoyi Li

AIがソフトウェアを変えている

● 2023: 開発者がより速くコードを書くのを支援

● 2024: より大規模なコードを生成し、質問に回答

● 2025: 人間を介在させながら開発タスクをエンドツーエンドで完遂

AI開発の課題

● AI開発のスケーリング: AIコーディングツールは小規模なタスクには優れているが、複雑なプロジェクトでは失敗することがある

● 制御の限界: 既存のツールでは、エージェントとの連携や管理が難しい

● コード品質: 品質管理を維持しながらプロジェクトを概念実証から本番環境へ移行することは、ますます難しくなる

「Vibe」

● 迅速で対話的なコード生成(CHOP)

● 反復的なやり取り

● 一時的

● その時点限りのプロンプト

● 一過性のコンテキスト


仕様駆動開発への道筋

優れたプラクティス

● 大きな問題を分解する: 開発者は、大きな問題を小さな単位に手作業で分解し、段階的に構築する方法を学んだ

● 具体性と明確さ: AIコーディングアシスタントに良質な出力を生成させるには、正確さと明確さが鍵となる

● コンテキストとプロンプトエンジニアリング: 一貫性と制御を実現するには、適切なコンテキストを提供することが鍵となる


Taskmaster

● Clauideを用いたAI駆動開発向けのタスク管理システムで、Cursor AIとシームレスに連携できるよう設計されている

[ 1 ] ドキュメント:

● 設定ガイド: 環境変数を設定し、Task Masterをカスタマイズ

● チュートリアル: Task Masterを使い始めるためのステップバイステップガイド

● コマンドリファレンス: 利用可能なすべてのコマンドの完全な一覧

● タスク構造: タスク形式と機能の理解

● 操作例: 一般的なCursor AIの操作例

● 移行ガイド: 新しいプロジェクト構造への移行ガイド

[ 2 ] Cursor 1.0+向けクイックインストール(ワンクリック):

● コピーボタン(コードブロックの右上)をクリックし、ブラウザに貼り付ける: cursor://anysphere.cursor-deeplink/mc/install?name=taskmaster-aiconfig-eyJjIjI1biWSkI 1joibnB4I

● 注: リンクをクリックした後も、設定にAPIキーを追加する必要がある。このリンクはプレースホルダーのキーを使用してMCPサーバーをインストールするため、それらを実際のAPIキーに置き換える必要がある

[ 3 ] 要件:

● Taskmasterは複数のコマンドでAIを利用しており、それらには別途APIキーが必要となる。APIキーを追加すれば、さまざまなAIプロバイダーの各種モデルを使用できる。たとえばClauide 3.7を使用したい場合

穏やかなコーディング哲学

● ストレスではなく、構造をもってコーディングする。

● ノイズではなく、意図をもってプロンプトを作る。

● ただ速くではなく、流れをもって構築する。

チャットは開発ツールに適さないUIパターンである

● コードは人間に正確さを強いる。それは良いことだ。コンピューターには正確さが必要だからだ。しかし同時に、人間に機械のような思考を強いる。

● 何十年もの間、私たちはプログラミングをより人間にとって使いやすくすることで、この問題を解決しようとしてきた。高水準言語。ビジュアルインターフェース。一歩進むごとに改善したが、それでも人間の思考をコンピューターへの命令に変換していた。

● AIはすべてを変えるはずだった。ついに、誰もがすでに知っている平易な英語をプログラミング言語にできるようになった。構文もない。ルールもない。望むものを伝えるだけだ。

● AIコーディングツールの第一波は、この機会を無駄にした。派手なデモを見せる一方で、粗悪なソフトウェアを生み出す。「プロトタイピングには最適」と評されるが、それは「実用的なものには使うな」という意味だ。

● 多くの人はAIモデルのせいにして、もっと賢くなればよいと言う。これは間違っている。確かに、AIが向上すれば意図をより的確に推測できるようになる。しかし、本格的なソフトウェアを構築するには、より優れたアプローチが必要だ。


文書化された仕様は人々の認識を揃える

● EARS記法を使用すると、基盤となるLLMに正確で構造化された指示を提供しやすくなる

仕様駆動開発とは何か?

● 仕様駆動開発: コードより明確さを優先し、反復的に改善し、永続的なドキュメントを通じてコーディングする

● 構築しようとしているものを理解するために時間をかける

● 構築しようとしているものを反復し、その進化を記録する

● 一時的なチャットから、ステークホルダーと共有できる永続的なドキュメントへ

仕様駆動開発

● ビジョンを定義する: 明確な要件と設計仕様を作成する。

● アーキテクチャ上の意思決定を行う: テクノロジー、パターン、アプローチを事前に選択する。

● コンテキストに基づいて実装する: 文書化された仕様を満たすコードをAIで生成する。

「Vibe」

● 実装を追い求めるプロンプト

● 迅速で対話的なAIコード生成(CHOP)

● 反復的なやり取り

● 一時的

● その時点限り

仕様駆動

● 事前の計画と意図に重点を置く

● リクエストを個別のタスクに分解する

● ステアリングドキュメントがエージェント型AIの基盤となる

プロトタイプから本番環境まで対応するAI IDE

● Kiroは、仕様駆動開発によってAIコーディングに構造をもたらし、最高の成果を出せるよう支援する。