← Financial Cloud Cloud 클라우드 클럽 · Amarathon 2025 정리

극점매크로|Financial Cloud Cloud · AWS Amarathon 2025

극점매크로|Amarathon 2025 정리 35:사양 주도 개발로 감각적 코딩에서 실용적 개발로

발표자: Ricardo Sueiras

세션: 35

세션
Summit Dev Lounge2026 Re:cap
01 아키텍처를 Steering으로 인코딩해 AI Agent를 이끌다
02 Agent Harness가 진짜 엔지니어링 해자다
03 일상 언어로 관찰 가능성 데이터에 묻다
04 Bedrock AgentCore로 만드는 Serverless AR 게임
05 AgentCore 위의 Multi-Agent Quant Backtesting
06 Kiro로 3분 만에 블로그를 슬라이드로
AWS Community Day Hong Kong 2025 Re:cap
02 Terraform을 활용한 AWS 컴플라이언스
03 초보자에서 빌더로: 멋진 클라우드 여정
04 Laravel와 Bref를 활용한 팀 우선 서버리스 엔지니어링
05 행사 개회
06 Agent-to-Agent: AWS에서 상호 운용 가능한 AI 구축하기
07 AI 에이전트와 추가 텔레메트리 데이터를 활용한 신속한 개선
08 바이브 코딩을 넘어서: Kiro를 활용한 사양 주도 개발
09 MCP 및 AI 에이전트를 활용한 자동화 테스트
10 통신 보안 현대화: ML 기반 접근 방식
11 GenAI 에이전트 재고찰: RAG와 MCP
12 TAK와 AWS를 활용한 재난 및 긴급 대응
13 테스트 관점에서 서버리스 애플리케이션 워크플로 재고찰
14 클라우드 성공을 위한 실용적인 AWS FinOps
15 AWS에서 AI로 구현하는 글로벌 Pure-Alpha 매크로 트레이딩: 위험 조정 자산 수익의 혁신
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
08 FSI Meetup 2025 Q4 - Scaling Resilience
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
10 Advanced Agentic AI Design Patterns
11 Build New Modern Apps on AWS
AWS re:Invent 2025
01 Coinbase re:Invent 요약 (IND3312)
02 AI 및 AWS를 활용한 미래 거래 플랫폼 구축
03 거래 혁신: Amazon Bedrock 기반 Jefferies AI 어시스턴트(IND3315)
04 FSI가 에이전틱 AI로 HFT 분석을 혁신한 방법(GBL302)
05 Nasdaq 사례로 살펴보는 Amazon Time Sync 기반 분산 시스템 개선
06 글로벌 복원력을 위한 Amazon Aurora HA 및 DR 설계 패턴 (DAT442)
07 에이전틱 AI 구축: Amazon Nova Act와 Strands Agents 실전 활용 (DEV327)
08 Amazon Aurora와 주요 혁신 심층 분석 (DAT441)
09 Amazon S3 심층 분석(STG407)
10 Nasdaq: 글로벌 금융 서비스를 위한 복원력 있는 인프라 구축(HMC327)
11 AWS Lambda의 새로운 기능(CNS376)
12 Kiro를 활용한 스펙 주도 개발(DEV314)
13 Amazon의 FinOps: 글로벌 전자상거래 대기업이 전하는 클라우드 비용 교훈(AMZ308)
14 AWS에서 지연 시간 거래 플랫폼을 거래하려면 선택하세요.
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 On-Device Multimodal AI and Smart-City Practice
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
04 Controlled End-to-End Automation of Government Development with Cloud Agents
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
06 AI-Driven Macro Quantitative Research and Smart Governance
07 Authorized Operation of Public Data and Smart-Government Practice
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Amarathon 2025 정리
01 에이전트 아키텍처 설계를 위한 개발자 로드맵
02 Amazon Bedrock Data Automation
03 AgentCore의 멀티 에이전트
04 에이전틱 AI 구축 Nova Act와 Strands Agents 실전 활용
04 사양 주도 개발로 Kiro를 활용하여 마이그레이션 프로젝트 가속화
06 "매칭"에서 "이해"로: AgentCore Memory가 주도하는 개인화 AI 검색 실습
07 관찰을 통한 최적화 – LLM 관찰 가능성에서 AIOps까지, 실시간 인사이트를 지능형 자동화로 전환
08 TEAM 배포와 최고의 엔지니어링 팀 구축
09 소위 서버리스 데이터베이스를 5년간 사용하며 얻은 다섯 가지 뼈아픈 교훈
14 AI가 내 일을 한다면? Q Developer CLI와 Kiro가 내 일상을 어떻게 바꾸었는가
16 경계심을 갖춘 속도: Amazon Bedrock 에이전트 개발을 위한 필수 보안 사항
26 단일 H100에서 OSS LLM을 더 스마트하고, 저렴하고, 빠르게 실행하기
28 현대적인 통합 메타데이터 아키텍처: 데이터 사일로를 허무는 새로운 접근 방식
29 서버리스 MediaOps: Amazon Web Services에서 AI로 비디오 워크플로 자동화
30 대규모 성능 테스트로 효율성과 안정성을 고려한 아키텍처 설계
31 오픈 소스로 세계를 연결하기: 기술, 커뮤니티 및 글로벌 개발자 관계의 실전 여정
33 실시간 물류 분석을 위한 스트리밍 Iceberg 테이블 구축
34 대규모 로봇 전략 훈련 가속화: Kiro, Trainium 및 EKS 기반 자동화 폐쇄 루프 아키텍처
35 사양 주도 개발로 감각적 코딩에서 실용적 개발로
36 클라우드 비용 분석을 더 스마트하게: Strands와 AgentCore로 FinOps 지능형 에이전트 구축하기
37 CNCF Kagent, K8sGPT, Nova Sonic을 사용하여 K8s용 대화형 에이전틱 AIOps 혁신하기

AI가 소프트웨어를 바꾸고 있습니다

● 2023: 개발자가 코드를 더 빠르게 작성하도록 지원

● 2024: 더 큰 코드 단위를 생성하고 질문에 답변

● 2025: 사람이 개입하는 방식으로 개발 작업을 엔드투엔드로 완료

AI 개발의 과제

● AI 개발 확장: AI 코딩 도구는 작은 작업에는 뛰어나지만 복잡한 프로젝트에서는 실패할 수 있음

● 제한된 제어: 기존 도구로는 에이전트와 협업하고 에이전트를 관리하기 어려움

● 코드 품질: 품질 관리를 유지하면서 프로젝트를 개념 증명에서 프로덕션으로 전환하기가 점점 더 어려워짐

감각적 코딩

● 신속한 대화형 코드 생성(CHOP)

● 반복적인 주고받기

● 일시적

● 특정 시점의 프롬프트

● 일시적인 컨텍스트


사양 주도 개발로 가는 길

모범 사례

● 큰 문제 분할: 개발자들은 큰 문제를 수동으로 더 작은 단위로 나누고 점진적으로 구축하는 방법을 익혔습니다

● 구체성과 명확성: AI 코딩 어시스턴트가 좋은 결과를 생성하도록 지시하려면 정확성과 명확성이 핵심입니다

● 컨텍스트 및 프롬프트 엔지니어링: 일관성과 제어를 확보하려면 적절한 컨텍스트를 제공하는 것이 핵심입니다


Taskmaster

● Cursor AI와 원활하게 작동하도록 설계된 Clauide 기반 AI 주도 개발용 작업 관리 시스템

[ 1 ] 문서:

● 구성 가이드: 환경 변수를 설정하고 Task Master 사용자 지정

● 튜토리얼: Task Master 시작을 위한 단계별 가이드

● 명령어 참조: 사용 가능한 모든 명령어의 전체 목록

● 작업 구조: 작업 형식 및 기능 이해

● 상호작용 예시: 일반적인 Cursor AI 상호작용 예시

● 마이그레이션 가이드: 새로운 프로젝트 구조로 마이그레이션하기 위한 가이드

[ 2 ] Cursor 1.0+ 빠른 설치(원클릭):

● 복사 버튼(코드 블록 오른쪽 위)을 클릭한 후 브라우저에 붙여 넣으세요: cursor://anysphere.cursor-deeplink/mc/install?name=taskmaster-aiconfig-eyJjIjI1biWSkI 1joibnB4I

● 참고: 링크를 클릭한 후에도 구성에 API 키를 추가해야 합니다. 이 링크는 자리 표시자 키로 MCP 서버를 설치하므로 실제 API 키로 교체해야 합니다

[ 3 ] 요구 사항:

● Taskmaster는 여러 명령어에서 AI를 활용하며, 해당 명령어에는 별도의 API 키가 필요합니다. API 키를 추가하면 다양한 AI 제공업체의 여러 모델을 사용할 수 있습니다. 예를 들어 Clauide 3.7을 사용하려는 경우

차분한 코딩 철학

● 스트레스가 아니라 구조를 갖추고 코딩하세요.

● 소음이 아니라 의도를 담아 프롬프트를 작성하세요.

● 단지 빠르게가 아니라 흐름을 타며 구축하세요.

채팅은 개발 도구에 적합하지 않은 UI 패턴입니다

● 코드는 사람에게 정확성을 강요합니다. 이는 좋은 일입니다. 컴퓨터에는 정확성이 필요하기 때문입니다. 하지만 사람이 기계처럼 생각하도록 강요하기도 합니다.

● 수십 년 동안 우리는 프로그래밍을 인간에게 더 친숙하게 만들어 이 문제를 해결하려 했습니다. 고급 언어. 시각적 인터페이스. 각 단계가 도움이 되었지만, 여전히 인간의 생각을 컴퓨터 명령으로 번역하고 있었습니다.

● AI는 모든 것을 바꿀 것으로 기대되었습니다. 마침내 평범한 영어가 모두가 이미 알고 있는 프로그래밍 언어가 될 수 있었습니다. 구문도 없습니다. 규칙도 없습니다. 원하는 것을 말하기만 하면 됩니다.

● 1세대 AI 코딩 도구는 이 기회를 낭비했습니다. 화려한 데모를 만들지만 형편없는 소프트웨어를 생성합니다. 사람들은 이를 “프로토타이핑에 훌륭하다”고 부르는데, 이는 “실제 용도로는 사용하지 말라”는 뜻입니다.

● 많은 사람은 AI 모델이 더 똑똑해지기만 하면 된다며 모델을 탓합니다. 이는 틀렸습니다. 물론 더 나은 AI는 의도를 더 잘 추측할 것입니다. 하지만 중요한 소프트웨어를 구축할 때는 더 나은 접근 방식이 필요합니다.


서면 사양은 사람들의 이해를 일치시킵니다

● EARS 표기법을 사용하면 기반 LLM에 정확하고 구조화된 지침을 제공하는 데 도움이 됩니다

사양 주도 개발이란 무엇인가요?

● 사양 주도 개발: 코드보다 명확성을 우선하고, 반복적으로 개선하며, 영구 문서를 통해 코딩

● 무엇을 구축하려는지 이해하는 데 시간 투자

● 구축하려는 대상의 발전 과정을 반복하고 기록

● 일시적인 채팅에서 이해관계자와 공유할 수 있는 영구 문서로 전환

사양 주도 개발

● 비전 정의: 명확한 요구 사항과 설계 사양을 작성합니다.

● 아키텍처 결정: 기술, 패턴 및 접근 방식을 사전에 선택합니다.

● 컨텍스트를 바탕으로 구현: AI를 사용하여 문서화된 사양을 충족하는 코드를 생성합니다.

감각적 코딩

● 구현을 쫓아가는 프롬프트

● 신속한 대화형 AI 코드 생성(CHOP)

● 반복적인 주고받기

● 일시적

● 특정 시점

사양 주도

● 사전 계획과 의도에 집중

● 요청을 개별 작업으로 분할

● 운영 지침 문서가 에이전트 기반 작업의 토대를 제공

프로토타입에서 프로덕션까지를 위한 AI IDE

● Kiro는 사양 주도 개발로 AI 코딩에 구조를 더해 최고의 결과를 내도록 지원합니다.