← Financial Cloud Cloud 云端社群 · Amarathon 2025 回顾

极点宏观|Financial Cloud Cloud · AWS Amarathon 2025

极点宏观|Amarathon 2025 回顾 35:通过规格驱动开发,从 Vibe 走向可行方案

演讲者: Ricardo Sueiras

场次: 35

场次
Summit Dev Lounge2026 Re:cap
01 把架构写成 Steering,引导 AI Agent
Summit Dev Lounge2026 Re:cap
02 Agent Harness 才是真正的工程护城河
Summit Dev Lounge2026 Re:cap
03 用白话询问可观测性数据
Summit Dev Lounge2026 Re:cap
04 以 Bedrock AgentCore 打造 Serverless AR 游戏
Summit Dev Lounge2026 Re:cap
05 AgentCore 上的多 Agent 量化回测
Summit Dev Lounge2026 Re:cap
06 三分钟用 Kiro 把博客变成幻灯片
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 实现 AWS 合规
AWS Community Day Hong Kong 2025 Re:cap
03 从初学者到构建者:一段精彩的 AWS 云之旅
AWS Community Day Hong Kong 2025 Re:cap
04 以团队为先:使用 Laravel 与 Bref 开展无服务器工程
AWS Community Day Hong Kong 2025 Re:cap
05 活动开幕式
AWS Community Day Hong Kong 2025 Re:cap
06 智能体到智能体:在 AWS 上构建可互操作的 AI
AWS Community Day Hong Kong 2025 Re:cap
07 利用另一类遥测数据,借助 AI 智能体更快改进
AWS Community Day Hong Kong 2025 Re:cap
08 告别氛围编程:使用 Kiro 进行规格驱动开发
AWS Community Day Hong Kong 2025 Re:cap
09 使用 MCP 与 AI 智能体进行自动化测试
AWS Community Day Hong Kong 2025 Re:cap
10 使用机器学习方法实现电信安全现代化
AWS Community Day Hong Kong 2025 Re:cap
11 重新思考生成式 AI 智能体:RAG 与 MCP
AWS Community Day Hong Kong 2025 Re:cap
12 使用 TAK 和 AWS 开展灾难与应急响应
AWS Community Day Hong Kong 2025 Re:cap
13 从测试视角重新思考无服务器应用程序工作流
AWS Community Day Hong Kong 2025 Re:cap
14 Practical AWS FinOps for Cloud Success
AWS Community Day Hong Kong 2025 Re:cap
15 基于 AWS 的 AI 驱动全球纯 Alpha 宏观交易:重塑风险调整后资产收益
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 现代交易生命周期:从交易到结算
FSI Recap
02 Goldman Sachs:通过 Fast Track 加速应用程序上云 - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group:在 AWS 上构建高效的日志管理解决方案
FSI Recap
04 FSI Meetup 2025 年第四季度 - Brex 数据库灾难恢复
FSI Recap
05 FSI Meetup 2025 Q4 - Graviton 迁移成功案例
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel 现代数据平台
FSI Recap
07 FSI Meetup 2025 Q4 - PayPal 金融交易数据对账系统
FSI Recap
08 FSI Meetup 2025 Q4 - 规模化提升韧性
FSI Recap
09 最大限度提高 AI 推理成本效益:战略性采用 AWS GPU 实例
FSI Recap
10 高级智能体 AI 设计模式
FSI Recap
11 在 AWS 上构建全新的现代化应用
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent 回顾 (IND3312)
AWS re:Invent 2025
02 利用 AI 和 AWS 构建未来交易平台
AWS re:Invent 2025
03 交易创新:Jefferies 基于 Amazon Bedrock 构建的 AI 助手 (IND3315)
AWS re:Invent 2025
04 FSI 如何通过 Agentic AI (GBL302) 彻底改变 HFT 分析
AWS re:Invent 2025
05 使用 Amazon Time Sync 改进分布式系统(采用 Nasdaq)
AWS re:Invent 2025
06 Amazon Aurora HA 和 DR 全球弹性设计模式 (DAT442)
AWS re:Invent 2025
07 构建智能体式 AI:Amazon Nova Act 与 Strands Agents 实践 (DEV327)
AWS re:Invent 2025
08 深入探讨 Amazon Aurora 及其创新 (DAT441)
AWS re:Invent 2025
09 深入探讨 Amazon S3(STG407)
AWS re:Invent 2025
10 Nasdaq:为全球金融服务构建弹性基础设施 (HMC327)
AWS re:Invent 2025
11 AWS Lambda 新功能 (CNS376)
AWS re:Invent 2025
12 使用 Kiro 进行规范驱动开发 (DEV314)
AWS re:Invent 2025
13 Amazon 的 FinOps:全球电商巨头的云成本管理经验 (AMZ308)
AWS re:Invent 2025
14 AWS 上交易平台的 Tick-to-Trade 延迟
AWS re:Invent 2025
政务数据
01 The AI Era: The Boundary Between Development and Design Is Disappearing
政务数据
02 端侧多模态 AI 与智慧城市实践
政务数据
03 大模型能力评测与 AI 项目落地方法论
政务数据
04 基于云代理的政府开发全链路受控自动化
政务数据
05 从多智能体看 Agent 时代软件新生态
政务数据
06 AI 驱动的宏观量化研究与智慧治理
政务数据
07 公共数据授权运营与智慧政务实践
政务数据
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
政务数据
09 AI技术赋能心理健康公益:可信平台的治理、架构与实践
政务数据
Amarathon 2025 回顾
01 开发者的智能体架构设计路线图
Donnie Prakoso
02 Amazon Bedrock 数据自动化
Hafiz Syed Ashir Hassan
03 AgentCore 上的多智能体
Tan Xin
04 实践中构建智能体式 AI:Nova Act 与 Strands Agents
Haowen Huang
04 使用规格驱动开发,通过 Kiro 加速迁移项目
Sanchit Dilip Jain
06 从「匹配」到「理解」:由 AgentCore Memory 驱动的个性化 AI 搜索实践
Liu Cao
07 从观察到优化:从 LLM 可观测性迈向 AIOps,将实时洞察转化为智慧自动化
Jimmy Soh
08 部署 TEAM 并打造最佳工程团队
Yuji Oshima
09 五年来所谓无服务器数据库带来的五个惨痛教训
Renato Losio
14 如果 AI 替我工作会怎样:Q Developer CLI 与 Kiro 如何改变我的日常工作
Miguel Angel Muñoz
16 兼顾速度与警觉:Amazon Bedrock Agent 开发的安全要点
Brian Tarbox
26 在单张 H100 上运行 OSS LLM:更智能、更便宜、更快速
Adit Modi Adit Modi
28 现代统一元数据架构:打破数据孤岛的新方法
Shaofeng Shi
29 无服务器 MediaOps:使用 Amazon Web Services 上的 AI 自动化视频工作流
Luis Valdivia
30 通过大规模性能测试构建兼具效率与可靠性的架构
Luis Guirigay
31 通过开源连接世界:技术、社区与全球开发者关系的实践历程
Richard Lin
33 构建流式 Iceberg 表以进行实时物流分析
Fahad Shah
34 加速大规模机器人策略训练:基于 Kiro、Trainium 和 EKS 的自动化闭环架构
Junjie Tang
35 通过规格驱动开发,从 Vibe 走向可行方案
Ricardo Sueiras
36 让云成本分析更智能:使用 Strands 和 AgentCore 构建 FinOps 智能体
Xiaofei Li
37 使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps
Shaoyi Li

AI 正在改变软件

● 2023:帮助开发者更快地编写代码

● 2024:生成更大段的代码并回答问题

● 2025:在 human in the loop 的情况下端到端完成开发任务

AI 开发面临的挑战

● 扩展 AI 开发规模:AI 编码工具擅长处理小型任务,但面对复杂项目时可能会失败

● 控制能力有限:现有工具让人与 agent 协作及管理 agent 变得困难

● 代码质量:要让项目从概念验证走向生产环境,同时保持质量控制,会变得越来越困难。

Vibe

● 快速、对话式的代码生成(CHOP)

● 反复往返迭代

● 短暂

● 单一时间点的 prompt

● 临时 context


迈向规格驱动开发之路

良好实践

● 拆解大型问题:开发者学会了如何手动将大型问题拆解为较小的单元,并采用增量方式进行构建

● 具体且清晰:要引导 AI 编码助手生成良好的输出,精确与清晰至关重要

● Context 与 Prompt Engineering:提供正确的 context 是确保一致性和可控性的关键


Taskmaster

● 一款搭配 Clauide、用于 AI 驱动开发的任务管理系统,设计上可与 Cursor AI 无缝协作

[ 1 ] 文档:

● 配置指南:设置环境变量并自定义 Task Master

● 教程:Task Master 入门分步指南

● 命令参考:所有可用命令的完整列表

● 任务结构:了解任务格式和功能

● 交互示例:常见的 Cursor AI 交互示例

● 迁移指南:迁移到新项目结构的指南

[ 2 ] Cursor 1.0+ 快速安装(一键安装):

● 单击复制按钮(代码块右上角),然后粘贴到浏览器中:cursor://anysphere.cursor-deeplink/mc/install?name=taskmaster-aiconfig-eyJjIjI1biWSkI 1joibnB4I

● 注意:单击链接后,仍需将 API key 添加到配置中。该链接会使用 placeholder key 安装 MCP server,你需要将其替换为实际的 API key

[ 3 ] 要求:

● Taskmaster 的多条命令会使用 AI,而这些命令需要单独的 API key。只要添加 API key,就可以使用不同 AI 提供商的各种模型。例如,如果要使用 Clauide 3.7

从容编码理念

● 编码不要有压力,而要有章法。

● 编写 prompt 不要有噪声,而要有意图。

● 构建不仅要快,更要流畅。

Chat 对开发工具而言是一种糟糕的 UI 模式

● 代码迫使人类精确表达。这是好事——计算机需要精确性。但它也迫使人类像机器一样思考。

● 数十年来,我们一直试图通过让编程对人类更友好来解决这个问题。更高级的语言、可视化界面。每一步都有所帮助,但我们仍在把人类的想法翻译成计算机指令。

● AI 本应改变一切。终于,纯英语可以成为一种编程语言——一种每个人都已经掌握的语言。没有语法,没有规则,只需说出你想要什么。

● 第一波 AI 编码工具浪费了这个机会。它们能做出炫目的演示,却会生成垃圾软件。人们称它们“非常适合制作原型”,意思就是“不要将其用于任何实际用途”。

● 许多人将问题归咎于 AI 模型,认为只要让模型变得更聪明就行。这是错误的。没错,更好的 AI 能更准确地猜测你的意思。但在构建严肃的软件时,你需要一种更好的方法。


书面规格让人们达成共识

● 使用 EARS notation 有助于为底层提供精确且结构化的指令

什么是规格驱动开发?

● 规格驱动开发:先明确再编码、迭代优化、通过持久文档生成代码

● 投入时间了解自己要构建什么

● 反复迭代并记录所构建内容的演变

● 从短暂的 chat 转向可与利益相关者共享的持久文档

规格驱动开发

● 定义愿景:创建清晰的需求和设计规格。

● 做出架构决策:预先选择技术、模式和方法。

● 带着 context 实现:使用 AI 生成满足书面规格的代码

Vibe

● 通过 prompt 追赶实现结果

● 快速、对话式的 AI 代码生成(CHOP)

● 反复往返迭代

● 短暂

● 单一时间点

规格驱动

● 专注于前期规划和意图

● 将请求拆解为独立任务

● Steering document 为 agentic 提供基础

从原型到生产环境的 AI IDE

● Kiro 通过规格驱动开发为 AI 编码带来结构,帮助你发挥出最佳水平。