← Financial Cloud Cloud 雲端社群 · Amarathon 2025 回顧

極點宏觀|Financial Cloud Cloud · AWS Amarathon 2025

極點宏觀|Amarathon 2025 回顧 04:運用規格驅動開發,以 Kiro 加速移轉專案

講者: Sanchit Dilip Jain

場次: 04

場次
Summit Dev Lounge2026 Re:cap
01 把架構寫成 Steering,引導 AI Agent
Summit Dev Lounge2026 Re:cap
02 Agent Harness 才是真正的工程護城河
Summit Dev Lounge2026 Re:cap
03 用白話詢問可觀測性資料
Summit Dev Lounge2026 Re:cap
04 以 Bedrock AgentCore 打造 Serverless AR 遊戲
Summit Dev Lounge2026 Re:cap
05 AgentCore 上的多 Agent 量化回測
Summit Dev Lounge2026 Re:cap
06 三分鐘用 Kiro 把部落格變簡報
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 實現 AWS 合規
AWS Community Day Hong Kong 2025 Re:cap
03 從新手到開發者:一段精彩的 AWS 雲端旅程
AWS Community Day Hong Kong 2025 Re:cap
04 以團隊為優先:使用 Laravel 與 Bref 進行無伺服器工程
AWS Community Day Hong Kong 2025 Re:cap
05 活動開幕
AWS Community Day Hong Kong 2025 Re:cap
06 Agent-to-Agent:在 AWS 上打造可互通的 AI
AWS Community Day Hong Kong 2025 Re:cap
07 運用另一種遙測資料,透過 AI Agent 加速改善
AWS Community Day Hong Kong 2025 Re:cap
08 告別 Vibe Coding:運用 Kiro 實踐規格驅動開發(Spec-Driven Development)
AWS Community Day Hong Kong 2025 Re:cap
09 運用 MCP 與 AI 代理進行自動化測試
AWS Community Day Hong Kong 2025 Re:cap
10 以 ML 驅動的方法實現電信安全現代化
AWS Community Day Hong Kong 2025 Re:cap
11 重新思考 GenAI Agent:RAG 與 MCP
AWS Community Day Hong Kong 2025 Re:cap
12 運用 TAK 與 AWS 進行災害及緊急應變
AWS Community Day Hong Kong 2025 Re:cap
13 從測試角度重新思考 Serverless 應用程式工作流程
AWS Community Day Hong Kong 2025 Re:cap
14 運用實務 AWS FinOps 邁向雲端成功
AWS Community Day Hong Kong 2025 Re:cap
15 運用 AWS 打造 AI 驅動的全球 Pure-Alpha 宏觀交易:革新風險調整後資產報酬
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 現代交易生命週期:從交易到結算
FSI Recap
02 Goldman Sachs:透過 Fast Track 將應用程式移至雲端 - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group:在 AWS 上建置有效的日誌管理解決方案
FSI Recap
04 FSI Meetup 2025 Q4 - Brex 資料庫災難復原
FSI Recap
05 FSI Meetup 2025 Q4 - Graviton 遷移成功案例
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel 現代化資料平台
FSI Recap
07 FSI Meetup 2025 Q4 - PayPal 金融交易資料對帳器
FSI Recap
08 FSI Meetup 2025 Q4 - 擴展韌性
FSI Recap
09 最大化 AI 推論成本效益:策略性採用 AWS GPU 執行個體
FSI Recap
10 進階代理式 AI 設計模式
FSI Recap
11 在 AWS 上建置全新現代化應用程式
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent 回顧 (IND3312)
AWS re:Invent 2025
02 利用 AI 和 AWS 構建未來交易平臺
AWS re:Invent 2025
03 交易創新:Jefferies 在 Amazon Bedrock 上的 AI 助理 (IND3315)
AWS re:Invent 2025
04 FSI 如何運用代理式 AI 徹底改造 HFT 分析 (GBL302)
AWS re:Invent 2025
05 透過 Amazon Time Sync 改善分散式系統,Nasdaq 專題分享
AWS re:Invent 2025
06 Amazon Aurora HA 與 DR 的全球韌性設計模式 (DAT442)
AWS re:Invent 2025
07 建構代理式 AI:Amazon Nova Act 與 Strands Agents 實務應用 (DEV327)
AWS re:Invent 2025
08 深入探討 Amazon Aurora 及其創新 (DAT441)
AWS re:Invent 2025
09 深入探討 Amazon S3 (STG407)
AWS re:Invent 2025
10 Nasdaq:為全球金融服務打造具彈性的基礎設施(HMC327)
AWS re:Invent 2025
11 AWS Lambda 的最新功能 (CNS376)
AWS re:Invent 2025
12 使用 Kiro 進行規格驅動開發 (DEV314)
AWS re:Invent 2025
13 Amazon 的 FinOps:全球電子商務巨擘的雲端成本經驗 (AMZ308)
AWS re:Invent 2025
14 AWS 上的 Tick-to-trade 延遲交易平台
AWS re:Invent 2025
政務資料
01 The AI Era: The Boundary Between Development and Design Is Disappearing
政務資料
02 裝置端多模態 AI 與智慧城市實踐
政務資料
03 大模型能力評測與 AI 專案落地方法論
政務資料
04 基於雲端代理的政府開發全鏈路受控自動化
政務資料
05 從多智能體看 Agent 時代軟體新生態
政務資料
06 AI 驅動的宏觀量化研究與智慧治理
政務資料
07 公共數據授權營運與智慧政務實踐
政務資料
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
政務資料
09 AI技術賦能心理健康公益:可信平台的治理、架構與實踐
政務資料
Amarathon 2025 回顧
01 開發人員的代理架構設計路線圖
Donnie Prakoso
02 Amazon Bedrock 資料自動化
Hafiz Syed Ashir Hassan
03 AgentCore 上的多代理
Tan Xin
04 實務建置代理式 AI:Nova Act 與 Strands Agents
Haowen Huang
04 運用規格驅動開發,以 Kiro 加速移轉專案
Sanchit Dilip Jain
06 從「比對」到「理解」:由 AgentCore Memory 驅動的個人化 AI 搜尋實踐
Liu Cao
07 從觀察到最佳化:從 LLM 可觀測性邁向 AIOps,將即時洞察轉化為智慧自動化
Jimmy Soh
08 部署 TEAM 並打造最佳工程團隊
Yuji Oshima
09 五年來所謂無伺服器資料庫帶來的五個慘痛教訓
Renato Losio
14 如果 AI 替我工作會怎樣:Q Developer CLI 與 Kiro 如何改變我的日常工作
Miguel Angel Muñoz
16 兼顧速度與警覺:Amazon Bedrock Agent 開發的安全要點
Brian Tarbox
26 在單張 H100 上執行 OSS LLM:更聰明、更便宜、更快速
Adit Modi Adit Modi
28 現代化統一中繼資料架構:打破資料孤島的新方法
Shaofeng Shi
29 無伺服器 MediaOps:運用 Amazon Web Services 上的 AI 自動化影片工作流程
Luis Valdivia
30 透過大規模效能測試建構兼具效率與可靠性的架構
Luis Guirigay
31 透過開放原始碼連結世界:技術、社群與全球開發者關係的實踐歷程
Richard Lin
33 建置串流 Iceberg 資料表以進行即時物流分析
Fahad Shah
34 加速大規模機器人策略訓練:以 Kiro、Trainium 與 EKS 為基礎的自動化閉環架構
Junjie Tang
35 透過規格驅動開發,從 Vibe 走向可行方案
Ricardo Sueiras
36 讓雲端成本分析更智慧:使用 Strands 與 AgentCore 建置 FinOps 智慧 Agent
Xiaofei Li
37 使用 CNCF Kagent、K8sGPT 與 Nova Sonic,轉型 K8s 對話式 Agentic AIOps
Shaoyi Li

什麼是 Amazon Kiro?

● 與 VS Code 相容

● 採用最先進的 Claude 模型

● 企業級安全性

縮短從構想到程式碼之間的落差

● 解決產品構想從 PM 傳達給工程師時失真的難題

● Kiro 扮演 AI 共同作者,將非正式的需求簡報轉換為可持續演進且受版本控制的規格

● 在開始撰寫程式碼前消除模糊之處,加速交付週期 傳統靜態文件與

Kiro 動態規格的比較

● 傳統靜態文件容易過時,並導致大量重工與意外狀況

● Kiro 的動態規格會隨程式碼自動更新、與測試及指標同步,並帶來可衡量的開發速度提升 Amazon Kiro

工作流程

● Amazon Kiro 方式的 SDLC!

● 匯入(Ingest):接收產品需求簡報

● 擴充(Expand):AI 擴充使用者故事

● 迭代(Iterate):協作編輯

● 鎖定與建立 Stub(Lock & Stub):完成規格定稿

● 每個步驟皆可追蹤、可加註解,並受 Git 控管


運用提示工程提升精準度

● 簡潔且脈絡豐富的提示能產生最準確、實用的規格

填空範本

● 使用者角色(Persona):使用者是誰?

● 問題(Problem):他們需要做什麼?

● 結果(Outcome):成功是什麼樣貌?

● 非目標(Non-Goals):哪些內容不在範圍內?

反覆精煉流程

● 人類下達提示

● AI 提出建議

● 人類進行驗證

● 此循環會持續進行,直到規格通過所有內部品質關卡


使用 Amazon Kiro 實現舊式系統現代化

● 在不重寫核心商業邏輯的情況下,透過規範式模式將關鍵 COBOL、PL/I 與組合語言移轉至 Graviton 上的託管 Java

● 自動化轉換:將舊式程式碼轉換為現代化 Java 微服務

● 資料複寫:將大型主機資料即時同步至雲端資料庫

● DevOps 整合

建立 CI/CD 管線,以快速、可靠地發布 自動化程式碼轉換引擎

● 解析(Parse):將舊式原始碼轉換為抽象語法樹(AST)

● 重構(Refactor):套用規則式轉換,使程式碼結構現代化

● 輸出(Emit):產生符合 Java 慣用寫法的 Spring Boot 微服務程式碼

● 保留資料格式、交易邊界與稽核軌跡

資料同步與大型主機卸載

● AWS DMS 與 Kiro agents 以近即時方式將大型主機資料複寫至 Aurora PostgreSQL

● 雙向同步:試行階段仍以大型主機為權威資料來源

● 零停機切換

只需簡單切換 DNS,即可將流量轉移至雲端 零信任安全性

● 每個微服務預設皆會隔離並受到保護

● 最小權限 IAM:使用具有最低必要權限的專屬 IAM role

● 加密:KMS 會加密靜態與傳輸中的資料

● 持續監控:CloudTrail 與 Guard Duty 為 SOX、PCI 及 HIPAA

提供稽核證據 角色型存取與審查

● [ 1 ] 產品經理:負責敘事內容與面向使用者的需求

● [ 2 ] 技術主管:負責系統架構與技術設計

[ 3 ] QA 工程師:負責驗收條件與測試計畫

● Amazon Kiro 會追蹤核准狀態、顯示尚未解決的註解,並在所有角色簽核前阻止合併 實際成效案例研究

全球性銀行

● 一家全球前 20 大銀行使用 Kiro 移轉用於零售支付的 1,400 萬行 COBOL 程式碼

● 僅用一個週末便無縫完成切換,且交易失敗數為零

● 基礎設施成本降低 68%

● MIPS(大型主機負載)降低 90%

● 發布頻率從每季一次提升至每週一次,從而釋出預算投入 AI 計畫

您的移轉路線圖

● 6 週試行藍圖:

● 第 1~2 週:佈建與轉換

● 第 3 週:驗證一致性

● 第 4 週:CI/CD 管線

● 第 5 週:5% 流量

● 第 6 週:指標與審查