← Financial Cloud Cloud Cloud Club · AWS Re:cap

極點宏觀|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 12: 使用 Kiro 進行規格驅動開發 (DEV314)

講者: AWS re:Invent 2025

場次: 12

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

影片: https://www.youtube.com/watch?v=4qcWgPb-8Fk

Kiro 與 Spect 驅動開發簡介

概觀

● Kiro 是近期發布的新型代理式 IDE,強調 Spect 驅動開發。

● 其目標是透過結構化工作流程改善程式碼品質與審查流程。

● IDE 因編譯器和偵錯等整合工具而普及。

● AI 編輯器隨之出現,從程式碼補全開始,逐步演進為代理式體驗。

● 開發人員現在會引導 AI 代理程式撰寫與審查程式碼,同時維持掌控。

● 氛圍程式設計與 Spect 驅動開發:

● 氛圍程式設計涉及快速建立原型,但缺乏傳統 SDLC 生命週期。

● Spect 驅動開發導入從需求到輸出的結構化工作流程,著重於前期規劃,以改善模型專注度與輸出品質。

● Spect 驅動開發工作流程:

● 從需求開始,接著是設計、工作清單與實作。

● 可反覆精修,直到達成所需輸出。

● 包含用於驗證變更的掛鉤,例如拼字檢查與強制執行程式設計原則。

AI 編輯器與軟體開發的演進

AI 編輯器

● 演進為更具代理性的體驗,開發人員輸入自然語言,由 AI 編輯多個檔案。

● 根本性轉變:開發人員引導 AI 代理程式撰寫與審查程式碼,同時維持對工作流程的掌控。

● 氛圍程式設計:

● 常見工作流程是開發人員撰寫提示、AI 產生程式碼,然後重複此循環。

● 適合快速建立原型,但缺乏傳統 SDLC 生命週期,因而在脈絡與決策方面產生挑戰。

● 規格驅動開發:

● 為解決氛圍程式設計的挑戰而推出,強調前期規劃。

● 從需求到輸出的結構化工作流程,著重於提升模型專注度與輸出品質。

● 工作流程包括需求、設計、工作清單與實作,並可反覆精修。

● 透過加入用於驗證變更的掛鉤來解決「AI」問題,確保程式碼品質。

Spect 驅動開發

用於驗證變更的掛鉤

● Kiro 納入掛鉤,以在開發流程中驗證變更。

● 範例包括文件拼字檢查、語調與風格檢查,以及強制執行程式設計原則,例如 UI 元件的單一職責原則。

● 求職者應用程式概念:

● 核心構想:處理求職中面試準備以外的更廣泛層面,包括風格、語調與實際面試表現。

● 電梯簡報:使用者登入、設定個人資料,並透過問答流程進行面試準備,最後同時取得質性回饋與量化分數。

Kiro 介面與功能概觀

Kiro 介面

● 已安裝 Tailwind CSS 的全新應用程式概觀。

● Kiro 選單:

● 代理程式掛鉤:由儲存或刪除檔案等事件觸發的背景程序,適合用來更新文件或本地化內容。

● 代理程式引導:用於程式設計與設計標準的規則檔案,會根據應用程式目前的狀態自動產生。

● 規格:從需求到輸出的結構化工作流程,確保從構想到實作都有清楚的路徑。

● MCP:My Code Partner 伺服器,可與各種 AWS 服務和產品整合,近期也強化了更便利的安裝方式。

● 代理程式掛鉤:

● 提供常見情境適用的預先建置掛鉤,並可彈性指定特定檔案類型。

● 代理程式引導:

● 根據應用程式目前的狀態自動產生引導檔案。

● 範例:為使用 TypeScript 與 Vite 的 Vite Web 應用程式建立產品與技術檔案。

● MCP Server:

● 適用於不同服務和產品的 MCP Server 清單持續擴充。

● 最近新增:可透過 kiro.dev 一鍵安裝 MCP Server。

Kiro 中的 Spect 驅動開發

概觀

● Spect 驅動開發是本場演講的核心重點,強調從需求到輸出的結構化工作流程。

● Kiro 支援各種 AI 模型(Sonnet 4.5、4.4、Opus、Haiku),並提供自動選擇功能來挑選最佳模型。

● 建立求職者應用程式:

● 使用圖表作為設計輸入,提示 Kiro 建立求職者應用程式。

● 此流程從根據所提供的設計產生需求文件開始。

● 需求文件:

● Kiro 將初始提示展開為一組需求,並以含驗收條件的使用者故事定義。

● 使用者故事以人類可讀格式呈現功能定義,而驗收條件則詳述實作所需的具體內容。

● 使用者故事與驗收條件:

● 使用者故事範例包括登入、個人資料管理與面試準備工作階段。

● 此流程包括審查使用者故事,確保其符合所需功能,再深入檢視驗收條件以進行詳細實作。

精修需求並進入設計階段

審查與精修需求

● Kiro 可反覆精修需求。在範例中,某些需求(1、2、狀態持久性)已移除,其他需求(3、4、5、6、7、8)則保留在 MVP 範圍內。

● 強調在流程中反覆來回的重要性,以確保需求符合所需結果。

● 工作流程彈性:

● Kiro 支援不同工作流程,包括用於快速建立原型的氛圍程式設計,以及用於結構化規劃的 Spect 驅動開發。

● 開發人員可能偏好先以氛圍程式設計考量初步介面與功能,再轉換為更具結構的方法。

● 設計階段:

● 需求定案後,Kiro 會根據現有程式碼庫產生設計文件。

● 設計階段包括建立架構圖與屬性測試,以確保系統符合指定需求。

● 反覆流程:

● 此流程可反覆進行,讓開發人員能精修需求與設計文件,直到對結果感到滿意。

● 產生的文件可作為未來開發與維護的重要參考。

審查並強化設計文件

設計文件概觀

● Kiro 根據精修後的需求產生設計文件,其中包括高階架構與元件概觀。

● 設計文件使用 mermaid 圖表與 markdown,以清楚呈現視覺化內容和文件。

● 高階架構:

● 此架構包括開始畫面、問題畫面、結果畫面、用於資料持久性的本機儲存,以及用來錄製音訊回應的 Web Audio API。

● 元件細分:

● 識別出的主要元件:開始畫面檢視、問題畫面檢視、工作階段狀態擷取(問題與回應)、題庫(MVP)以及儲存工作階段。

● 識別缺口:

● 識別出的缺漏功能:轉錄使用者回應的音訊,以及詳細分析結果。

● 設計文件未具體說明如何轉錄音訊,以及如何產生與呈現結果。

● 強化設計:

● 新增額外需求:在使用者說話時轉錄為文字,以及對結果進行額外分析。

● 強調使用自然語言提示新增需求的便利性,突顯 AI 輔助文件的方便之處。

強化設計並移至工作清單

更新設計文件

● 設計文件已新增其他功能,包括使用 Cloud SDK 轉錄音訊,以及詳細分析結果。

● 導入檢查點與還原功能,無須依賴版本控制系統即可輕鬆還原至先前狀態。

● 系統圖表更新:

● 系統圖表已更新,納入轉錄服務(使用 Cloud SDK 將語音轉為文字)。

● 產生工作清單:

● 工作流程接著會根據更新後的設計文件產生工作清單。

● 工作包括建立資料模型、實作音訊錄製服務、回應驗證儲存與 AI 整合。

● 彈性與精修:

● 工作流程可將手動編輯與精修整合至設計文件中。

● 可以重新排序工作或調整其優先順序,以專注於快速達成 MVP 範圍。

● 選擇性工作:

● 以屬性為基礎的測試工作預設為選擇性,讓開發人員先專注於核心功能,再處理其他測試。

● 可精修工作清單,優先處理特定工作,以更快速地開發 MVP。

工作清單優先順序與實作

工作清單彈性

● 可精修並重新排序工作清單,以專注於快速達成 MVP 範圍。

● 可以將工作分組以減少工作數量,讓工作流程更容易管理。

● 測試優先開發:

● 如果開發人員偏好測試驅動開發方法,可以選擇先撰寫測試。

● 工作流程支援不同的開發風格,可依團隊偏好自訂。

● 核心 MVP 工作:

● 已找出包含五項工作的核心 MVP:設定相依性、建立核心資料類型、實作應用程式狀態管理、實作音訊錄製,以及語音測試。

● 其他工作包括實作回應驗證儲存,以及建立開始畫面元件。

● 納入 UI:

● 初始階段可能不包含 UI 元件,但可調整為納入 UI,以便進行視覺測試與互動。

● 工作實作:

● 可以透過點選 UI 或聊天命令開始工作。

● Kiro 依序執行工作,並執行終端機命令以安裝相依性和建立必要檔案。

● 此流程可反覆進行,並可根據持續演進的需求與設計快速調整和精修。

以屬性為基礎的測試概觀

結構化需求

● 需求以使用者故事驗收條件格式定義。

● 可對需求進行邏輯等價與形式推理。

● 屬性與形式推理:

● 屬性是系統在所有執行過程中都應成立的特徵或行為。

● Kiro 從 Gherkin 格式的需求中擷取屬性,並使用名為 Fast Check 的框架進行以屬性為基礎的測試。

● Gherkin

● 是一種用於行為驅動開發 (BDD) 的純文字語言,能以結構化且人類可讀的格式撰寫軟體行為情境,主要使用 Given-When-Then 結構。

● Feature:說明正在測試的功能。

● Scenario:功能實際運作的特定範例。

● Given:設定動作發生前的初始脈絡或狀態。

● When:說明使用者或系統執行的動作。

● Then:定義動作的預期輸出或結果。

● And/But:用於在不重複相同關鍵字(Given、When 或 Then)的情況下,為該關鍵字新增更多步驟。

● Fast Check 框架:

● Fast Check 會產生一系列值來對照屬性進行測試,以實現模糊測試。

● 不同於輸入有限的單元測試,以屬性為基礎的測試可提供更多證據,證明產生的輸出符合需求。

● 以屬性為基礎的測試範例:

● 使用 Kiro 建立了一個西洋棋應用程式,並使用以屬性為基礎的測試來確保應用程式如預期運作。

● 測試包括檢查 AI 產生的任何移動,確認其對照移動登錄是否有效。

● Fast Check 會使用隨機變更多次執行測試,以確保穩健性並減少錯誤。

● 以屬性為基礎的測試可提升程式碼品質,並降低發生錯誤的可能性。

診斷工具

● Kiro 的診斷工具可協助在工作執行期間識別並解決問題。

● 它會從編輯器讀取 lint 問題,並提供回饋以改善開發流程。

● 此工具已減少工作完成期間遇到的問題數量。

● 工作執行:

● 此應用程式包含用於面試準備的行為、技術與領導力問題。

● 此應用程式連接至 Sonnet 3.7 模型以產生回應。

● 最佳化示範:

● 最終應用程式以問題與回應示範面試準備練習。

● 此應用程式讓使用者練習回答技術問題並取得回饋。

● 此示範突顯應用程式的功能,包括錄製與轉錄回應的能力。