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

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。