回顾系列
- 场次 01:开发者的智能体架构设计路线图
- 场次 02:Amazon Bedrock 数据自动化
- 场次 03:AgentCore 上的多智能体
- 场次 04:实践中构建智能体式 AI:Nova Act 与 Strands Agents
- 场次 04:使用规格驱动开发,通过 Kiro 加速迁移项目
- 场次 06:从「匹配」到「理解」:由 AgentCore Memory 驱动的个性化 AI 搜索实践
- 场次 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
- 场次 08:部署 TEAM 并打造最佳工程团队
- 场次 09:五年来所谓无服务器数据库带来的五个惨痛教训
- 场次 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
- 场次 16:兼顾速度与警觉:Amazon Bedrock Agent 开发的安全要点
- 场次 26:在单张 H100 上运行 OSS LLM:更智能、更便宜、更快速
- 场次 28:现代统一元数据架构:打破数据孤岛的新方法
- 场次 29:无服务器 MediaOps:使用 Amazon Web Services 上的 AI 自动化视频工作流
- 场次 30:通过大规模性能测试构建兼具效率与可靠性的架构
- 场次 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
- 场次 33:构建流式 Iceberg 表以进行实时物流分析
- 场次 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
- 场次 35:通过规格驱动开发,从 Vibe 走向可行方案
- 场次 36:让云成本分析更智能:使用 Strands 和 AgentCore 构建 FinOps 智能体
- 场次 37:使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps
场次笔记
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 有助于为底层的……提供精确且结构化的指令
LLMs
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。
