回顧系列
- 場次 01:開發人員的代理架構設計路線圖
- 場次 02:Amazon Bedrock 數據自動化
- 場次 03:AgentCore 上的多代理
- 場次 04:實務建置代理式 AI:Nova Act 與 Strands Agents
- 場次 04:運用規格驅動開發,以 Kiro 加速移轉專案
- 場次 06:從「比對」到「理解」:由 AgentCore Memory 驅動的個人化 AI 搜尋實踐
- 場次 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
- 場次 08:部署 TEAM 並打造最佳工程團隊
- 場次 09:五年來所謂無伺服器資料庫帶來的五個慘痛教訓
- 場次 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
- 場次 16:兼顧速度與警覺:Amazon Bedrock Agent 開發的安全要點
- 場次 26:在單張 H100 上執行 OSS LLM:更聰明、更便宜、更快速
- 場次 28:現代化統一中繼資料架構:打破資料孤島的新方法
- 場次 29:無伺服器 MediaOps:運用 Amazon Web Services 上的 AI 自動化影片工作流程
- 場次 30:透過大規模效能測試建構兼具效率與可靠性的架構
- 場次 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
- 場次 33:建置串流 Iceberg 資料表以進行即時物流分析
- 場次 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
- 場次 35:透過規格驅動開發,從 Vibe 走向可行方案
- 場次 36:讓雲端成本分析更智慧:使用 Strands 與 AgentCore 建置 FinOps 智慧 Agent
- 場次 37:使用 CNCF Kagent、K8sGPT 與 Nova Sonic,轉型 K8s 對話式 Agentic AIOps
場次筆記
AI 正在改變軟體
- 2023:協助開發人員更快速地撰寫程式碼
- 2024:產生更大段的程式碼並回答問題
- 2025:在 human in the loop 的情況下端對端完成開發工作,AI 開發面臨的挑戰
- 擴大 AI 開發規模:AI 程式設計工具擅長小型工作,但面對複雜專案時可能失敗
- 控制能力有限:現有工具讓人難以與 agent 協作及管理 agent
- 程式碼品質:要讓專案從概念驗證走向正式環境,同時維持品質控管,會變得愈來愈困難。Vibe
- 快速、對話式的程式碼產生(CHOP)
- 反覆來回迭代
- 短暫性
- 單一時間點的 prompt
- 暫時性 context
邁向規格驅動開發之路
良好實務
- 拆解大型問題:開發人員學會如何手動將大型問題拆解成較小單元,並以增量方式建置
- 具體且清楚:要引導 AI 程式設計助理產生良好輸出,精確與清晰至關重要
- Context 與 Prompt Engineering:提供正確的 context,是產生一致性與控制能力的關鍵
Taskmaster
- 搭配 Clauide、用於 AI 驅動開發的工作管理系統,設計上可與 Cursor AI 無縫搭配
- [ 1 ] 文件:
- 設定指南:設定環境變數並自訂 Task Master
- 教學:開始使用 Task Master 的逐步指南
- 指令參考:所有可用指令的完整清單
- 工作結構:瞭解工作格式與功能
- 互動範例:常見的 Cursor AI 互動範例
- 移轉指南:移轉至新專案結構的指南
- [ 2 ] Cursor 1.0+ 快速安裝(一鍵安裝):
- 按一下複製按鈕(程式碼區塊右上角),再貼到瀏覽器中:cursor://anysphere.cursor-deeplink/mc/install?name=taskmaster-aiconfig-eyJjIjI1biWSkI 1joibnB4I
- 注意:按一下連結後,仍需將 API key 加入設定。此連結會使用 placeholder key 安裝 MCP server,您需要將其替換成實際的 API key
- [ 3 ] 需求:
- Taskmaster 的數個指令會使用 AI,而這些指令需要另外的 API key。只要加入 API key,就能使用不同 AI 供應商提供的各種模型。例如,若要使用 Clauide 3.7。從容程式設計理念
- 不要帶著壓力寫程式碼,而要有結構。
- 不要帶著雜訊撰寫 prompt,而要有意圖。
- 建置不只要快 — 更要有流暢節奏。Chat 對開發工具而言是不良的 UI 模式
- 程式碼迫使人類精確表達。這是好事 — 電腦需要精確性。但這也迫使人類像機器一樣思考。
- 數十年來,我們試圖透過讓程式設計對人類更友善來解決這個問題。更高階的語言、視覺化介面。每一步都有幫助,但我們仍在將人類的想法轉譯成電腦指令。
- AI 原本應該改變一切。終於,純英文可以成為一種程式語言 — 一種每個人都已經會的語言。沒有語法、沒有規則,只要說出想要什麼。
- 第一波 AI 程式設計工具浪費了這個機會。它們做出吸睛的展示,卻產生垃圾軟體。人們稱它們「非常適合製作原型」,意思就是「不要把它用在任何真實用途上」。
- 許多人責怪 AI 模型,認為只要讓模型變得更聰明即可。這是錯的。沒錯,更好的 AI 能更準確地猜測您的意思。但在建置嚴謹的軟體時,需要的是更好的方法。
書面規格讓人們達成共識
使用 EARS notation 有助於為底層提供精確且結構化的指示
LLMs
什麼是規格驅動開發?
- 規格驅動開發:先釐清再寫程式碼、反覆精進、透過持久性文件產生程式碼
- 投入時間瞭解您試圖建置的內容
- 反覆迭代並記錄您試圖建置之內容的演進
- 從短暫的 chat 轉向可與利害關係人分享的持久性文件。規格驅動開發
- 定義願景:建立清楚的需求與設計規格。
- 做出架構決策:預先選擇技術、模式與方法。
- 帶著 context 實作:使用 AI 產生符合書面規格的程式碼。Vibe
- 透過 prompt 追逐實作結果
- 快速、對話式的 AI 程式碼產生(CHOP)
- 反覆來回迭代
- 短暫性
- 單一時間點。規格驅動
- 專注於前期規劃與意圖
- 將要求拆解成個別工作
- Steering document 為 agentic 提供基礎。從原型到正式環境的 AI IDE
- Kiro 透過規格驅動開發為 AI 程式設計帶來結構,協助您發揮最佳表現。
