亚马逊云科技-AI编程新范式提示词驱动开发助力人机协作

关键字: [亚马逊云科技， 生成式AI， Awesome Better Knowledge Base， 智能体编码， 任务物化， 提示词驱动开发， 人机协作， 代码生成]

导读

王景飞博士从亚马逊云科技介绍了下一代开发体验，人类研发应该如何与AI工具高效协作。他阐述了编码未来的趋势，即AI智能体编码将取代人类编码，人类将转变为文档和代码的审核者。他提出了“物化任务”的概念，通过将任务特定信息固化为文档，使AI生成代码的过程更加可控。最后，他以“提示词驱动开发”为例，演示了如何在开源项目中利用AI协助开发的实践流程。

演讲精华

以下是小编为您整理的本次演讲的精华。

在未来的编码时代，人类的肉体将严重限制代码生成的速度。AI智能体能够通过大型语言模型直接分析需求，批量生成代码，速度可达每秒10行甚至更快。更可怕的是，人类是单线程运行，而AI可以并行工作。即使现在AI只能做到每秒生成10行代码，我们也可以启动多个AI实例并行生成，实现远超人类的卓越效率。例如，对于需要为5个文件编写单元测试的任务，我们可以创建5个AI实例，让它们并行为每个文件生成测试代码，效率将远高于人工编码。

一位开发者的实践证明了这一点。他为GitHub上的一个开源项目提交了PR，利用Amazon CodeWhisperer工具仅用了两天时间就完成了开发，而手工编码可能需要4周。他是如何做到的呢?首先确定了基本想法后，让AI调研现有代码库，生成项目概述文件和功能实现细节文件。概述文件包括文件夹结构、核心组件等，细节文件包括核心文件、类及其实现的逻辑。然后通过与AI问答的方式，明确了需求设计文档。接着，AI生成了技术解决方案文档，包括技术选型、架构结构、需要添加的类、函数和接口等细节。再之后，AI生成了实施计划，即一系列高度详细的提示词序列，指导后续的实现步骤。每一步的提示词都包含了要创建的文件路径、结构体、函数及其作用。最后，按照计划一步步实现功能，并更新任务状态跟踪文件(todo.md)，使用markdown语法记录当前进度。这种方式生成的代码更加可靠，遵循了软件开发规范。

AI辅助编程的体验是这样的:首先给出一个提示词“使用Python和FastAPI创建一个书店后端”。AI就会自动生成相关Python文件、FastAPI脚本、README文件并统计任务进度。然后让它创建Git仓库并提交代码。接着生成API测试脚本，安装依赖并执行测试，中途发现错误如依赖安装报错、测试执行报错就自动修复。整个过程中，人类基本上只需要审核AI的输出，而不需要亲自编写代码。在这个示例中，主讲人使用了亚马逊云科技的云服务，如CodeWhisperer、Git等。

之所以需要人机协作，是因为AI生成代码存在不稳定性。它可能出现幻觉(以为写的是正确的)、注意力丢失(上下文受限)等问题，导致生成的代码无法使用。因此，在编码阶段，人类需要对AI的行为进行干预和修正，加速试错过程。在审核阶段，人类须对AI生成的整体方案进行验证，避免踏入“危险区”(生成无法理解的代码)。

那么，编码的未来将会是什么样子呢?正如主讲人所说，它是“No Code”。对人类来说，我们仍然需要代码这种形式来结构化描述数据和逻辑，但几乎不需要亲自编码，因为AI替代了绝大部分编码工作。人类的角色将转变为方案设计者、文档审核者和代码审核者，而非纯编码者。作为专业研发人员，我们需要对代码负责，利用经验和对业务的理解，在不同软件开发生命周期中与AI协作。在规划阶段，人类负责设计方案，并提前缓解AI生成代码的不稳定性。在编码阶段，修正AI的行为偏移，加速试错。在审核阶段，验收整体方案，避免踏入危险区。AI智能体时代，编码时间将被大幅缩短，但人类需在规划和审核上花费更多时间。只要整体时间比原来少，我们就是赚了。

那么，如何实现可控的人机协作呢?主讲人提出了“物化任务”的理论和技巧。有效的AI上下文包括任务特定信息、领域专业知识、通用知识和聊天历史记录。其中，领域专业知识通过知识库如Amazon Web Services Better Knowledge Base集中存储和治理;任务特定信息本地存储，全文引用到上下文中。

物化任务的具体步骤是:首先，调研现有代码，生成项目概述和功能实现细节文件。其次，明确需求设计文档，可通过与AI问答的方式形成Q&A文档。再次，生成技术解决方案文档，包括技术选型、架构结构、接口等细节，人类可审核修改。接着，生成实施计划，即一系列高度详细的提示词，每一步都包含要创建的文件、类、函数及其作用，指导AI逐步实现功能。最后，按计划一步步实现，并更新任务状态跟踪文件todo.md，使用markdown语法记录当前进度。每个步骤生成的文档，人类都可以审核修改，从而控制AI的行为。

主讲人还分享了一个具体案例。一位开发者为GitHub上的开源项目提交PR，自身并不懂RAS，但利用Amazon CodeWhisperer只用两天就完成了开发(手写可能需4周)。他遵循了“提示词驱动开发”范式，先确定基本想法，再让AI调研代码库，生成概述文件。然后通过与AI问答，明确需求设计文档形成Q&A文件。接着AI生成技术文档和实施计划(提示词序列)。最后按计划逐步实现，并更新任务状态文件todo.md。这种方式生成的代码更加可靠，遵循了软件开发规范。在这个案例中，开发者充分利用了亚马逊云科技的AI辅助编程工具CodeWhisperer。

总的来说，在AI智能体编程时代，编码未来是“No Code”，人类的血肉之躯限制了编码速度。通过智能体编程，可以实现对人类的无编码效果和整体效率的提升。开发者角色将转变为方案设计者、文档审核者和代码审核者，而非纯编码者。作为专业研发，我们需要对代码负责，利用经验和业务理解，在不同阶段与AI协作。面对挑战，我们可以采取知识治理、物化任务等技巧，通过物化任务文件控制AI行为。提示词驱动开发就是一种实践，遵循软件开发规范，生成更加可靠的代码。未来，AI将自动生成绝大部分代码，人类的价值在于业务理解、系统设计和代码审核，以避免危险区，实现高效可靠的开发。在这个过程中，亚马逊云科技提供了多种AI辅助编程工具，如CodeWhisperer、Better Knowledge Base等，为开发者提供全面支持。

下面是一些演讲现场的精彩瞬间：

The speaker is about to outline the three main parts of the content they will share.

The speaker demonstrates the experience of AI programming， where humans primarily review and verify the AI-generated code rather than writing extensive code themselves， leveraging the AI’s rapid coding speed while ensuring correctness through testing and error handling.

AI-generated code can be unreliable and inconsistent due to instability， leading to issues like hallucinations， context loss， and additional learning costs for human developers.

通过优化提示词和多次重试指导AI生成代码，可以提高整体交付速度并避免不稳定性问题。

A framework for professional developers to adopt AI capabilities， where AI is recommended for complex tasks， while simple tasks are better handled manually.

一位开发者采用了“prompt追问开发”的方法，类似于人类编写代码的过程，而不是简单地让AI自动生成结果。

总结

亚马逊云科技正在推动一种新的编程范式——提示词驱动开发，旨在通过人机协作提高软件开发效率。这种方法的核心思想是利用人工智能(AI)的强大能力快速生成代码，同时人类专注于规划、审核和优化。

提示词驱动开发包括以下几个关键步骤:首先，人类提供任务需求和背景信息，AI根据这些信息生成初步代码。然后，人类审核代码并提供反馈，AI根据反馈进行修改和优化。这个过程循环往复，直到生成满意的代码。

为了提高AI生成代码的可控性和可靠性，亚马逊云科技提出了“物化任务”的概念。它要求将任务相关的信息(如需求、设计文档、技术方案等)形式化并存储，以供AI参考和复用。这样可以避免AI产生不可控的代码，并提高开发效率。

总的来说，提示词驱动开发将人类的经验和AI的高效相结合，是软件开发领域的一种创新范式。在这种范式下，人类的角色将从编码者转变为方案设计者和代码审核者，而AI则承担大部分编码工作。亚马逊云科技相信，随着AI技术的发展，这种范式将成为编码的未来。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。