亚马逊云科技今日发布了一款名为Kiro的新型开发环境预览版,该环境集成了面向软件工程师的人工智能智能体,该公司表示这将帮助工程师将想法转化为可投入生产的代码。
目前处于预览阶段的Kiro为被称为"氛围编程"的新型开发方式提供了速度和稳定性支持。这种新方式允许开发者使用对话式英语告诉AI助手想要构建什么,然后像结对编程一样与其协作,或者让AI完成大部分工作。
亚马逊的这款最新工具是一个集成开发环境(IDE),这是软件工程师花费大部分时间进行构建、编码、测试和编译软件的开发界面。
传统上,氛围编程的体验可能从空白模板或现有应用开始,编程者提示AI编写一些内容,然后再次提示它编写更多内容或修复已写的内容。这种提示链最终会产生最终产品。亚马逊表示,Kiro将通过集成的AI智能体改变这一点,这些智能体将构建"规格"并使用"钩子"来理解将原型转化为生产环境的广度和深度。
因此,亚马逊将Kiro的新功能称为"规格化编程"。
例如,想象一个开发者有一个电商应用。对于规格制定,Kiro将接受单个提示,如"为产品添加评论系统",并生成需求文档和用户故事,用于查看、创建、筛选和评分产品评论。每个故事都将包括验收标准和边缘情况。
这可以转化为Kiro任务和子任务,智能体随后可以将这些发送给编码智能体。每个任务都包括需求、实现、可访问性和测试需求等详细信息。这使得开发者能够跟进并分步检查工作,避免遗漏任何部分。
AWS产品负责人Nikhil Swaminathan和开发体验与智能体副总裁Deepak Singh在博客文章中写道:"Kiro的规格与你不断演进的代码库保持同步。开发者可以编写代码来更新规格,或更新规格来刷新任务。"
这种方法的重要之处在于,代码和智能体的过程从上到下都有完整的文档记录。没有遗漏任何内容,开发者可以鸟瞰应用或功能的构建方式,并能够在任何事情发生之前从需求视角进行指导。亚马逊表示,这消除了通常与氛围编程相关的昂贵的反复沟通。
一旦开发者启动程序,他们就可以通过执行状态指示器观看新代码的构建过程。
钩子的工作方式与规格略有不同;它们更像是一个经验丰富的开发者关注代码变化。当开发者保存或创建文件时,钩子会触发,提示AI智能体审查并采取必要行动。
例如,开发者保存一个React组件,钩子让AI智能体更新相关的测试文件。当应用程序接口端点发生变化时,钩子会更新相关的README文档。在准备部署软件时,钩子可以通过漏洞扫描器运行软件,确保没有意外泄露密码、API密钥或其他凭据。
钩子的作用是为整个团队执行最佳实践和其他规则,确保开发者保持质量标准。它们可以检查清单、更新文档,并在文件保存和更新时在后台提供安全验证。
亚马逊表示,Kiro为开发者提供的功能超越了规格和钩子,可以通过模型上下文协议进行扩展,这是一种连接AI智能体与外部工具的开源方法。这为开发者提供了大量开源AI工具库,他们可以连接这些工具来增强Kiro的编码潜力。
当然,对于希望逐行编程的开发者,Kiro还包括用于文件内编码任务的智能体聊天功能。
Kiro团队写道:"人类和机器协调构建软件的方式仍然混乱且分散,但我们正在努力改变这种状况。规格化编程是朝着这个方向迈出的重要一步。"
Kiro目前提供预览版,可在苹果MacOS、Windows和Linux上下载。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。