API接口迅速对齐，你的软件开发还没用生成式AI加速吗？

于 2024-10-12 12:19:35 发布
阅读量120 收藏
点赞数
文章标签： 人工智能
原文链接：https://mp.weixin.qq.com/s?__biz=Mzg4NjU5NDUxNg==&mid=2247582126&idx=2&sn=2ef6953819483e54c459fd8092df99c2&chksm=ced096856df8e302da99d6b3303bfb63cb9124b4278ea4ce418f338ee919624efe0f96c48f1c&scene=126&sessionid=0
版权

872285f976ed4c1bd92b7af679234d41.gif

软件开发团队一直在寻求加速软件开发生命周期（SDLC）的方法，以更快地发布高质量软件。作为一款由生成式AI驱动的助手，Amazon Q可以帮助软件开发团队在SDLC的各个阶段中实现更高效的产出。

Amazon Q

https://aws.amazon.com/cn/q/

软件开发团队在分析需求、构建、测试和运维应用程序时，往往会在一些非核心任务上花费大量时间。基于亚马逊云科技17年相关专业知识进行训练的Amazon Q ，可以革新您在亚马逊云科技上构建、部署和运维应用程序的方式。通过自动化常规任务，Amazon Q让开发团队能够把更多时间投入到创新和研发当中。Amazon Q可以加速新手入门，减少上下文切换，以及加速亚马逊云科技上应用程序的开发。

本文将以开发一个待办事项的API接口项目为示例，讲解如何使用Amazon Q来加速SDLC的各个阶段。我们将利用Amazon Q Business以及Amazon Q Developer来帮助实现该项目。我们将介绍Amazon Q Business在规划和研究阶段的常见用法，以及Amazon Q Developer在研究、设计、开发、测试和维护阶段的应用。

Amazon Q Business

https://aws.amazon.com/cn/q/business/

Amazon Q Developer

https://aws.amazon.com/cn/q/developer/

计划

作为产品负责人，需要花费大量时间进行需求分析和创建用户故事，同时还需要研究内部文档，如功能规格说明书和业务需求，以了解所需的功能和目标。手动筛选文档是一项耗时的工作，而现在可以利用Amazon Q Business快速从内部文档或Wiki中提取相关信息。

Amazon Q Business可以快速地和您的业务数据、业务信息和业务系统进行连接，让您可以进行定制对话、解决问题、生成内容并采取与业务相关的行动。Amazon Q Business提供超过40个内置连接器，可连接流行的企业应用程序和文档存储库，如Amazon S3，让您只需少量的配置即可创建生成式AI的解决方案。

Amazon Q Business还提供了与第三方应用程序交互的插件。这些插件支持读写操作，可帮助提高终端用户的生产力。

40个内置连接器

https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/supported-connectors.html

Amazon S3

https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/s3-connector.html

插件

https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/plugins.html

因此，您不需要深入研究内部文档，只需使用自然语言向Amazon Q Business询问需求，它就会立即为您提供相关信息，并帮助简化任务和加速问题解决。

以我们的待办事项API接口项目为例，假设业务需求记录在Confluence中，而Jira用于任务管理。您可以分别通过Confluence连接器和Jira插件，使Amazon Q Business与Confluence和Jira连接。为了了解需求，您可以询问Amazon Q Business关于用例概述、业务驱动因素、非功能性需求等相关问题。Amazon Q Business会从Confluence文档中提取相关细节，并以清晰简洁的方式呈现给您。这样可以节省收集需求的时间，让您更专注于用户故事的开发。

aea9a596f53a988f512aa7757e325715.gif

在充分理解需求之后，您可以要求Amazon Q Business为您撰写用户故事，甚至直接在Jira中为您创建相应的任务。对于本文的API接口项目，Amazon Q Business会根据需求量身定制生成用户故事，并在Jira中为您创建对应的待办事项，为您的团队节省时间，确保项目工作流程高效运转。

f13a143e1c416925aaaeb19e77ded639.gif

研究和设计

假设上述用户故事被分配给您，您需要根据Confluence页面中描述的技术栈来实现它。

首先，您可以询问Amazon Q Business，了解组织开发指南中技术栈的相关信息。Amazon Q Business会立即从托管在Confluence上的内部开发指南文档中为您搜索相关详细信息，并附带参考资料和引用。

作为开发人员，您可以在集成开发环境（IDE）中使用Amazon Q Developer协助软件开发，包括代码解释、代码生成以及代码改进（如调试和优化）。Amazon Q Developer可以提供诸如分析需求、评估不同方法、创建实施计划和示例代码等协助。它还可以研究技术选型、权衡利弊、推荐最佳实践，甚至与您进行头脑风暴来优化设计。

让我们看看Amazon Q Developer是如何帮助分析用户故事、设计，并制定实施计划。

aa1f53e2d84a3380e9c3b04ab3ffa8be.gif

让我们在设计中进一步完善非功能性需求，如安全性和性能。

3b4ee028975841b98a18f445895e20f8.gif

开发和测试

Amazon Q Developer可以根据您指定的业务和技术需求生成代码片段。您可以审查自动生成的代码，手动复制并粘贴到编辑器中，或使用选项“插入到光标处”直接将其合并到源代码中。这有助于您快速原型化和迭代应用程序的新功能。Amazon Q Developer使用对话的上下文来指导后续的响应，这使得您可以专注于构建应用程序，无需离开IDE即可获得答复和基于特定上下文的编码指导。

Amazon Q Developer对于回答以下领域的问题特别有用：

  • 在亚马逊云科技上构建的相关问题，包括亚马逊云科技服务的选择、限制和最佳实践。

  • 通用的软件开发概念，包括编程语言语法和应用程序开发。

  • 编写代码，包括解释代码、调试代码和编写单元测试。

  • 使用用于代码转换的Amazon Q Developer Agent升级和现代化现有的应用程序代码。

用于代码转换的Amazon Q Developer Agent 

https://aws.amazon.com/cn/q/developer/code-transformation/

在Amazon Q Developer生成的用户故事设计的基础上，您可以要求Amazon Q Developer实现API接口，并根据其他要求和参数进行完善。让我们与Amazon Q Developer合作，将设计变成实现。您可以利用Amazon Q Developer的专业知识进行构思、评估选项，并得出最佳解决方案。Amazon Q Developer可以基于需求进行智能讨论，集思广益，创造新的测试用例。然后，它可以帮助构建实施计划，并高效地添加健壮、全面、以及对边缘例子覆盖度高的测试用例。

让我们要求Amazon Q Developer根据设计生成代码。

b95b77034916edafb8b5650462194ad2.gif

现在，让我们要求Amazon Q Developer实现Amazon Lambda函数。

Amazon Lambda

https://aws.amazon.com/cn/lambda/

ad7f7207003e24a22d1ebdb3cbe4f422.gif

Amazon Q Developer可以提供代码示例和代码片段，展示如何实现设计。您可以审核生成的代码，获得Amazon Q Developer的反馈，并无缝地将其集成到项目中。与Amazon Q Developer的协作可以让您利用其知识快速迭代和丰富应用程序的功能，从而提高生产力。

Amazon Q Developer还可以审查代码，并根据性能和其他参数找到改进和优化的空间。让我们要求Amazon Q Developer为我们的示例项目找出需要改进的地方。

aa8df49c12cd3cd6f7cc6a8ee3594e0e.gif

调试和故障排查

Amazon Q Developer可以在故障排查和调试方面为您提供协助。对于不熟悉的错误代码或异常类型，您可以要求Amazon Q Developer研究其含义以及常见的解决方案。Amazon Q Developer还可以通过分析应用程序的调试日志，标出任何异常、错误或警告，从而提示潜在的问题。

Amazon Q Developer可以对由错误配置导致的网络连接问题进行排查，提供简明的问题分析和解决建议。它还可以研究亚马逊云科技最佳实践，识别哪些地方与最佳实践不一致。对于代码问题，它可以在支持的IDE中回答问题和进行代码调试。利用其对亚马逊云科技服务及其交互的了解，Amazon Q Developer可以提供特定亚马逊云科技服务的指导。

在亚马逊云科技控制台中，Amazon Q Developer可以对您在使用亚马逊云科技服务时所收到的错误（如权限不足、配置不正确、超出服务限制）进行故障排查。

让我们使用命令行工具cURL通过访问Amazon API Gateway的端点对我们的待办事项API进行测试。

Amazon API Gateway

https://aws.amazon.com/cn/api-gateway/

9289ce498c935f09defae923de554b6e.gif

由于Amazon API Gateway端点在调用Amazon Lambda函数在Amazon DynamoDB表插入记录时抛出了内部服务器错误，让我们转到Amazon Lambda控制台进一步排查问题，并通过为POST方法创建测试事件直接测试该函数。在亚马逊云科技控制台中，您可以利用Amazon Q Developer对不同的控制台错误进行故障排查。对于上述错误，Amazon Q会分析其问题并帮助找到解决方案。Amazon Q将直接在控制台上解释如何通过添加Amazon DynamoDB表名的环境变量来修复此错误。

Amazon DynamoDB

https://aws.amazon.com/cn/dynamodb/

41277c007f23ece34e0e6d00ac841fc2.png

现在，让我们在IDE中要求Amazon Q Developer生成代码来修复这个错误。Amazon Q Developer随后会生成一个代码片段，用于在Amazon CDK中为Amazon Lambda函数设置所需的环境变量。

Amazon CDK

https://aws.amazon.com/cn/cdk/

51fbe90e19d9832030e84d9786e7c8b3.gif

总结

相信通过本文的介绍，您能够了解到如何利用Amazon Q Business和Amazon Q Developer来简化软件开发生命周期，从而加快产品发布速度。

凭借对代码和亚马逊云科技资源的深入理解，Amazon Q Developer使开发团队能够在研究、设计、开发、测试和审查等阶段高效工作。通过自动化常规任务、提供专家指导、生成代码片段、优化实现代码和故障排查，Amazon Q Developer让开发人员可以将注意力重新集中在推动创新的高质量的工作中。

此外，通过Amazon Q Business，团队可以借助生成式AI的力量，加快需求规划和研究阶段的进度。

本篇作者

df550df0b196121b0dc062a87aa1b1c1.jpeg

Chetan Makvana

亚马逊云科技高级解决方案架构师。

6574e5dcc00beaffc3289cc356b163c7.jpeg

Suruchi Saxena

亚马逊云科技Cloud和DevOps 工程师。

f4acb173aec38a1eca2c3eda5a779922.jpeg

Venugopalan Vasudevan

亚马逊云科技高级解决方案架构师。

f7c5f3a3d14f4fa4fb78b44c41189db0.png

梁宇

亚马逊云科技专业服务团队DevOps顾问，主要负责DevOps技术实施。尤为热衷云原生服务及其相关技术。

e62e4b7ecf29ed8df109d129dca2e5b0.png

be6903913070d5683ecaca9c5026da16.gif

星标不迷路，开发更极速！

关注后记得星标「亚马逊云开发者」

听说，点完下面4个按钮

就不会碰到bug了！

8b87ce1cfdba632c5b67d8abbd382d5b.gif

点击阅读原文查看博客！获得更详细内容！

博客
企业DevOps探讨：“谁构建、谁运行”原则的理论基础
12-30 9458
“谁构建，谁运行” --沃纳·沃格尔这样的场景大家想必不会陌生：我们正与家人共度美好时光，突然刺耳的电话铃声嗡嗡响起，我们的注意力也为之吸引。听筒中的尖叫声告知，我们的应用程序——也就是那些定期受到内存泄漏侵扰、但重启之后又能恢复正常的小冤家们——现在终于彻底起义了，服务器资源在几分钟之内就被其彻底榨干。目前该应用已经无法正常起效，而运维团队除了尝试重启与回滚之外无法可想——而最新
博客
企业DevOps：实施过程中需要关注的各项要点
12-29 8085
作者：亚马逊云科技企业市场战略总监Stephen Orban“经验并非凭空创造，而是依靠点滴积累所实现” ---阿尔贝·加缪在此次的企业DevOps探索之旅系列文章当中，我将带大家一同探讨企业在具备一定DevOps经验之后又该如何处理下一步可能面临的状况。当然，这些只是我个人在接触自动化、面向客户服务之IT体系以及“谁构建、谁运行”方面事务的同时积累下的一些心得体
博客
将DevOps纳入企业环境引发的思考
10-13 6359
作者：亚马逊云科技企业市场战略总监Stephen Orban“发展是一种以渐进式改善为载体的持续性行为”——英德拉瓦蒂虽然DevOps可以算是相对新鲜的概念，不过在我看来、其本质思路很早之前就已经出现。从这个角度看，目前很多企业已经广泛接纳这一概念并将其作为文化性产物看待，具体而言就是将大量原本孤立的团队融合起来，从而实现速度更快、频率更高且更为可靠的工作成果。我个人非常幸运
博客
利用Amazon Machine Learning与Amazon Redshift建立二进制分类模型
09-07 8263
日常生活中的大部分决策都以二进制形式存在，具体来说就是这类问题能够以是或者否来回答。而在商业活动中，能够以二进制方式回答的问题也有很多。举例来说：“这种情况是否属于交易欺诈？”，“这位客户是否会购买该产品？”或者“这位用户是否存在流失风险？”等等。在机器学习机制中，我们将此称为二进制分类问题。很多商业决策都能够通过准确预测二进制问题的答案来得到强化。Amazon Michine Learning（
博客
利用Amazon Mobile Analytics与R深入探究移动应用的使用模式
08-31 6805
作者：Sandeep Atluri 亚马逊数据科学家要真正鼓励用户使用我们的移动应用程序，最重要的前提就是深入了解用户使用应用程序时的行为模式，而后据此作出体验优化。不过通过应用程序事件数据来找出有意义的模式往往极具挑战性，而标准KPI所提供的诸如月度活跃用户（简称MAU）以及每日活跃用户（简称DAU）并不足以勾勒出完整的图景。举例来说，所发布应用在过去三十天中的用户开启次数能够帮
博客
亚马逊云科技使用心得：当初我曾错过的那些宝贵经验
07-08 2万+
在今天的文章中，我整理出了大量当初曾经错过、而至今仍将我追悔莫及的亚马逊云科技（Amazon Web Services）使用心得。在几年来的实践当中，我通过在亚马逊云科技之上新手构建及部署各类应用程序而积累到了这些经验。虽然内容有些杂乱，但相信仍然能给各位带来一点启示。从物理服务器向“云环境”转移的过程不仅仅是一项技术任务，同时也意味着我们的思维方式需要作出针对性的转变。总体而言，在物理环境下我们
博客
提升开发运维效率：原力棱镜游戏公司的 Amazon Q Developer CLI 实践
05-23 670
找到GuideNavigationContext.cs 然后里面有UIManager.CreateView的调用，我现在需要异步编程，所以我写了一个新的UIManager.CreateViewAsyncUniTask，我现在需要你帮我把GuideNavigationContext.cs里面的同步改异步，UniTask你可以从工程里找到，你试试吧。最后，CLI 提供了完整的操作总结，包括所创建资源的概览、如何访问服务的说明，以及生成的 update_pod.sh 脚本使用说明。
博客
省省吧！教你一招搞定Amazon MSK流量成本优化难题
05-22 16
写入端向主题中发送的消息可以大致均衡的分布在这个主题的多个分区上；每个分区的主副本分区负责承载写入端的写操作和消费端的读操作，其他的副本分区在Kafka集群内部同步主副本的消息，为2时，Producer（写入端）向Amazon MSK写入的消息会先送达到分区主副本所在的节点，然后消息会在Amazon MSK集群内部自动向另外的2台分区副本所在的节点同步；集群的消费端，可以在同可用区内就近消费分区中的数据，该特性允许消费端从副本分区所在的节点进行数据拉取并消费，而以往消费端只能在主副本分区上进行数据拉取。
博客
依赖包生命周期管理太难？Amazon Q CLI来帮你！
05-22 21
添加扫描进度条，提取项目名在扫描报告中，扫描的报告需要支持text、json、html格式，扫描结果的不同状态用emoji进行表示。”拆分后的短小代码，在后续的修改中成功率会更高，步骤数更少。过长的代码可能导致Amazon Q阅读和修改代码时，只进行局部操作，而忽略过长的上下文，导致局部逻辑正确，整体代码结构错乱。例如在一个500行的python代码中修改曾经出现类似情况，修改后的代码片段“缩进格式不正确”，然后Amazon Q会反复尝试修改以最小修改量来修复该错误，最后花了很多时间迭代数十次才完成任务。
博客
零基础教程｜Bedrock+DeepSeek快速搭建企业智能客服系统
05-21 14
本教程专注于Flask应用的本地搭建和功能实现，适合希望在本地环境中测试和开发智能客服系统的企业用户。对于未来计划将系统部署到微信公众号、网页客服或内部系统的用户，Flask应用也可以作为后端服务，便于与这些平台进行集成。调用了DeepSeek模型，并基于预设的知识库提供了准确的回答。”时，系统会结合上传的考勤制度文件，生成详尽的解答。因此，如果确定短期内不再使用该知识库，建议按照以下顺序清理资源，以避免产生不必要的费用。如果没有DeepSeek模型的使用权限，可点击页面上的“申请”按钮获得权限。
博客
云效账单分析利器！Amazon CUR助您轻松掌控云成本
05-21 21
打开控制台，在「账单」服务界面下，点击菜单上的「账单」，就能看到按服务拆分的账单。对于预留实例，真实使用的实例，其费用显示会是0，用户在统计的时候就不会把这些统计进去，但还是能看到预留实例优惠的实际应用情况，，这个指的是账单发票ID，而更实际的意义，是代表这个账单是否已经正式出具，等待客户付款。通过VCPU小时数，可以避开机型的影响，更真实地看到业务量的变化。需要注意的是，CUR报告默认是不打开的，并且也无法追溯以往的记录，只有用户手动打开之后，详细的用量数据才会被导出到指定的Amazon S3桶。
博客
基于亚马逊云科技构建音视频直播审核方案
05-21 943
随着互联网内容形态的多样化发展，用户生成内容（UGC）呈现爆发式增长。社交平台、直播、短视频、语聊房等应用场景中，海量的音视频内容需要进行实时审核，以维护平台安全与用户体验。然而，企业在构建审核系统时通常面临以下挑战：审核准确性：需要精准识别多种媒介中的违规内容，减少误判率实时性要求：在直播等场景要求尽可能快地获取结果成本压力：审核成本高昂，自建审核平台投入大规则定制：不同场景下的审核标准各异，需要灵活配置系统稳定性：需要支持高并发且保证服务可用性。
博客
三步打造物流数据湖方案，数据存储与查询效率飞升
05-20 22
Amazon S3的高可用性和弹性存储能力，结合Redshift的列式存储和大规模并行处理（MPP）架构，使得复杂查询的响应时间大幅缩短，用户能够在几秒钟内获取所需数据，从而提升决策效率。：随着2B业务的发展，需要维护的数据库数量不断增加，DB之间的相互调用加大了数据接口管理复杂性，同时自建DB的可用性挑战越来越大。WMS的主要功能有入库管理，出库管理，库存管理，并对接订单数据与物流数据，提供物流送达数据分析与报表，打造无缝的技术体验。，系统可以自动发现数据源并生成元数据，方便后续的数据分类和搜索。
博客
MCP+Amazon Bedrock协作，模型调用更灵活、更智能！
05-20 14
1.阅读网页并进行内容总结对人类而言，是一项很简单的任务，但大语言模型（LLM）通常无法像人类一样主动访问网页，也无法获取其参数记忆之外的信息。为了演示这个过程，本文会在当前的服务器文件中加入几个非常实用的功能，并展示Claude如何智能地将它们组合使用，同时准确地区分各个工具的作用。请求从给定的URL获取内容的工具。发送请求，传递对话历史、可用工具和模型配置参数，以获取来自基础模型的响应，处理下一轮对话。3.对于工具的使用，它调用工具处理程序，并使用工具的结果向Amazon Bedrock发起新的请求。
博客
Amazon Bedrock 上的模型擂台赛：Nova、Claude，谁是最强图片/视频审核大模型？
05-20 716
本文将使用相同的视频图像审核测试数据集，从审核准确率、误报率、漏报率等多项指标全面评估亚马逊云科技 Amazon Bedrock 上三款多模态大模型的表现差异，这包括亚马逊自研大模型 Nova 系列的 Lite 和 Pro 模型、Anthropic 的 Claude 3.7 Sonnet 模型，对比分析不同模型在色情内容和暴力内容审核场景下的优势，为您选择和构建合适的基于大模型的内容审核解决方案提供洞见与参考。Nova Lite 对色情图片的检测准确率为 50%，对暴力图片的检测准确率为 88.33%
博客
数日即可构建Agent？Strands Agents说到做到！
05-19 33
尽管LLM的性能逐渐提高，但这些改进并不意味着可以利用现有的框架更快地构建和迭代Agent，Clare团队仍需花费数月时间让一个Agent达到生产可用的状态。为了完成Agent原型的开发和部署，Clare团队不得不依赖各种复杂的Agent框架库，这些库能够为Agent提供所需的基础架构和编排能力，确保其在早期模型中能可靠的完成任务。在每次循环中，Strands会将提示词、Agent上下文以及Agent工具的描述信息，一并传递给LLM。例如，可在Lambda函数中运行Agent工具，同时在。
博客
快速上手教程！构建MCP Client代理Amazon Bedrock请求
05-19 33
亚马逊云科技SaaS Factory高级解决方案架构师，致力于帮助客户在亚马逊云科技上构建SaaS解决方案。如下代码会接收输入，并保持对话循环，直至用户退出（输入空白消息）。使用Converse时，您需要提供包含用户与助手之间所有消息的对话记录。则是一款可供使用的开源协议，但您需要构建一个客户端，来代理。MCP目前仍处于初期发展阶段，但这类工具在提升。，以便将请求代理到MCP Servers，，则可在代码中指定的位置，通过以下代码将。的同时，常需使用其他资源或工具。调用正确的工具，并将响应返回给。
博客
变长特征序列处理太头疼？Amazon SageMaker治愈开发焦虑！
05-19 29
以上方案1中，把变长特征通过截断和padding，处理为定长的序列特征字段，该方案会导致特征数据膨胀问题，比如原来某一特征列在原始数据中只有5个多值key和weight权重，而如果特征基数为10，需要padding为定长10的特征序列，则会膨胀一倍。在模型训练时传入特征训练数据，该API只能接收定长序列的特征字段类型。和截断的定长序列特征、保持变长序列特征的两种训练方案，两种方案各有特色，分别适用于不同的应用场景，旨在建立一个高效、可扩展的变长特征处理框架，为推荐和广告系统的模型训练提供更好的支持。
博客
Amazon Q 从入门到精通 – 测试与重构
05-19 674
本文以一个“意大利面条式”的，充满了不良设计的代码为样例，展示了 Amazon Q Developer 如何能够以简单/精炼的自然语言交互的方式，短时间内帮助开发者完成代码重构和自动化测试用例的编写，在确保代码质量的同时，大大降低了测试代码的维护成本。不仅如此，当业务代码不断随着市场需求发生频繁变化的时候，开发者将可以随时以智能化、自动化的方式，让 Amazon Q Developer 协助生成最新的单元测试代码，让单元测试能够提供精确代码质量保证的同时，不再产生高昂的维护代价！
博客
内存带宽涨60%！EC2 P6-B200实例训练推理性能飙升2倍
05-16 37
借助这些实例，您可以加速基础模型训练产品的上市时间，通过提供更快的推理吞吐量以降低推理成本，从而推动生成式AI应用的普及。的超大规模集群能力，以及亚马逊云科技Nitro系统的高级虚拟化和安全功能相结合，您能够在更高的安全性下，以更快速度和更大规模训练和部署基础模型。Amazon EC2容量块使用时长预留天数可选1-14天、21天、28天，或以7天为增量，最长不超过182天，最多可提前8周设置最早启动日期。这些实例在生成式AI训练（训练耗时）和推理（每秒处理的token）方面的性能提升可达两倍之多。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值