1️⃣ Jeff Barr 推動 AWS news blog 二十年。長期 developer advocacy 建立產品團隊與 builders 間的 feedback loop。持續經營部落格以獲取開發者回饋。
2️⃣ Narrative documents 定義 AWS 的 web services 願景。撰寫文件確保投入 software development 前達成 product-market fit。開發前先完成敘述文件。
3️⃣ Barr 撰寫 3,200 篇文章記錄 service launches。Technical communication 帶動 cloud infrastructure 採用並維持 enterprise transparency。透過技術文章紀錄服務發佈。
4️⃣ Barr 訪問 14 國收集開發者見解。Direct customer engagement 識別 operational challenges 並優化 product roadmap。親自參與開發者活動以調整產品藍圖。
5️⃣ Generative AI 改變 software development lifecycle。內部專案導入 Gen AI 提升 developer productivity 並維持 safety standards。於內部流程整合生成式 AI。
6️⃣ 2006 年 3 月 14 日啟動 Amazon S3 與 AWS。追蹤里程碑協助 stakeholders 衡量 cloud platform 長期成長。記錄關鍵時間點以評估平台發展。
7️⃣ User groups 促進 builders 知識交換。連結 stakeholders 確保 product goals 一致。扶持開發者社群以建構 scalable systems。
8️⃣ AI-generated images 強化技術簡報。包含 prompts 確保 transparency 與 reproducibility。揭露 AI 參與並提供輸入參數。
9️⃣ Project Mantle 識別 generative AI 產值。理解 developer workflows 輔助 tooling optimization分析內部專案以精煉 AI 實作。
🔟 Generative AI 與開發工具每日演進。掌握現況維持 software development 競爭優勢。監控模型發佈以整合新興技術。
1️⃣1️⃣ 技術轉變引發 operational challenges。識別技能差距進行 targeted training。評估技術熟練度以應對產業轉型。
1️⃣2️⃣ 產業趨勢高速變動。識別節奏協助組織調整 product cycles。利用子彈列車類比衡量 AI 採用準備度。
1️⃣3️⃣ 持續學習減輕模型更新衝擊。評估個人狀態確保團隊跟上 innovation。執行開發者調查確定工具準備度。
1️⃣4️⃣ Amazon Bedrock 提供 infrastructure 運行模型。平台簡化 AI application building。透過 Bedrock 使用模型與 inference services。
1️⃣5️⃣ Customization features 與 safety guardrails 保護數據。執行 policy checks 確保 enterprise compliance。應用安全協定防護客戶資訊。
1️⃣6️⃣ Agentic AI 功能驅動複雜應用開發。快速迭代加速功能擴張。利用 Bedrock 工具組建構 autonomous systems。
1️⃣7️⃣ Model catalogs 於 12 月擴展至 277 個模型。提供多樣選擇驅動平台採用。維持 infrastructure 支援模型成長。
1️⃣8️⃣ Inference jobs 產生不同延遲。優化 GPU resources 提升 cost efficiency。管理運算資源以處理多樣工作負載。
1️⃣9️⃣ Job isolation 防止客戶間干擾。確保獨立執行維持 system reliability。隔離租戶工作負載保護 AWS regions 效能。
2️⃣0️⃣ Tiered service levels 提供多樣價格。對齊速度與成本優化資源配置。根據延遲需求選擇服務層級。
2️⃣1️⃣ Model lifecycles 需要 automated resource reclamation。除役舊模型降低 operational overhead。監控模型熱度優化區域資源。
2️⃣2️⃣ Model lifecycle management 回收廢棄模型運算資源。Automated resource allocation 防止浪費。將無客戶使用的模型除役。
2️⃣3️⃣ Project Mantle 重構 Bedrock 基礎設施。Foundational architecture 支持長期 scalability。投入資深工程團隊現代化核心系統。
2️⃣4️⃣ 傳統開發週期無法滿足市場速度。對齊 development velocity 與市場需求提升競爭力。當進度落後時評估開發方法論。
2️⃣5️⃣ Generative AI 提供人力擴張替代方案。維持小型團隊減少通訊開銷。實驗 AI 工具以獲取產值。
2️⃣6️⃣ Q Developer 與 Qiro 工具加速 code generation。開發時間縮短展現 ROI。利用 AI 輔助編寫 unit tests 與技術文件。
2️⃣7️⃣ Gen AI 讓 Bedrock 在 76 天內發佈。縮短 time-to-market 達成快速部署。利用 AI 工作流滿足交付時程。
2️⃣8️⃣ Project Mantle 支援 re:Invent 發表 18 個模型。Infrastructure 支撐平台擴張。擴展後端系統以容納新產品。
2️⃣9️⃣ AI 整合提升開發者個人產值 20 倍。每週 commits 從 2 次提升至 40 次。實施 AI 工具優化個人輸出。
3️⃣0️⃣ 專案組織集中於 monorepo。集中程式碼與文件簡化 knowledge management。採用單一儲存庫結構以回饋模型上下文。
3️⃣1️⃣ 建構 local testing environments 移除外部依賴。開發者在筆電執行 full stack tests。設置本地測試確保軟體品質。
3️⃣2️⃣ Automated code generation 產生數千個測試。透過大量測試驗證程式碼品質。隨源碼產生 unit tests 維持工程標準。
3️⃣3️⃣ Future-proofing code 需要 AI 友善開發週期。建立易於模型理解的代碼便於迭代。指示模型生成具閱讀性的語法。
3️⃣4️⃣ 開發週期實現每小時一次代碼變更。拆分工作流加速問題解決。針對特定變更對模型下 prompt。
3️⃣5️⃣ End-to-end tests 跟隨 AI 代碼變更。人工審核確保程式碼安全進入 production。使用自動化測試驗證邏輯。
3️⃣6️⃣ 累積代碼實現隔日推送到 production。縮短發布間距提供商業價值。優化 CI/CD pipelines 處理高頻率提交。
3️⃣7️⃣ Prompt engineering 透過特定任務發揮價值。強型別語言提供模型更好資訊。使用精確指令減少開發錯誤。
3️⃣8️⃣ Rust 與 Go 等強型別語言提升模型推理。結構化資訊確保 outcome quality。選擇語法清晰的語言進行 AI 輔助開發。
3️⃣9️⃣ Gen AI 放大開發者技能。將 builders 轉化為高績效工程師。專注於技能獲取將 AI 作為能力延伸。
4️⃣0️⃣ 工作流分離包含搜尋與修復元素。隔離探索與執行提升 prompt accuracy。使用獨立指令定位邏輯問題。
4️⃣1️⃣ 高品質 prompts 建立開發者信心。增加開發週期規律性以擴展產力。制定精確指令以加速學習與輸出速度。
4️⃣2️⃣ AI 工具產出的代碼品質等同人工努力。維持產業標準錯誤率以確保 system reliability。利用 AI 擴展代碼量而不降低軟體品質。
4️⃣3️⃣ 大量代碼產出增加總體錯誤數。提高 20 倍代碼量會產生 downstream operational risks。監控生產環境中因高速度產生的關鍵錯誤。
4️⃣4️⃣ 傳統測試必須增加以匹配代碼量。強化 unit tests 與 end-to-end tests 降低風險。要求工具積極建立完整測試套件。
4️⃣5️⃣ Test-to-production ratios 必須隨 AI 產出擴展。提升錯誤偵測能力防止故障接觸客戶。實施聰明測試確保高速開發安全。
4️⃣6️⃣ Formal methods 使用數學技術證明程式正確性。最小化邏輯錯誤以確保功能正確。投資 automated reasoning 尋找傳統測試遺漏的錯誤。
4️⃣7️⃣ Context management 影響模型效能。減少過多工具或資訊以避免追蹤困難。頻繁開啟新會話以清除上下文並提升準確度。
4️⃣8️⃣ Session summarization 儲存並還原模型上下文。保存摘要數據實現連續性且不降低效能。使用工具僅在需要時加載資訊。
4️⃣9️⃣ 按需加載資訊防止預載開銷。行使判斷力確保模型僅接收當下所需數據。僅在模型要求時加載特定 documentation。
5️⃣0️⃣ Pattern mimicking 讓模型複製現代化代碼。遵循更新後的模組模式確保儲存庫一致性。提示模型在其他源碼位置使用現有模式。
5️⃣1️⃣ Developer judgment 在 AI 工作流中更顯重要。長期建立的技能確保高品質決策。發展個人專業以有效引導並驗證 AI 工具輸出。
5️⃣2️⃣ 軟體建構環境對資深與初階開發者正在改變。理解晉升路徑協助組織招募有效 builders。專注於問題解決與經驗，而非單純語言語法。
5️⃣3️⃣ 資深開發者提供技術外的經驗與直覺。對複雜狀況做出合格知情判斷確保專案成功。專注於判斷技能以推動 product development。
5️⃣4️⃣ 新進開發者需要接觸複雜系統進行訓練。透過經驗發展判斷力以準備資深職位。帶領團隊經歷知情決策的過程。
5️⃣5️⃣ Prompt writing 作為表達構想的新語言。學習語法與結構以實現與模型更好的溝通。將指令編寫視為現代軟體開發的核心競爭力。
5️⃣6️⃣ Shift left strategies 自動化 QA 與建置流程。早期提升效率以維持 product quality。確保每次提交皆通過所有配置測試。
5️⃣7️⃣ Downstream systems 面臨加速產出的壓力。提升 20 倍產力會對代碼儲存庫與審閱工作流造成壓力。優化內部流程以處理高速 AI 輔助輸出。
5️⃣8️⃣ Code reviews 必須擴展以匹配合併速率。避免開發者審閱過量代碼造成營運瓶頸。投入資源使審閱速度與生成速度同步。
5️⃣9️⃣ CI/CD processes 需要頻繁觸發以維持價值。運行自動化建置防止系統滯後。確保交付管線與 AI 輔助開發者一樣快速。
6️⃣0️⃣ Amdahl's Law 識別優化架構中的系統瓶頸。改善單一部分的效益受限於未改善段落。平衡開發速度與下游處理能力。
6️⃣1️⃣ Parallel agents 獨立於開發者構想生成代碼。無須協調即可工作以加速建構階段。催生 autonomous agents 處理系統的不同層面。
6️⃣2️⃣ 當代理並行工作時審閱工作量增加五倍。增加人員處理代碼審閱防止交付瓶頸。規模化審閱能力以匹配 AI 產出量。
6️⃣3️⃣ CI/CD systems 必須以 20 倍速率處理合併與測試。同步下游流程與建置速度確保產力增益。優化部署管線以接收高速代碼。
6️⃣4️⃣ 非開發層面的軟體生命週期需要速度優化。識別市場機會涉及提升審閱與 CI/CD 效率。專注於流程改善以支持快速開發。
6️⃣5️⃣ BMW 集團建立 serverless CI/CD 架構。處理每日 130,000 次部署以支援 3,000 名 builders。實施無伺服器管線以跨 AWS regions 擴展建置。
6️⃣6️⃣ Multi-region builds 允許同步部署不同作業系統。涵蓋 1,300 個 microservices 展示企業擴展性。使用無伺服器架構維持全球團隊管線速度。
6️⃣7️⃣ Serverless CI/CD 運作速度與開發者同步。紀錄架構細節為 stakeholders 提供最佳實踐。參考技術部落格以學習實作策略。
6️⃣8️⃣ 決策過程必須匹配代碼生成速度。加速軟體建構需要 stakeholders 決策快 20 倍。同步領導層審閱與技術速度防止營運瓶頸。
6️⃣9️⃣ In-person collaboration 改善 AI 團隊溝通。在相同物理位置允許即時諮詢。共同辦公以優化知識轉移與問題解決。
7️⃣0️⃣ Hacker houses 代表產力極大化的生活優化。共同生活與工作極大化開發專注度。評估團隊鄰近性以決定高產出專案的最佳環境。
7️⃣1️⃣ 傳統帶有每日站會的敏捷模型效率下降。每週會議對於高速 AI 工作流間隔太長。重新設計開發流程以支持持續協調與快速迭代。
7️⃣2️⃣ Two-pizza teams 必須演進為更小單位。維持 one-pizza size 團隊減少溝通開銷。縮減團隊規模以增加個人控制與功能所有權。
7️⃣3️⃣ 隨團隊規模縮小，需要更廣泛的技能組。每位開發者管理更廣的工作範疇與責任。鼓勵跨領域訓練確保 builders 能處理端到端開發。
7️⃣4️⃣ 參考手冊與記憶定義了舊有編程模型。掌握語法與運算子確保適任性。超越靜態事實，在 AI 環境中擁抱實驗性學習。
7️⃣5️⃣ 模型能力透過實作探索發現。不存在生成式 AI 優劣的參考清單。直接測試模型以理解其對業務案例的具體效用。
7️⃣6️⃣ Hands-on exploration 揭示模型能力與弱點。直接試用模型以尋找業務案例的優勢。親自操作以獲得對限制的新理解。
7️⃣7️⃣ 應用哲學從長期維護轉向短週期。快速建構軟體減少貴重投資需求。頻繁重建應用程式以對齊當前客戶問題。
7️⃣8️⃣ Disposable code 簡化軟體開發生命週期。長期維護代碼不再是 enterprise best practice。將問題規格與 prompts 作為開發的耐久資產。
7️⃣9️⃣ Durable code 對於 microservices 依然重要。分離短暫應用程式碼與長期基礎設施優化配置。將工程精力專注於建構可重複使用的內部服務。
8️⃣0️⃣ 數據價值隨應用程式壽命縮短而增加。收集並分析資訊提供組織競爭優勢。建構引用並利用高價值數據集的通用應用。
8️⃣1️⃣ Generalist skills 取代小型團隊中的專門角色。適應新環境確保 builders 維持資源自給。發展廣泛技能以管理端到端專案挑戰。
8️⃣2️⃣ 次世代技能專注於客戶理解與 business cases。識別用戶挑戰細節驅動 product-market fit。專注於 stakeholder 需求以建構有效 AI 方案。
8️⃣3️⃣ 溝通技巧需要針對指令開發的表達性寫作。在 prompts 中使用更多詞彙產生更好結果。練習讀寫以成為 AI 工具的高效溝通者。
8️⃣4️⃣ Prompt-based development 需要高密度字數輸入。提供更多上下文讓模型產生準確輸出。撰寫完整指令以提升 software development efficiency。
8️⃣5️⃣ Cooperative skills 與物理共同辦公強化團隊連結。在相同地點工作提升協調與速度。優先考慮團隊合作行為以維持 product goals 一致。
8️⃣6️⃣ Concentration 是高速環境中的技術技能。維持專注確保在工具變動中保持穩定。分配時間進行心理釐清以應對技術轉移。
8️⃣7️⃣ 每日 15 分鐘持續學習減輕過時風險。每天獲取新事實或工具知識確保就緒。排定每日訓練以跟上 industry innovation。
8️⃣8️⃣ Automated code generation 減少人工代碼檢查需求。Builders 回報 AI 輸出符合預期。評估驗證工作流以確定人工審閱的關鍵點。
8️⃣9️⃣ 多語言模型支援移除軟體開發的英語門檻。向更多背景開放開發增加全球人才庫。使用在地語言擴大技術參與及 innovation。
9️⃣0️⃣ Prompt engineering 使用 markdown 與結構化規則作為語法。從格式化代碼轉向自然語言引導以維持邏輯標準。應用標記格式為 AI 工具提供清晰序列。
9️⃣1️⃣ 定義 problem statements 取代言法成為主要瓶頸。善於溝通的開發者獲得競爭優勢。專注於口頭與書面溝通以導向技術成果。
9️⃣2️⃣ 學習與適應是工程的核心原則。從語法轉向表達性指令確保長期職涯成長。擁抱新方法論以在變動環境中維持 productivity。
https://www.youtube.com/watch?v=r9-ke0c7GsU
【JAWS DAYS 2026】K1 キーノート/生成AI主導の開発組織の構築
Top comments (0)