亚马逊AWS推出三款AI智能体,Kiro可实现连续数日自主编程

2025-12-03 17:43:19   |   唐薇   |   1089

12月3日,亚马逊云科技带来了一系列突破性创新。AWS宣布推出三款全新的“前沿智能体”,其中名为Kiro的自主智能体尤为引人注目,它能够连续自主运行数日之久,为软件开发领域带来了前所未有的自动化可能性。

这三款智能体各司其职,构成了一个完整的AI辅助开发体系。Kiro自主智能体专注于软件编码任务,基于AWS今年7月发布的同名AI编码工具构建;AWS安全智能体负责独立识别编码过程中的安全问题并提供修复建议;而DevOps智能体则自动化测试新代码的性能问题,检查其与现有环境的兼容性。

目前,这些智能体的预览版本已经面向用户开放,标志着AWS在AI实际应用领域迈出了实质性的一步。这套组合解决方案旨在为企业提供从代码编写到安全测试再到部署运维的全流程智能化支持。

此前发布的Kiro工具主要用于“氛围编码”,但其核心目标是生成可投入生产的运营级代码。为确保代码质量,该AI必须严格遵循企业自身的软件编码规范。Kiro通过一种名为“规范驱动开发”的理念实现这一点——在编码过程中,它会要求人类用户对其假设进行指导、确认或修正,从而逐步形成明确的开发规范。

而新推出的Kiro自主智能体则实现了质的飞跃。通过扫描现有代码等多种训练方式,智能体能够观察团队在各类工具中的实际工作方式,并在此基础之上独立开展工作。AWS首席执行官马特・加曼在AWS re:Invent大会主题演讲中介绍:“你只需从待办事项列表中分配一个复杂任务,它就能自主规划并完成这项工作。”

亚马逊宣称,Kiro具备“跨会话的持久上下文”能力,这意味着它不会因内存限制而遗忘任务目标。基于这一技术突破,Kiro能够在极少人工干预的情况下,独立处理任务数小时乃至数日。加曼举例说明了其实际应用价值:传统上更新企业15个软件所使用的一小段关键代码,需要逐一指派并验证每处更新;而如今只需向Kiro发出一条指令,即可一次性完成全部15处修复。这种效率提升对于大型企业的软件维护工作具有革命性意义。

然而,业界普遍认为,当前阻碍AI智能体广泛采用的最大障碍或许并非技术层面的上下文窗口问题。大型语言模型仍存在幻觉和准确性问题,导致开发者不得不像“保姆”一样频繁监督。因此,许多开发者倾向于分配短小任务,并在推进前快速验证结果。

特别提醒:本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字、图片等内容的真实性、完整性、及时性本站不作任何保证或承诺,请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益,请及时发送相关信息至bireading@163.com,本站将会在48小时内处理完毕。

亚马逊AWS推出三款AI智能体,Kiro可实现连续数日自主编程

2025-12-03 17:43:19 浏览量: 1089 作者: 唐薇

12月3日,亚马逊云科技带来了一系列突破性创新。AWS宣布推出三款全新的“前沿智能体”,其中名为Kiro的自主智能体尤为引人注目,它能够连续自主运行数日之久,为软件开发领域带来了前所未有的自动化可能性。

这三款智能体各司其职,构成了一个完整的AI辅助开发体系。Kiro自主智能体专注于软件编码任务,基于AWS今年7月发布的同名AI编码工具构建;AWS安全智能体负责独立识别编码过程中的安全问题并提供修复建议;而DevOps智能体则自动化测试新代码的性能问题,检查其与现有环境的兼容性。

目前,这些智能体的预览版本已经面向用户开放,标志着AWS在AI实际应用领域迈出了实质性的一步。这套组合解决方案旨在为企业提供从代码编写到安全测试再到部署运维的全流程智能化支持。

此前发布的Kiro工具主要用于“氛围编码”,但其核心目标是生成可投入生产的运营级代码。为确保代码质量,该AI必须严格遵循企业自身的软件编码规范。Kiro通过一种名为“规范驱动开发”的理念实现这一点——在编码过程中,它会要求人类用户对其假设进行指导、确认或修正,从而逐步形成明确的开发规范。

而新推出的Kiro自主智能体则实现了质的飞跃。通过扫描现有代码等多种训练方式,智能体能够观察团队在各类工具中的实际工作方式,并在此基础之上独立开展工作。AWS首席执行官马特・加曼在AWS re:Invent大会主题演讲中介绍:“你只需从待办事项列表中分配一个复杂任务,它就能自主规划并完成这项工作。”

亚马逊宣称,Kiro具备“跨会话的持久上下文”能力,这意味着它不会因内存限制而遗忘任务目标。基于这一技术突破,Kiro能够在极少人工干预的情况下,独立处理任务数小时乃至数日。加曼举例说明了其实际应用价值:传统上更新企业15个软件所使用的一小段关键代码,需要逐一指派并验证每处更新;而如今只需向Kiro发出一条指令,即可一次性完成全部15处修复。这种效率提升对于大型企业的软件维护工作具有革命性意义。

然而,业界普遍认为,当前阻碍AI智能体广泛采用的最大障碍或许并非技术层面的上下文窗口问题。大型语言模型仍存在幻觉和准确性问题,导致开发者不得不像“保姆”一样频繁监督。因此,许多开发者倾向于分配短小任务,并在推进前快速验证结果。

,

Copyright ©2018 铋读网 All Rights Reserved.

京ICP备18051707号

京公网安备 11011302001633号