AI Engineer World's Fair 2026

From AI-Assisted to AI-Native: Building a Frontier Development Team

Clare Liguori · AWS(Kiro)

2026-08-28 · 21分钟 · 18 万次观看 · AI Engineer

Amazon 的数据:6 人 76 天建成原估 30 人 18 个月的 Bedrock Mantle;50 个普通团队里表现好的一半部署速度中位数 4.5 倍。差别来自五个习惯:维护 agent 上下文、投资代码库就绪度、给 agent 完成标准、动手前澄清意图、把测试左移(确定性 mock)。

观看原视频 ↗

内容概要

Liguori 自己在补全、聊天、vibe coding 阶段只感受到 10–20% 的提效,而内部试点报告中位数 4.5 倍、有的超过 10 倍。先锋案例 Bedrock Mantle:新推理数据面原估 30 人 18 个月,6 名工程师(含两位 Distinguished Engineer)用 Kiro 76 天完成。Amazon Stores 观察了 50 个普通混编团队近一年,在存量代码库里按部署到生产的速度衡量:一半团队不足 3 倍,另一半中位数 4.5 倍。五个习惯:①把团队脑中的知识写进 skills/steering 文件,agent 犯错就问「它缺了什么知识」,同时删除过时的模型变通;②投资代码库让 agent 更好工作;③给 agent 独立的任务和自我验证手段,持续修正直到满足完成标准,而不是每 30 秒回来等人看;④动手前澄清意图;⑤测试左移,用确定性 mock 服务替代依赖真实服务的集成测试,让 agent 本地自我纠错。代价:为了让 agent 通宵跑熬夜打磨提示、多 agent 切换的认知负担、初级工程师评审能力不足。实现从 9–12 个月缩到 1–2 个月后,决策和上线审批成了最长环节。

幻灯片截图

Amazon Stores 观察 50 个普通团队近一年(初中高级混编、存量代码库),按部署到生产的速度衡量:一半团队不到 3 倍,表现好的一半中位数 4.5 倍、部分超过 10 倍;90% 用 Kiro 并配合其他工具。
5:48 Amazon Stores 观察 50 个普通团队近一年(初中高级混编、存量代码库),按部署到生产的速度衡量:一半团队不到 3 倍,表现好的一半中位数 4.5 倍、部分超过 10 倍;90% 用 Kiro 并配合其他工具。
习惯三:别让 agent 生成→等 30 秒→等人看→再改,这会占满工程师注意力、无法并行。给 agent 独立任务和验证手段,让它持续修正直到满足完成标准。习惯四:写代码前先把意图澄清。
11:08 习惯三:别让 agent 生成→等 30 秒→等人看→再改,这会占满工程师注意力、无法并行。给 agent 独立任务和验证手段,让它持续修正直到满足完成标准。习惯四:写代码前先把意图澄清。
习惯五:测试左移。agent 一定会犯错,lint、单元、集成、性能、安全测试都是它能据此行动的信号;把依赖真实服务的集成测试改成本地运行、返回确定性响应的 mock 服务,缩短纠错回路,让 agent 在回到人之前修掉更多错误。
12:32 习惯五:测试左移。agent 一定会犯错,lint、单元、集成、性能、安全测试都是它能据此行动的信号;把依赖真实服务的集成测试改成本地运行、返回确定性响应的 mock 服务,缩短纠错回路,让 agent 在回到人之前修掉更多错误。

截图来自原视频,仅用于评论与学习。

要点(点击时间跳到原视频)

  1. 0:12

    补全、聊天、vibe coding 阶段她个人只感到 10–20% 提效;Amazon 内部试点却报告中位数 4.5 倍、有时超过 10 倍。关键在工作方式变了:工程师离开持续盯着的回路。

  2. 2:11

    先锋案例 Bedrock Mantle:新的推理数据面原估 30 人 18 个月(含建服务与迁移客户和模型),6 名工程师用 Kiro 76 天完成,基于提交的评估显示最高 20 倍;但这 6 人包括两位 Distinguished Engineer 和顶尖专家。

  3. 5:41

    Amazon Stores 观察 50 个普通团队近一年(初中高级混编、存量代码库),按部署到生产的速度衡量:一半团队不到 3 倍,表现好的一半中位数 4.5 倍、部分超过 10 倍;90% 用 Kiro 并配合其他工具。

  4. 8:10

    习惯一:投资 agent 上下文。团队知识散在人脑、Slack、入职、带教、评审、站会里;agent 每次犯错就问「它缺了什么知识」,写进 skills 或 steering 文件。维护是双向的:补缺失知识,也删掉为旧模型写的变通。习惯二:让代码库更易于 agent 工作。

  5. 11:10

    习惯三:别让 agent 生成→等 30 秒→等人看→再改,这会占满工程师注意力、无法并行。给 agent 独立任务和验证手段,让它持续修正直到满足完成标准。习惯四:写代码前先把意图澄清。

  6. 13:33

    习惯五:测试左移。agent 一定会犯错,lint、单元、集成、性能、安全测试都是它能据此行动的信号;把依赖真实服务的集成测试改成本地运行、返回确定性响应的 mock 服务,缩短纠错回路,让 agent 在回到人之前修掉更多错误。

  7. 15:02

    代价:工程师熬夜打磨提示以便 agent 通宵出活;多个并行 agent 意味着在终端标签和任务间来回切换,协调者的压力和认知负担上升;评审尤其难,资深工程师多年练就的评审能力,初级工程师还没有。

  8. 18:32

    以前 9–12 个月的实现现在 1–2 个月;如果组织仍花两个月决定做不做、两个月审批上线,决策就成了交付中最长的部分。可轻易撤销的决定是提速的具体机会。

可以用在日常工作里的

  • 团队

    把「agent 犯错 → 补一条知识进 skills/steering」变成团队例行动作,并定期删除过时条目。

  • 工程

    为外部依赖建立本地确定性 mock,让 agent 在本地就能跑通集成测试并自我修正。

  • 团队

    有意识地培养初级工程师的评审能力(结对评审、评审清单),避免评审成为新的单点瓶颈。

  • 团队

    盘点产品决策与上线审批流程,把可撤销的决定授权下放。

演讲提到的资源

同一章节的其他演讲

← 返回全景 · 目录