開場致詞 (Opening)

1. 使用者社群負責人管理 AWS 使用者社群香港站。這提供了社群交流的機會，因為負責人並非 AWS 員工。聯繫社群英雄加入使用者社群。

2. 使命涉及社群交流與倡議。這連結了開發者以應對身份轉變。參加聚會以擴展在地網絡。

3. AWS AI 使用者社群成立，專注於 AI 技術。此專業領域提供 AWS 上的 AI 特定內容。

4. Agent Cons Hong Kong 與 Agent 活動包含 AWS 講師。參與者可以存取 AI 專題與 Q 工作坊。完成 4 月場次的報名。

5. 來自日本、韓國與印度的團隊參加了香港的異地活動。這實現了全球學習與跨區域支援。向 DevRel 團隊提供回饋。

6. 設計與產業趨勢每週都在變化。直接參與確保社群保持最新狀態。加入對話以影響社群支援與培育策略。

7. 回饋能改善社群支援。互動為 DevRel 團隊提供見解。在交流環節中與工作人員交談。

技術專題 (Session)

9. AI Agent 執行任務規劃與推理。自動化處理如重新預約等執行任務。提供指令以觸發自主工作流。

10. 推理決定了執行品質。效能追蹤確認了準確性。利用評估來監控 Agent 效能。

11. 非決定性會導致解釋錯誤。這項挑戰導致回應偏離任務。審查挑戰以穩定 Agent 行為。

12. AI Agent 輔助程式碼生成與修改。任務可能會產生與需求不符的程式碼。檢查輸出以確保技術標準。

13. 權限過度擴張存在數據洩露風險。機制能防止不當行為。稽核 Agent 行為以維持安全性。

14. 故障點 include 「幻覺」。使用內部知識庫可確保準確性。監控 Agent 回應以減少低效率。

15. 工具選擇錯誤會影響品質。工具組合可提升回應相關性。評估邏輯以優化開發者工作流。

16. 可觀測性利用日誌與追蹤。識別記憶體錯誤可穩定生產。審查日誌以了解系統事件。

17. 指標量化了準確性差距。根據參數測量效能可驅動品質評估。分析數據以彌補回應差距。

18. Agent 架構管理預訂。預算邏輯推理取代了網頁搜尋。配置工具以在平台上處理任務。

19. 架構需要可觀測性與評估。Agent Runtime 連結到 Lambda 函式以執行任務。整合監控以識別架構故障。

20. Agent Core 允許配置評估。追蹤工具準確性與一致性可提升效能。為已部署的 Agent 選擇指標。

21. 測試需要工具與提示詞。定義限制可確保旅遊研究助手符合需求。將 Agent 指向 Lambda 函式。

22. 防護欄可防止知識外洩。拒絕回答範疇外的查詢可保護效能。編寫程式使 Agent 拒絕問題。

23. Agent Core Runtime 託管 Docker 檔案。部署到執行環境可啟用 Agent 調用。檢查狀態以確認 Agent 已部署。

24. 多場次測試套件測量一致性與工具選擇準確性。數據可識別效能差距。在不同場次執行批次提示詞以追蹤 Agent 行為。

25. Agent Core 追蹤指標。監控效能可識別錯誤。從指標中選擇以驗證 Agent 效能。

26. 主題專家（SME）分析評估摘要以應用設計原則。分析可提升回應品質。

27. 提示詞精煉可修正工具選擇。定義負面提示與正面提示可改善結果。根據 SME 評估更新提示詞。

28. 基準指標驗證 Agent 就緒程度。超過指標可確保生產品質。重新執行測試套件以確認效能改進。

29. 邏輯推理賦予查詢工具選擇能力。推理提供地點相關回應。配置 Agent 透過推理執行任務。

30. 迭代維持系統效能。重複評估可確保可靠性。透過多次執行來進行測試。

31. 模型變更與數據更新需要重新執行評估。自動化確保了可靠性。每次模型變更時重新執行評估。

32. 自動化管線處理生產樣本。這消除了手動監控。配置樣本以在每次更新時觸發。

33. 程式自動標記流量問題。這提供了即時監控。使用 Python 檔案標記效能下降。

34. Agent Core 提供執行環境、記憶體與身份識別。這保護了存取並儲存對話。在平台上部署服務。

35. 可觀測性識別事件，而評估決定相關性。這簡化了問題解決。將日誌推送到評估系統。

36. 「觀察、評估與考核」工作流管理模型行為。這確保 Agent 原則與使用案例一致。根據考核決定是否更新系統。

37. 安全性、成本與延遲需要應用程式層級的監控。這追蹤資源消耗與支出。在 Agent 層級監控 Agent 行為、多輪對話與工具選擇。

38. LLM 評估會標記 SME 考核的負面分數。人工審查確保技術準確性與行為一致。使用 SME 推導系統變更邏輯。

39. 「建置、部署與監控」工作流管理 Agent 生命週期。這項企業最佳實務確保了系統可靠性。配置場次與指標的測試案例。

40. AI 工具提升開發者的程式碼效率。這種以人為本的方法在不取代員工的情況下維持生產力。將編碼引導鉤子（coding steering hooks）、編碼標準與 MCP 整合到開發中。

開發工具與實務 (Tools & Best Practices)

42. AI 工具支援開發者而不取代角色。這維持了軟體開發效率。應用 AI 以提升編碼效率。

43. 編碼引導鉤子、MCP 與編碼標準架構了 Agent 開發。這項企業最佳實務提升了生產力。利用鉤子來引導應用程式邏輯。

45. IDE 擴充功能自動完成語法。提升了 Loop 與 Python 的編碼效率。將擴充功能整合至 Sublime 或 VS Code。

46. AI 輔助生成內容與程式碼成員。透過問答引導提升生產力。請求函式以取代文件搜尋。

47. 如 Kiro 的 Agentic IDE 輔助軟體開發。「自由開發」允許透過提示詞建立應用程式。為企業級應用部署 Agentic 工具。

48. AI 建置作品集網站與企業系統。前端、後端與商業邏輯自動生成。向 Agent 提供背景資訊以啟動程式碼生成。

49. Amazon Q CLI 與 Developer CLI 支援開發者。透過與 IDE 整合 CLI 來擴展生產力。使用 CLI 工具建置應用程式。

50. Amazon Q CLI 與 IDE 整合。這透過 CLI 操作提升編碼效率。執行指令以生成程式碼。

51. Kiro 作為 Agentic IDE。這支援從原型到企業級應用的軟體開發。使用此工具從零開始建置軟體。

52. IDE 插件與 AWS 管理主控台提供可見性。這些功能支援程式碼審查、除錯與雲端指標監控。審查見解以調查應用程式故障。

53. 規格驅動開發 (Spec-driven development) 強制執行編碼標準。這確保了企業級應用的語法一致性。定義機制以符合產業標準。

54. 引導 (Steering) 實現了規格驅動開發。這透過規格中的提示詞交付需求。從 Jira 專案輸入使用者故事以獲取 API 需求。

55. MCP 伺服器連結至來源。這自動化了問題指派與配置。執行提示詞以連結 Jira 的 MCP 伺服器配置。

56. Kiro 在 Markdown 檔案中生成需求。這為 Agentic 工作流提供背景。利用 Markdown 檔案定義專案基礎。

57. 編碼標準與 API 需求定義專案範疇。這維持了資料庫應用與結構描述的背景。輸入需求以管理資訊。

58. 個人規格列出詳細資訊。這捕捉了銀行應用與交易的商業邏輯。記錄帳戶流程與資料庫使用情況。

59. 選擇後端技術、前端技術與 AWS 資源來引導開發。這滿足了基礎設施需求。

60. IDE 工具透過提示詞生成設計。這允許根據需求進行更新。使用提示詞修改專案結構。

61. 任務清單作為實施計畫。這為企業應用組織程式碼生成與基礎設施生成。對任務進行分類以簡化程式碼生成。

62. 基礎設施程式碼利用 CloudFormation 或 Terraform。這自動化了資料庫建立與數據插入。執行指令以驗證 API 與結構描述。

63. 測試開發將測試案例分類為必選。這確保了規格驅動開發期間的準確性。標記測試案例以控制迭代工作流。

65. Agent 鉤子自動化開發任務。這透過移除 shell 指令審核來提升生產力。編寫提示詞以建立 Q Agent 的鉤子檔案。

66. 企業級應用包含數千個任務。自動化取代了人工干預。向 Q 加入指令以自動化終端指令。

67. 開發需要語法與 Lint 檢查。自動化在軟體開發期間維持程式碼品質。在 Kiro 中配置 Agent 鉤子以在儲存後觸發。

68. 進階背景管理連結至外部來源。這啟用了外部 API 觸發器（如通知）。將系統連結至服務提供商以進行資料庫操作。

69. 整合涉及程式庫與 API 金鑰。簡化的工作流減少了負載交付的編碼量。使用 MCP 連結外部服務來取代測試。

70. 模型內容協定 (Model Context Protocol) 作為標準協定。它實現了多個來源與 LLM Agent 之間的連結。將 MCP Agent 插入應用程式以存取外部服務。

71. 外部服務整合先前需要手動編寫程式碼。MCP 伺服器為軟體提供標準化連結。使用 MCP 作為標準連接埠來連結數據源。

72. Kiro 利用 MCP 配置連結 Zomato。這項商業效益允許提示詞在無需網頁導覽的情況下執行訂單。配置帳號憑證以透過 Agent 自動化交易。

73. 聯邦數據與私有 API 受網際網路限制。在地管理維護了敏感資訊的安全性。實施在地知識庫以處理私有工作負載。

74. 概念知識庫將在地文件整合到工具中。此產品說明從 PDF 來源提供隨需背景。將 API 文件匯入 Bedrock 知識庫。

75. Kiro Powers 利用 Bedrock API 獲取背景。此工作流說明增強了 Agent 對敏感數據的處理能力。將 MCP 伺服器連結至在地知識庫以引導應用程式。

76. 自訂 Agent 作為特定任務角色。這項商業效益促進了複雜文本、程式碼與等式的生成。部署角色以處理特定等式與影像。

77. 前端指南為 Kiro 提供背景。這項企業最佳實務使用 Amazon Umbre 字體確保 UI 一致性。定義結構與顏色代碼。

78. 行動網頁應用的 UI 元件為 Kiro 提供資訊。此工作流說明支援使用 Telerik 生成程式碼。將 CSS 檔案整合至 IDE 中。

79. Kiro 使用背景資訊進行元件數據的網際網路搜尋。此產品說明觸發了 UI 建立。提供背景檔案以生成程式碼。

80. Kiro 從程式碼庫生成引導文件 (steering docs)。自動化確保引導內容與檔案匹配。分析網域檔案以建立 Agent 的引導內容。

81. Kiro 儲存前端與後端的引導文件。商業邏輯簡化了需求更新。透過提示詞更新儲存中的引導內容。

82. MCP 伺服器計算識別 Agent Core 的框架。連結將應用程式導向文件。查詢 MCP 伺服器目錄以新增服務。

83. MCP 伺服器作為外部來源的存儲庫。配置可實現數據連結。整合引導檔案以將專案連結至來源。