DEV 赛道聚焦：构建实时全栈生成式 AI 应用 (DEV310)

发布: 3天前 (2025年12月15日 GMT+8 18:04)

9 min read

Source: Dev.to

介绍

“这就是我们唯一的幻灯片，” Salih Gueler 在开启 DEV310（re:Invent 第一天的最后一场会议）时宣布。随后进行的全程现场编码：在不到一小时的时间里从零构建一个完整的全栈生成式 AI 应用。

Salih Gueler（AWS 高级开发者倡导者）和 Matt Goldberg（AWS 开发者工具高级首席工程师）演示了使用 Kiro（一个具备代理能力的 IDE）、通过 AWS CDK 部署、集成 Amazon Bedrock，以及利用新发布的 AWS MCP server 的现代开发者工作流。

该应用是一个受 Salih 个人需求启发的游戏平台：“我玩很多游戏，缺少一个可以交换游戏、出售游戏或查看朋友在玩什么的平台。我喜欢 Goodreads… 我想要一个针对游戏的类似版本。”

AI 辅助开发的演进

在演示之前，Salih 回顾了 AI 辅助开发的快速演变。

两年前 – 开发者惊叹于自动补全能够在 Java 中生成 “two plus two” 这样简单的函数。
去年（2024） – 开发者从 ChatGPT 或 Claude 中复制粘贴整个应用程序。
今天（2025） – 我们正处于代理时代。AI 系统可以在几乎不需要人工干预的情况下构建、部署并迭代应用。

“代理的智能程度取决于你告诉它多少。如果我只坐在这里说‘给我构建一个游戏平台’，它可能会生成你见过的最丑陋、最无结构的应用。但如果你提供更多信息，它就会明白你的意图。”

使用 Kiro 构建前端

从上下文开始

Salih 首先使用 Vite 创建了一个 React 应用，但立刻解决了一个常见挑战：大语言模型有知识截止日期，可能不了解最新的库版本。

解决方案： 模型上下文协议（MCP）服务器。他添加了 Context7 MCP 服务器，为 Shadcn UI 提供最新文档，因为该库不在 LLM 的知识库中。

提示简洁而具体：

“创建一个使用 Vite 的 React 应用，使用 Tailwind CSS 进行样式，并利用 Shadcn UI 组件。”

Kiro 通过 Context7 获取最新的 Shadcn UI 文档并构建了项目结构。

引导文件的力量

Kiro 最有价值的功能之一是 引导文件——定义应用边界的规则。Salih 的引导文件包括：

React 项目： 始终确保 npm run build 能成功运行。
TypeScript 项目： 永不使用 any 类型。

这些护栏让代理保持最佳实践，并在错误出现时及时捕获。错误出现时，引导文件会立即标记，Kiro 自动修复。

迭代开发

Salih 将开发拆分为小而可管理的步骤：

创建基础 React 项目。
添加 CSS 和 UI 组件。
创建 TypeScript 接口和模拟数据。
构建布局组件（页眉、页脚、响应式设计）。
创建认证页面。
添加 AI 聊天功能。
美化并完善 UI。

每次迭代大约耗时 2–3 分钟。关键洞见：将提示拆分为小步骤，而不是一次性让代理完成所有工作。

描述你的需求

在创建认证页面时，Salih 并没有仅说“创建登录页”。他提供了详细指导：

将卡片布局居中。
为注册按钮使用特定颜色。
包含邮箱和密码字段。
确保响应式设计。

“我在这里解释的所有内容…都来源于我的设想。”
愿景越具体，代理执行得越好。

使用 CDK 部署到 AWS

MCP 服务器方法

Matt Goldberg 接手演示使用他自定义的 MCP 服务器进行部署。与其把部署拆成许多细小步骤，MCP 服务器返回了一个完整的提示，引导代理完成全套部署工作流，并提供了检查清单：

使代码库对代理友好。
生成 AWS CDK 基础设施。
部署到 AWS。
为生产环境设置 CI/CD 流水线。

最佳实践 #1 – 对代理友好的代码库

Matt 创建了 agents.md 文件，为在项目上工作的 AI 代理提供指导，例如：

在 docs/design/component.md 中引用设计文档。
Git 提交信息规范。
常见任务的技巧（如在 CloudWatch 中查找日志）。

这些文档帮助代理了解项目上下文，并能够独立诊断问题。当部署出错时，代理会去检查 CloudWatch 日志，而不是盲目猜测。

最佳实践 #2 – 基础设施即代码

使用 AWS CDK 能让代理完整了解已有基础设施。若没有 IaC，代理可能会通过 AWS CLI 添加资源，导致代码库对这些资源一无所知。

生成的 CDK 代码包括：

用于前端资产的 S3 存储桶。
用于内容分发的 CloudFront 分配。
正确的 IAM 资源策略。
用于组织和成本跟踪的标签。

最佳实践 #3 – 确定性的部署脚本

Matt 编写了 deploy.sh 脚本，以确保在不同环境下部署保持一致。简化版如下：

#!/usr/bin/env bash
if [ "$ENVIRONMENT" = "preview" ]; then
  # 使用热替换回退以加速本地开发
  cdk deploy --hotswap-fallback
else
  # 生产环境使用完整的 CloudFormation 部署
  cdk deploy
fi

热替换回退 直接更新 Lambda 函数和 S3 存储桶，无需等待完整的 CloudFormation 部署——非常适合快速本地迭代。
对于生产环境，完整的 CloudFormation 部署提供一致性和正确性。

通过将部署逻辑封装在脚本中，代理调用脚本而不是随意构造命令，从而保证确定性的行为。

最佳实践 #4 – CI/CD 流水线

虽然因时间限制未现场演示，Matt 仍强调在与代理协作时 CI/CD 流水线的重要性：

自动化测试捕获 bug。
安全扫描检测漏洞。
成本分析防止费用失控。
代码审查要求。

这些防护措施确保即使代理生成了有问题的代码，也不会直接进入生产环境。

集成 Amazon Bedrock

应用部署完成后，Matt 将 Amazon Bedrock 集成进来，为 AI 聊天功能提供动力。他使用了另一个代理生成的提示，其中包含详细的检查清单：

将 Bedrock SDK 添加到项目。
为 Bedrock 集成创建 Lambda 函数。
更新 CDK 基础设施。
将前端连接到新的 API。
测试集成。

代理按照每一步操作，更新 CDK 堆栈以包含具备适当 IAM 权限的新 Lambda 函数，将其与前端对接，并验证聊天功能的可用性。