“这个模拟器完全由自主智能体编写，我们团队没有写、也没有审查过任何一行代码。”说这话的是AWS高级首席工程师马特·戈德堡（Matt Goldberg），他在一篇博客文章里把这句话当成了卖点。

打开网易新闻 查看精彩图片

AWS在周三发布了AWS Emulator，一款在开发者本机模拟AWS服务的工具。它由400多个API模型构建，覆盖200多项AWS服务。开发者与AI编程智能体可以用它在断网状态下测试代码，也不必为真实的云付费。

这个工具瞄准的问题，恰恰是Kiro、Claude Code这类编程智能体自己制造出来的。智能体能以远超团队的速度写代码，快到测试跟不上；而智能体检查工作的方式，是反复运行代码、读取结果，把这一循环放到云上，就是延迟和成本的叠加。模拟器让这个循环回到开发者自己的机器上跑。

更耐人寻味的是它的建造方式：AWS用AI智能体来造这个模拟器，也由智能体来维护——拿它对着真实AWS测试，发现缺口就补上。

戈德堡打了个比方，说自己手下的智能体就像幼儿园的自己：年纪太小，握不好蜡笔，把小组画的恐龙涂坏了，被同学吼。问题不在恶意，在于能力不够。对智能体来说，解法是给它们划定清晰的填色区域。

“我觉得智能体也需要填色本。”他写道。

智能体的工作依据是AWS公开的API模型，这些模型描述每项服务应有的行为，产出再拿去和真实AWS云比对。它们分成三支队伍，跑在Amazon Bedrock AgentCore上：

  • 第一支编写“保真度测试”，即创建队列、发送消息、删除队列这类真实场景，逐项对照真实AWS；
  • 第二支把这些测试跑在模拟器上，失败就提issue；
  • 第三支负责修复，一个智能体对应一个issue。

每一次改动都要过一道自动化闸门，由其他智能体检查编码规范与安全。戈德堡写道，如今数百个智能体每天修复数千个issue。

项目起点是一个周末实验。今年早些时候，Anthropic演示了一组Claude智能体构建C编译器的过程，戈德堡受此启发，给Kiro写了一个三步提示词，15分钟就拿到了AWS消息队列服务Amazon SQS一个还算过得去的初版。到那个周末结束，Kiro已经搭出了AWS其余部分的粗糙版本，缺口明显，而他的团队周一就开始用它测试自家软件。

AWS智能体AI与新兴技术副总裁斯瓦米·西瓦苏布拉马尼安（Swami Sivasubramanian）把这个项目和他六月对GeekWire讲过的一课联系起来。他曾花了四个晚上守着Kiro，让它重建自己和艾伦·弗尔默伦（Allan Vermeulen）近20年前手工打造的复制引擎。一旦给智能体一份规格说明和验证工作的方式，这件事只花了大约两个小时。

“当智能体自己写代码、自己检查工作时，工程师的职责就是给它们自主工作的空间，并构建规格、测试和合并闸门，用来判定这些工作何时算正确。”西瓦苏布拉马尼安在CTO维尔纳·沃格尔斯（Werner Vogels）博客的客座文章中写道。这与亚马逊近期为“AI写代码”时代重写工程手册的思路一脉相承。

模拟器也有边界。IDC分析师德文·普拉特（Devin Pratt）对InfoWorld表示，它尚未模拟限流、故障，以及不同区域在服务与功能可用性上的差异，也不对运行的代码做沙箱隔离。智能体已知缺口的待办清单是公开的，放在GitHub一个名为“things-that-do-not-work”的文件夹里。

市面上并非没有同类工具，最知名的是LocalStack，它今年把免费版放到了账号要求之后，并限定为非商业用途。AWS则以CC0公有领域 dedication 免费发布自家模拟器，GitHub上附有完整提交历史。公司表示将在即将到来的re:Invent大会上分享更多内容。