软件开发 AI 工具：AWS 清单

Amazon Q 开发者版是 AWS 推出的主要 AI 编码助手，覆盖开发生命周期的大部分阶段。它能在代码生成、代码审查、测试、文档编写和现代化改造等环节为开发者提供支持。借助 Q 开发者版，AI 可以真正融入编码工作流，既能用于快速原型开发，也能应对复杂编码任务。

您可以在自己选用的集成式开发环境（IDE）中使用 Amazon Q 开发者版，例如 Visual Studio Code、JetBrains、VS Code 和 Visual Studio。Q 开发者版可在开发者偏好的开发环境中，跨多种编程语言提供 AI 驱动的代码补全、对话式 AI 聊天，以及结合上下文的实时代码建议和代码片段。

Amazon Q 开发者版还提供一些特定的工作流命令，例如：

• Review：用于代码质量分析、软件组成分析（SCA）、部署风险检测、机密泄露检测、IaC 配置错误检测以及静态应用程序安全测试（SAST）
• Test：可为 25 种以上编程语言，在类或函数级别生成单元测试
• Doc：可根据现有应用逻辑生成内联文档和开发者参考资料
• Transform：用于自动代码重构和现代化改造，包括从 Java 8/11 迁移到 Java 17

Amazon Q 开发者版还扩展到了命令行，让开发者可以使用自然语言提示生成 Shell 命令、排查 AWS 部署问题以及更高效地与 AWS API 交互。

Amazon Q 开发者版在 AWS API 和架构模式方面经过大量训练，因此对于已经在使用以 AWS 为中心的技术栈的 ISV 来说，是个非常不错的选择。Q 开发者版专业套餐配置还支持 VPC 连接，并允许对系统如何处理客户提示和所生成代码进行管控。

在 SDLC 中，Amazon Q 开发者版可融入日常 AI 编码工作流，用于审查拉取请求、生成测试、编写应用逻辑以及实现遗留系统现代化。作为参考，AWS 还提供了 Amazon Q Detector Library，其中详尽列出了所有审查检测器。检测器包含相关规则，可用于识别关键安全漏洞，例如 OWASP Top 10 和 CWE Top 25 问题，包括机密信息泄露和包依赖漏洞。

Amazon CodeGuru 提供运行时性能分析。虽然 Amazon Q 开发者版也涵盖面向开发者的预生产用例，但 CodeGuru 更专门用于支持集成到 CI/CD 管道中的分析。它包含两个组件：CodeGuru Reviewer 和 CodeGuru Profiler。

CodeGuru Reviewer 的能力已基本被 Amazon Q 开发者版的 /review 功能吸收，因此，随着 AWS 持续推进 Q 开发者版在 IDE 内的能力，已无需同时部署两者。

CodeGuru Profiler 面向实时生产工作负载。它主要用于识别 CPU 密集型方法、延迟瓶颈和异常内存行为。CodeGuru Profiler 专注于实时验证，让您能够分析在真实生产条件下运行的代码。
通常，您可以借助 CodeGuru Profiler 为任何长时间运行的服务或应用程序建立运行时基线，包括采用微服务架构的服务或应用程序。

Amazon DevOps Guru 为 AWS 环境提供基于机器学习的运维异常检测。与 CodeGuru Profiler 的应用审查不同，DevOps Guru 关注的是部署后应用程序的基础设施行为。DevOps Guru 是一款用于就地监控的 DevOps 管道工具。

DevOps Guru 会从 Amazon CloudWatch、AWS CloudTrail、AWS Config 和 Amazon X-Ray Traces 中摄取运维遥测数据，以识别延迟飙升、资源耗尽、异常行为和高错误率等模式。随后，它会将这些发现归纳为洞察，并提出可能的根本原因和有效的修复途径。特别是对于发布周期快的 ISV 来说，这种更高的可见性有助于确保架构复杂性不会演变成更多问题。它相当于一个生产监控层，能够捕捉那些虽然通过了测试但在真实负载下仍可能造成运行偏差的基础设施行为。

在 SDLC 中，DevOps Guru 作为部署后监控层，对开发审查和测试工具形成补充。它与这些工具协同工作，在既有解决方案的基础上，额外提供了一层验证与核验。

虽然 AWS CodeBuild 并非 AI 驱动的工具，但它确实可以充当执行层，让其他 AI 编码助手的输出变得可强制执行。在 AI 辅助工作流中，CodeBuild 可以：

• 强制执行通过 Amazon Q 开发者版 /test 生成的测试覆盖率阈值
• 当 /review 发现高严重性风险（超过您设定的阈值）时，使构建任务失败
• 针对生成的代码运行自动化集成测试和回归测试

虽然本清单中的其他工具确实能帮助您生成输出，但 CodeBuild 才是验证这些输出并对其进行把关的环节。它通过 CI 验证，把 AI 输出转化为工作流中实际可运行的部分。

对于希望构建 AI 驱动开发管道的 ISV 而言，CodeBuild 是连接 AI 驱动开发与发布治理的桥梁。

Amazon Bedrock 通过 API 提供对 AI 基础模型的访问，并以 AWS 全托管服务的形式交付。Bedrock 让您能够直接访问 AI 模型，无需自行构建、托管或管理基础设施，即可扩展模型的使用规模。在构建内部 AI 驱动工具或面向客户的 AI 功能时，Bedrock 非常实用。例如，您可以使用 Amazon Bedrock 来：

• 创建 AI 应用程序或功能，而无需管理模型基础设施
• 构建 Amazon Bedrock 知识库，用于跨任意内部文档、架构标准或运行手册进行检索增强生成（RAG）
• 实施 Amazon Bedrock 护栏，以过滤输出、屏蔽主题或识别提示和响应中的 PII，从而帮助符合模型 I/O 方面的合规约束

Bedrock 提供按需和预置吞吐量两种定价模式。对于正在试用内部工具的 ISV 来说，按需用量可能已经足够。预置用量通常用于经过仔细评估和规划的较大规模部署。
在 AWS 责任共担模式下，AWS 负责管理底层模型基础设施，而客户仍需对其基础设施的管理方式负责，包括数据分类、访问控制、提示创建、应用程序行为，以及围绕模型输出的治理策略。

AWS Glue 和 Amazon SageMaker 通过超越预构建解决方案的开发者工具，为构建自定义机器学习模型或内部生成式 AI 系统的 ISV 提供支持。

AWS Glue 是数据准备与 ETL 层，可将存储库、遥测数据、拉取请求、运维日志或测试套件处理成结构化数据集。您可以利用这些经过准备的数据来训练或微调模型。

Amazon SageMaker 则本身提供覆盖训练、开发、评估和部署的模型生命周期工具。您可以使用 SageMaker JumpStart 访问预构建的 AI 模型，包括以代码为主的现有模型（例如 CodeLlama）。SageMaker Pipelines 则让 ISV 能够自动化机器学习工作流，从而将自定义模型训练投入实际运营。

这层 AWS 工具最适合构建高度专业化内部系统（例如自定义审查引擎、面向特定组织的文档助手，或基于专有标准训练的测试模型）的 ISV。

Amazon Q 开发者版和 Bedrock 能覆盖大多数开发工作流，而 Glue 与 SageMaker 则为通用工具无法覆盖的自定义行为提供了更高的灵活性。

Amazon Inspector 提供覆盖 EC2 实例、容器映像和 AWS Lambda 工作负载的自动化漏洞管理。

Inspector 会持续扫描运行时环境和所有已部署构件以发现漏洞，从而帮助您在部署后精准定位新出现的漏洞。
在这些工作流中，Inspector 支持：

• 通过 Amazon ECR 集成扫描容器映像
• 对 Lambda 包执行软件组成分析
• 对 EC2 中操作系统级软件包进行漏洞管理

在 Amazon EKS 或 ECS 上采用容器化 SaaS 架构的 ISV，或采用大量使用 Lambda 的无服务器技术栈的 ISV，都可以借助 Inspector 提升对仅靠静态审查工具无法发现的漏洞的可见性。您可以将 Inspector 与 Amazon Q 开发者版的 /review、CodeGuru Reviewer 等工具配合使用，形成另一层审查。这些服务运行在 SDLC 的不同阶段，让您能够了解合并前以及部署后运行时环境中的情况。

AWS 提供的软件开发 AI 工具覆盖整个软件开发生命周期。从代码生成、代码审查、测试、CI 强制执行，到自定义模型部署的运维监控和运行时漏洞管理，AWS 都有相应工具，可帮助您改进现有工作流并节省时间。

特别是对于正在扩展规模或推进内部工作流现代化的 ISV 而言，AWS 广泛的 AI 工具能在整个 SDLC 中为他们提供助力。

像 AWS ISV Accelerate 这样的计划，可以帮助运营实践成熟的 ISV（例如已采用 AI 辅助开发工具的 ISV）赢得更多业务。

从 Amazon Q 开发者版始，即刻使用 AWS 上面向软件开发的 AI 工具。