🔧 阿川の電商水電行
2025/10/04(六) 舉辦的『日本 Azure 用戶組 (JAZUG) 15週年研討會』中，
我參加了尊敬的微軟前輩工程師寺田先生 (@yoshioterada) (全球活躍的超強老手工程師) 的 AI 驅動開發會議 (非常好且很有收穫) 的
上課筆記，整理如下。
（實際上是我自己的學習筆記，但因為這場 實在是太棒的 AI 驅動開發會議，所以想要廣泛分享給當天未能參加的社群朋友，於是寫成了博客文章。）(另外，也請寺田先生本人對文章進行了審核)
內容
「如何在保障品質的同時，最大化 AI 驅動開發的效益的最佳實踐」
的內容非常廣泛，無論是對哪些工程師都非常有啟發。
主要消息
- 在保障品質的前提下 (重要) 的 AI 驅動開發，提升生產力。
- 規格驅動開發 很重要
- 先根據需求定義與詳細規範，明文化文件，然後再開始開發，讓 AI 不至於迷惘。
- 不要在未確定需求定義或詳細規範的情況下就隨意請求實作，這樣的 "隨機編碼" 僅是運氣使然的賭博。娛樂可以賭博，但認真開發產品時就必須進行規格驅動開發。
- 開發過程中需 每個步驟都進行測試與審查。
- 先根據需求定義與詳細規範，明文化文件，然後再開始開發，讓 AI 不至於迷惘。
小貼士
- AI 驅動開發適合微服務，不適合單體式應用。
- AI 雖然方便，但會撒謊、掩飾，甚至興高采烈地進行破壞性更改，因此必須小心使用。
- 始終要進行驗證、測試與審查。
- 如果在除錯過程中 Copilot 開始進行冥想，
- 第五次左右暫時停止處理，
- 將中間結果整理成報告，
- 提出三個解決方案。
會議流程
三天內製作的範例 Web 服務
首先展示的是，
寺田先生在三天內，沒寫一行代碼就讓 AI 製作的，
由微服務構建的電子商務網站。（因為寺田先生的興趣是滑雪，所以是滑雪的電子商務網站）
類別、子類別、商品個別頁面
購物車
登入功能
還有 AI 聊天功能
技術棧
前端使用 TypeScript (Next.js + Tailwind CSS)，
後端使用 Java (Jakarta EE)。
AI 相關方面使用：
- Azure OpenAI GPT-4o - AI 支持服務
- LangChain4j
數據庫使用 Postgre
數據監控也做得很扎實，
使用 Prometheus，儀表板使用 Grafana。
現場訪談
展示完這個示範應用後，寺田先生詢問在場觀眾：「如果這個服務是你一個人來做的，估計需要多久？或者是多少人月？」
他拿著麥克風，挨個兒訪問坐在前面的觀眾。
有許多人回應「半年？」「最快一個月？」
然後他說：「其實這個，全部都是在三天內做的！ 使用 GitHub Copilot」
真厲害〜〜〜
傳統開發 vs AI 驅動開發
| 開發風格 | 👨💻 傳統 | 🤖 AI 驅動 |
|---|---|---|
| 微服務<br>建構 12 個 | 3-4 週 | 2-3 天 |
| 事件驅動架構<br>設計〜實作 | 1 週 | 數小時 |
| 複雜 API 實作 | 幾天 | 幾分鐘 |
| 文件製作 | 1-2 週 | 同時進行 |
結果
⚡ 開發速度提高 10-20 倍
↑ 實際上，這種速度的差異非常巨大。看到帶有具體數字的這張表，讓我再次感受到 「不使用 AI 的開發已經成為『傳統開發方法』了」 的不可逆轉的趨勢。
(↑ 寺田先生的幻燈片截圖)
AI 常常會撒謊或掩飾
雖然自信滿滿地說「完成了！」，但實際上卻未必完成，或標註為「// TODO」，
而且當想增加新功能時，卻大方地破壞現有代碼等等……
AI 的特性
- ❌ 說謊（幻覺）
- ❌ 掩飾（實際上無法運作的代碼）
- ❌ 補漏（選擇簡單的方法）
- ❌ 可能會破壞（影響現有功能）
- ❌ 會迅速遺忘給定的上下文 (歷史數)
例)
別試圖將出現問題的地方註解掉來掩飾。
🛡️ 對策
- 始終進行檢驗、測試、審查。
六項實踐
1. 📋 規格驅動開發 - 制定明確的規範
- AI 需要清晰的指示以避免迷路。
- 商業規則的明文化。
- 技術限制的明確。
2. 🏗️ 確認架構是必須的
- 明確在哪裡實作什麼。
- 定義服務邊界。
- 設計數據流。
3. 📱 善用多模態
- 用圖片說明 GUI 問題。
- 利用圖表進行需求傳達。
- 制作視覺化的規範文件。
(↑ 寺田先生的幻燈片截圖，展示 GUI 修正的情形)
4. 📚 創建定制上下文
- 積累與專案相關的知識（語言、函式庫、語法）
- 整理團隊共用的開發模式、領域知識。
5. 🔍 獲取最新資訊
針對未學習的問題，
- 指定最新文檔的 URL。
- 從官方網站拉取資訊。
"https://jakarta.ee/specifications/...(官方文件 URL) 裡面的內容作為參考，以實現最新的 Jakarta EE 11”關於微軟的技術，例如 Azure，
非常推薦使用 Microsoft Learn 的 MCP 伺服器！
這樣能夠讓 AI 參考最新的官方文檔來回答。
6. 👀 提高輸出品質
對輸出不要求一次就完美。
通過逐步改善來提升品質。
請確認已創建的〜〜〜是否存在錯誤或漏失。
如有需要，請進行修正和更新。GitHub Copilot 很棒
（↓ 寺田先生的幻燈片截圖）
在我2024年開始產假前，的確對「GitHub Copilot 就是代碼補全」有這樣的印象，但
現在 GitHub Copilot 已經成為「編碼代理」。
可用的 GitHub Copilot Agent 模式模型
在 VS Code 或 Xcode 等軟體中運行的編碼代理，GitHub Copilot Agent 模式。
可用的模型也非常多！
↓ 我在 VS Code 的截圖
GitHub Copilot Coding Agent 也很棒
接下來介紹在 github.com 上運行的 GitHub Copilot Coding Agent。這個可以將問題直接交給它解決，
指派給它後，它自動創建拉取請求來處理。人類只需按下合併按鈕。（如果有任何要求，可以在評論區告訴它，它也會予以應對）
總結
讓我們在保障品質的同時推動 AI 驅動的疾速開發💪
一定要使用 GitHub Copilot！
記得追蹤強大的工程師寺田先生！
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
