規格即程式碼 (Spec as Code)：使用 Amazon Kiro 打造高可測試性的 AI 專案

嗨，我是浪花科技的 Eric。如果不算上昨天晚上被我不小心弄掛的測試伺服器，今天應該是個美好的一天。

回到 2024 年，那時候我們還在為 Prompt Engineering（提示詞工程）爭論不休，大家都在討論要怎麼「哄」AI 說出正確的話。轉眼到了 2026 年，情況完全變了。現在我們談論的是 Agentic Workflow（代理人工作流），AI 不再只是聊天機器人，它們有權限操作資料庫、發送 API 請求，甚至幫客戶退款。

這帶來了一個讓所有資深工程師（包括我）背脊發涼的問題：「你怎麼確定你的 AI 代理人 (AI Agent) 不會因為『幻覺』而把公司賣了？」

傳統的 Word 或 PDF 規格書已經失效了。你不能指望 LLM (大型語言模型) 閱讀一份 50 頁的 PDF 然後乖乖聽話。這就是為什麼今年 AWS 推出的 Amazon Kiro 會成為開發圈的熱門話題。今天這篇文章，我們要來聊聊一個核心概念：規格即程式碼 (Spec as Code)，以及如何利用 Amazon Kiro 來馴服那些不受控的 AI 專案。

為什麼 Word 文件管不住 2026 年的 AI Agent？

以前我們寫軟體，邏輯是確定的。if (a > b) 就是大於，不會今天大於，明天看心情變小於。但 AI 是機率模型，是非決定性的 (Non-deterministic)。

當你的產品經理 (PM) 在規格書上寫著：「AI 客服應該要語氣溫和，並且只在確認訂單狀態為『已發貨』時，才能提供物流單號。」

這句話對人類工程師很好懂，但對 AI 來說充滿漏洞：

• 什麼叫「語氣溫和」？
• 如果訂單狀態是「準備中」但 AI 覺得快發貨了，能不能給單號？
• 如果使用者用 Prompt Injection (提示詞注入) 騙 AI 說他是管理員呢？

在 Spec as Code 的哲學下，我們不再寫模糊的自然語言規格，而是將這些業務邏輯轉換成「可執行的測試代碼」。Amazon Kiro 就是為了這個目的而生的——它是一個專門針對 AI Agent 行為的驗證引擎。

Amazon Kiro 是什麼？AI 專案的「邏輯憲法」

你可以把 Amazon Kiro 想像成是 AI 時代的 PHPUnit 或 Jest，但它測試的不是函數的返回值，而是 AI 的「意圖 (Intent)」與「邊界 (Boundary)」。

Kiro 允許我們使用一種類似 YAML 的聲明式語言 (Kiro Spec Language, KSL) 來定義 AI 的行為準則。這些準則會被編譯成一組監控器 (Monitors)，直接掛載在 Amazon Bedrock 或你的自建模型推論管道上。

Spec as Code 的核心優勢：

• 可測試性 (Testability)：規格不再是靜態文件，而是可以跑 Pass/Fail 的測試腳本。
• 版本控制 (GitOps)：規格跟著程式碼一起進 Git Repo，PM 改規格就要發 Pull Request，誰都別想賴帳。
• 即時阻斷 (Guardrails)：Kiro 可以在 Runtime (執行階段) 攔截違反規格的 AI 回應。

實戰教學：用 Kiro 定義一個「退款代理人」

假設我們要開發一個自動退款的 AI Agent，我們來看看傳統規格與 Kiro Spec 的差異。

傳統規格：
「當使用者要求退款時，檢查訂單是否超過 7 天。如果超過，婉拒並說明政策；如果未超過，詢問原因並執行退款 API。」

Amazon Kiro Spec (Spec as Code)：

version: "2026-01"
agent: "RefundAgent_v3"

guardrails:
  input_validation:
    - rule: "detect_pii" # 偵測個資
      action: "mask"

  logic_flows:
    - intent: "request_refund"
      steps:
        - check: "order_age"
          source: "api:order_service.get_details"
          condition: "<= 7 days"
          
          on_pass:
            - action: "ask_reason"
            - constraint: "tone_empathetic" # 強制同理心語氣
          
          on_fail:
            - response: "policy_rejection"
            - constraint: "no_apology_loop" # 禁止陷入道歉迴圈

  security:
    - rule: "prevent_prompt_injection"
      sensitivity: "high"

看到差異了嗎？這份 Kiro Spec 定義了明確的資料來源 (source)、條件 (condition) 和後續動作。最重要的是，它是可執行的。

如何將 Kiro 整合進 CI/CD 流水線？

在浪花科技，我們要求所有的 AI 功能在上線前，都必須通過 Kiro 的自動化測試。這對於使用 WordPress 或 Laravel 開發後端的團隊來說，其實非常容易整合。

我們通常會在 Laravel 的測試流程中，透過 AWS SDK 呼叫 Kiro 的 Simulation API。這允許我們在不消耗昂貴 Token 的情況下，模擬數千種對話情境。

Laravel 整合範例 (支援經典編輯器格式)：

// tests/Feature/AiAgentTest.php

use Aws\Kiro\KiroClient;
use Tests\TestCase;

class AiAgentTest extends TestCase
{
    public function test_refund_logic_compliance()
    {
        $kiro = new KiroClient([
            'region' => 'us-east-1',
            'version' => 'latest'
        ]);

        // 讀取我們的 Spec 檔案
        $specContent = file_get_contents(base_path('kiro/refund_agent.yaml'));

        // 模擬一個超過 7 天的退款請求
        $simulation = $kiro->runSimulation([
            'spec' => $specContent,
            'inputs' => [
                ['role' => 'user', 'content' => '我買了這雙鞋 10 天了，我想退款']
            ],
            'mock_context' => [
                'order_date' => now()->subDays(10)->toIso8601String()
            ]
        ]);

        // 斷言：AI 必須拒絕，且不能呼叫退款 API
        $this->assertEquals('REJECT', $simulation['outcome']);
        $this->assertNotContains('call_tool:refund_api', $simulation['agent_actions']);
        
        // 斷言：Kiro 的評分機制認為 AI 遵守了規格
        $this->assertTrue($simulation['compliance_score'] > 0.95);
    }
}

這段程式碼的重點在於，我們不再人工檢查 AI 回答得順不順，而是由 Kiro 根據 Spec 自動判斷 AI 是否「違規」。如果 AI 在 10 天的情況下答應退款，CI/CD Pipeline 就會直接亮紅燈，阻止這次部署。

Spec Engineering：從 Prompt 到 Spec 的演進

很多人問我，2026 年工程師的價值在哪裡？我覺得如果你還在手寫 SQL 或是一個字一個字調 Prompt，那你真的很危險。現在的趨勢是 Spec Engineering（規格工程）。

我們的工作是設計精確的邏輯邊界，讓 AI 在這個圍欄裡自由發揮。Spec as Code 讓我們把對業務邏輯的理解，轉化為 AI 無法跨越的「程式碼圍欄」。

Amazon Kiro 只是這波浪潮的開始。它解決了企業導入 Agentic AI 最害怕的「不可預測性」問題。透過 Spec as Code，我們終於可以像管理傳統軟體一樣，管理那些會「思考」的程式碼。

給開發者的建議

如果你想跟上這波技術：

1. 學習宣告式語言：熟悉 YAML 或 JSON Schema，這是在跟 AI 定義規則的通用語言。
2. 思維轉變：從「怎麼寫 Code 實現功能」轉變為「怎麼寫 Spec 驗收功能」。
3. 關注 AWS Bedrock Agents 與 Kiro 的整合：這是目前企業級 AI 最成熟的落地路徑之一。

寫這篇文章的時候，我又看了一眼終端機，還好，Kiro 幫我擋下了一個差點讓測試環境資料庫被清空的 Agent 操作。這就是 Spec as Code 的價值——它讓我在面對一群「聰明過頭」的 AI 代理人時，晚上還能睡得著覺。

延伸閱讀

想更深入了解 2026 年的 AI 架構與資安防護嗎？推薦你閱讀以下這幾篇浪花科技的深度技術文：

• AI 代理人失控前必讀：2026 MCP 架構下的後端資安防線與頻率限制實戰
• AI 寫 Code 寫出一座垃圾山？2026 意圖驅動開發 (IBD) 實戰：拒絕技術債的 Prompt 工程學
• 2026 AI 開發工具大亂鬥：Cursor、Copilot 還是直上 Antigravity？資深工程師的選武指南