文章核心观点 - AWS内部成立了一个此前未公开的小型团队Velocity Labs，旨在突破亚马逊常规的产品导向模式，在AI领域快速构建原型，确保AWS在agentic AI创新前沿保持领先地位 [2][3] - 亚马逊正全面重新思考AI时代的软件开发方式，修订了软件工程师角色指南，强调以成果而非投入来衡量工程师和团队 [5][6] - AI已深刻改变亚马逊的开发工作方式，绝大多数开发者的实现代码几乎全部由AI agent生成而非人工编写 [10][11] Velocity Labs团队概况 - Velocity Labs成立于2026年4月，隶属于Swami Sivasubramanian领导的agentic AI部门，团队约35人，大部分位于西雅图 [2][14] - 该团队从概念到公开发布一个新开源AI模型用时不到一周 [1] - 团队鼓励科学家与工程师交叉协作，工程师参与研究，科学家从事工程工作 [3] - 团队还包括AWS开源AI agent构建工具包Strands的开发者 [14] - 团队速度快的原因在于规模小和高度信任，每人负责项目的一部分并在需要时寻求帮助，公司预计将创建更多类似团队但不会推广至全公司 [17] 产品发布：Strands Decider 2B - Velocity Labs上月发布的Strands Decider 2B模型用于在AI agent内部做快速、窄范围的决策，例如选择使用哪个工具或将请求路由到何处 [15] - 该模型基于阿里巴巴的开源模型Qwen，于10月1日发布，同时公开了训练方法 [15] - Brooker最初在自家GPU上独立构建了原始版本，此前创业公司TypeSafe AI于9月15日发布了类似的决策模型Jev [16] - Brooker表示每一行代码都由agent编写，但核心思想和洞察来自本人 [16] - OpenAI在同一周宣布了类似的托管服务Decisions API [16] 软件开发角色与指南修订 - 亚马逊工程领导层今年早些时候向开发者发送了修订版指南，随附信函由商店业务VP兼杰出工程师Michael Terkowitz署名，建议工程师立即学习AI并贴近客户和产品 [5] - 信函承认随着公司发展，部分工程师和管理者变得与客户和业务脱节 [6] - 更新后的指南强调以成果而非投入来衡量工程师和团队，避免行业中以token消耗量或代码提交行数衡量价值的反模式 [6][7] - AI使用不直接纳入绩效评估或晋升的量化指标，但可能间接影响，前提是它使个人表现更强 [7] - 信函并未完全否定使用量指标，公司发现这些指标与重要产出相关性良好，但强调需谨慎判断地使用 [8] - 信函明确指出如果工作无法从当前AI工具中受益，这是一个发现而非失败，能解释AI在何处尚不能帮助工作的工程师恰恰展示了公司所要求的判断力 [10][13] AI工具使用现状与挑战 - 两年前大多数亚马逊开发者仍手写代码，如今绝大多数开发者的实现代码几乎全部由agent生成 [10][11] - Brooker本人从大量时间使用传统代码编辑器转向主要使用Kiro、Kiro Crew和Anthropic的Claude Code等agent工具，称这是工具集的彻底改变 [11] - 公司设定目标要求超过80%的开发者每周使用AI [8] - 3月亚马逊承认一名工程师遵循AI agent的不准确建议导致了零售网站数次宕机之一 [11] - 亚马逊反驳了FT关于12月AWS服务13小时中断是因工程师让Kiro AI编码工具进行更改的报道，将原因归于用户错误（角色配置错误），并已增加保障措施包括生产访问强制同行评审 [12] - 5月亚马逊关闭了内部排行榜KiroRank（按员工使用Kiro AI编码工具的程度排名），因发现部分员工为攀升排名而过度使用工具 [9] 人员与就业影响 - 自2025年末以来亚马逊已裁减约3万个企业岗位，CEO Andy Jassy表示预计AI将随时间推移缩减公司企业员工规模 [17] - AWS CEO Matt Garman于4月表示亚马逊招聘软件开发者的数量与以往一样多，公司发言人表示今年全球将有超过1.1万名实习生和早期职业软件工程师加入 [18] - Brooker表示不认为AI会改变工程师数量，公司需要具有主人翁意识、好奇心强且能快速学习专业领域外知识的工程师 [19] - AI并非所有问题的正确答案，如果合适工具是前沿模型驱动的AI agent那很好，如果是三行Python代码也同样很好 [19]