没人写过一行代码的 AWS:AWS Emulator 本地跑 200 多个服务,代码全是 agent 写的
11 月 11 日,AWS 发布 AWS Emulator:本地模拟 438 个 API 模型、200 多个 AWS 服务,免费、不用账号、不用联网。真正的标题是它是谁写的:AWS 说自主 agent 写完了每一行代码,人退到后面去建护栏——保真度测试、合并门与对抗性安全审查。限制同样要紧:它不评估 IAM 策略,真 AWS 会拒绝的请求在本地可能成功。

一个没有人写过一行代码的 AWS
11 月 11 日,AWS 发布了 AWS Emulator,一个跑在你自己电脑上的 AWS 本地模拟器:AWS CLI、SDK 和 coding agent 用和云上完全相同的 API 对它说话,请求走本地 HTTPS 端口,返回的形状和真 AWS 一样。没有额外的服务费,不用 AWS 账号,不用联网,源代码在 GitHub 上公开。这件事本身并不算新鲜——本地模拟 AWS,LocalStack 和 Moto 做了很多年。真正让这条新闻值得写一整篇的,是 AWS 在同一天亲口说的另一句话。写下这句话的人是 AWS 资深首席工程师 Matthew Goldberg,他在 About Amazon 上的文章标题就写在脸上:《AWS Emulator:一个 100% 由自主 AI agent 构建的本地模拟器》。正文里他写道:“这个模拟器完全是由自主 agent 写成的。我们团队没有写过一行代码,也没有审过一行代码。”
先把产品本身说清楚,再回头谈这句话到底意味着什么。AWS Emulator 是用 Rust 写的,图的是在笔记本上省 CPU 和省内存。它启动后在 127.0.0.1:9297 上提供 HTTPS 服务,只监听本机;启动时自己生成一套凭证、配置文件和证书,写到 ~/.aws/emulator/9297/ 下面。你设几个环境变量——主要是 AWS_ENDPOINT_URL 指向本地端口,再把可能指向真 AWS 凭证的变量清掉——应用代码一行都不用改。建一个 DynamoDB 表、写一条数据、再读回来,这套测试在本地跑和在云上跑是同一套测试。编码 agent 也一样:让它建资源、看结果、再改代码,不用等一次部署。访问密钥每次启动都会重新生成,前缀是 EMULATOR,拿它当真密钥的机会都没有;模拟器只认自己签发的密钥,其他的请求一律拒绝。
覆盖面是这样:它从 AWS 公开的 API 模型生成服务——就是 SDK 背后用的同一套模型——目前覆盖 438 个 API 模型、200 多个 AWS 服务。注意这个数字的口径:是“有 API 模型”的服务,不是“所有操作都已实现”。还没实现的操作会直接返回 HTTP 501(Not Implemented),测试当场失败,而不是悄悄返回一个假成功。这个设计值得肯定:一个模拟器最坏的毛病不是不支持,而是假装支持。状态保存在内存里,停掉模拟器就没了;它只模拟一个账号 000000000000,没有跨账号、跨区域的行为。
它是怎么被造出来的:三支 agent 队伍
Goldberg 的文章把建造过程讲得很细,因为建造过程就是这款产品的一半卖点。起点是一个周末实验:今年早些时候,Anthropic 演示了一个 Claude agent 团队自主写出 C 编译器,Goldberg 受此启发,想到 AWS 恰好具备同样的两个条件——一份书面规范(AWS API 模型)和一个参照实现(真正的 AWS 云)。他给 Amazon 的 Kiro coding agent 下了一个三步提示:先按 AWS CLI 写测试;迭代这些测试,直到它们在真 AWS 上通过;再写一个内存实现,让同一批测试通过。15 分钟后,Kiro 交回来一个能用的 Amazon SQS 初版。他又把提示细化了一下,让 Kiro 在周末把剩下的 AWS 也建出来——它真建出来了,虽然有缺口,但已经好到让他的团队从那个周一开始就拿它测自己的软件。
从周末实验到能交给客户的产品,中间隔着的是护栏,而不是更多的手工代码。现在维护 AWS Emulator 的是三支 agent 队伍,全都跑在 Amazon Bedrock AgentCore 的运行时实例上。第一队写测试:按公开的 API 模型设计真实世界的 AWS 场景——比如建一个 SQS 队列、发消息、收消息、确认、删队列——先在真 AWS 上验证通过,存成可复现的保真度测试(fidelity test),现在已经有几万个。第二队找差距:把这些测试拿到模拟器上重跑,失败的就记成 issue,归进仓库里一个叫 things-that-do-not-work 的文件夹;修好的进 things-that-now-work。第三队修问题:每个 agent 一次只领一个 issue,定位根因、改代码,然后过一道合并门(merge gate):编译、编码规范、安全、保真度回归,任何一项不过就打回重做,全部通过才合入主线。合入主线后,改动走 CodePipeline 重新跑保真度测试,再发布到 GitHub。Goldberg 说,现在每天有几千个 issue 被修掉,几百个 agent 同时在代码库上干活。
这个流程里最值得注意的角色是一个独立的安全 agent。它在修复进行时做对抗性审查,在发布流水线里作为最后一道检查再审一次。AWS 的逻辑是:既然人不再逐行审代码,那就得有一个机制替人审代码。Goldberg 的原话很坦率:没有这道合并门,他们不敢信任 agent 造出来的东西。他们的工作重心从“写代码”变成了“优化这道门”。这句话,可能是整篇发布里对 vibe coder 最有用的启发,后面还会展开。
保真度:模拟器唯一的硬通货
一个模拟器好不好用,只有一个标准:你在它上面通过的测试,在真 AWS 上是不是也通过。AWS 把这个标准做成了公开的分数。每个保真度测试都是一段用 SDK 跑真实工作流的小程序,先在真 AWS 上验证过;只有当模拟器在每一次调用的响应上都和真 AWS 一致——状态码、响应体、精确的错误码和错误信息,以及工作流创建的资源和数据——这个测试才算通过。每个版本发布时,AWS 会按服务公布通过了几个测试,写成 k / n 的形式,比如 50 个里通过了 40 个。测试集本身是公开的,放在 GitHub 的 aws-emulator-evaluation-suite 仓库里,包括那些还没通过的测试,你可以自己拉下来跑。分数要当快照来读:AWS 自己提醒,当他们加了新测试,分数可能下降,哪怕模拟器本身变好了。
这个公开记分牌是 AWS Emulator 和以往本地模拟工具最大的区别。它不承诺“像 AWS”,而是告诉你每个服务像到什么程度,你再决定信不信。想用它测 S3 和 DynamoDB,先去查这两个服务的保真度分数;分数低的服务,老老实实回真 AWS 测。这是一种很诚实的产品姿态,也是 vibe coder 最该学会的用法:模拟器不是真云的替代品,是真云之前的一道便宜的筛子。筛子筛掉的是低级错误——字段名写错、表结构不对、流程少了一步;筛不掉的东西,后面专门列出来。
它不能干什么:先把丑话说在前面
AWS 在这篇发布里把限制说得相当直白,这很难得。第一,它不像真 AWS 那样评估 IAM 策略和基于资源的策略。所以,一个在真 AWS 上会被拒绝的请求,在模拟器上可能成功。AWS 的原话是:不要用它来测试你的应用是否安全。安全设置和整个应用,上线前必须在真 AWS 上测一遍。第二,每个模拟器只代表一个账号,没有跨账号、跨区域的行为。第三,保真度因服务和功能而异,用之前先查分数。第四,独立分析师对媒体补充的提醒是:它目前还不模拟限流、故障和不同区域的服务差异,也不沙箱化它运行的代码。这些限制里,第一条是最要紧的:如果你的测试在模拟器上全绿,你只证明了“逻辑是对的”,完全没有证明“权限是对的”。把这两件事混为一谈,是用这个工具最容易踩的坑。
还有两个细节值得写进注意事项。模拟器默认会发送匿名的使用数据和错误数据,你可以关掉——如果你在意这一点,装好之后先关。嵌入式模式目前只支持 Rust SDK:你可以在测试进程里直接实例化一个模拟器实例,每个实例有自己的状态,测试之间不共享桶、表和队列,可以并行跑。其他语言的 SDK 暂时只能走独立进程 + 环境变量的方式。这两点都是发布当天的状态,AWS 说会继续更新,更新的速度取决于那三支 agent 队伍。
“没有人写过一行代码”:这句话到底能不能信
现在回到那句最抓人的话。Goldberg 的原话是:“The emulator was written entirely by autonomous agents. Our team hasn't written or reviewed any of the code.”(模拟器完全是由自主 agent 写成的。我们团队没有写过一行代码,也没有审过一行代码。)同一天,AWS 负责 agentic AI 与新兴技术的副总裁 Swami Sivasubramanian 在 All Things Distributed 上也写了一篇,标题就是《AWS Emulator 与 agent 写代码时代的工程师工作》。他的说法和 Goldberg 一致:所有代码都是由 agent 写出并测试的,构建在 400 多个 API 模型之上、覆盖 200 多个 AWS 服务。源代码以 CC0 公共领域奉献协议发布,完整的提交历史公开,每一个 agent 提的 issue 也都公开。
能不能信?先说能信的部分:提交历史是公开的,任何人都可以去 GitHub 上数一数、看一看。AWS 敢把“没有人审过一行代码”写进官方文章,本身就是一种可验证的宣称——如果仓库里混着大量人工提交,这句话几天内就会被拆穿。再说要打折的部分:“没有人写代码”不等于“没有人干活”。人干的活换了一个地方:写测试集、定保真度标准、建合并门、调安全 agent、给 agent 立规矩(比如后来明确告诉 agent 复用现有库,而不是像早期版本那样自己写一个 Python 解释器来支持 Lambda 函数)。Goldberg 自己在文章里讲了这个插曲:早期版本里,agent 为了支持 Lambda 函数,决定自己写一个 Python 解释器——技术上能跑,但完全没必要。团队后来给了明确的指导:复用现有库。这个例子比任何口号都更说明问题:agent 不缺执行力,缺的是判断力,而判断力目前仍然是人提供的。
还有一个更实际的质疑:agent 写的代码,质量到底由什么保证?AWS 的答案是保真度测试 + 合并门 + 安全 agent 三层。测试是拿真 AWS 当标准答案反向验证的,门是自动化的,安全审查也是 agent 做的。这套机制里,人只在最外层:定标准、看分数、修护栏。它能不能长期兜底,要看保真度分数的走势和公开 issue 的处理速度——这两样都是公开的,任何人都可以持续观察。这也是这篇发布最聪明的地方:它没有要求你“相信 AI”,而是给了你一套可以持续检查的证据。
对 vibe coder 意味着什么
先说最直接的:agent 循环里最慢、最贵的一环,往往不是写代码,而是验证。以前 agent 写完一段调 AWS 的代码,你要等一次部署、等一次真实调用、等账单上的数字慢慢涨,还要担心它在真账号上建了什么删不掉的东西。现在这个循环可以收进本地:写、跑、读结果、改,再跑一遍,不花一分钱,不碰真账号,不用联网。对 vibe coding 来说,这个变化是结构性的:agent 写代码的速度早就超过了人验证代码的速度,验证才是瓶颈。AWS Emulator 把验证的成本打下来,agent 才真正敢放手去试。
再说一层更深的:这款产品本身就是 vibe coding 方法论的一次公开验证。它的建造过程和一个 vibe coder 的工作流几乎一模一样——给 agent 一份清晰的规范、一份可以对照的标准答案,让它去写、去测、去改,人只负责定标准和验收。区别在于规模:AWS 把这个循环做成了三支队伍、几万个测试、一道自动化合并门。Goldberg 在文章开头讲了一个小时候画画的故事:他因为拿不稳蜡笔把全班的恐龙画搞砸了,同学们朝他吼;今年他也无数次对着 agent 发火。但他说,问题从来不是恶意,而是能力不足——agent 和当年的他一样,需要一本“涂色书”:给好明确的边界,让它在里面自由发挥。这个比喻很准,也很诚实:agent 不是不需要人,而是需要人换一种方式管它。
Swami 的文章把这层意思说得更直白:当 agent 能写代码,工程师的工作就变成了建造“让 agent 写出好代码的机器”——写保真度测试、定合并标准、建安全审查。换句话说,vibe coding 做到一定规模,拼的不是谁的提示词写得妙,而是谁的验收系统建得牢。这个判断,值得每一个已经靠 agent 交付过项目的读者认真想一想:你的项目里,有没有一道不依赖你盯着的验收门?如果没有,agent 写得越快,你欠下的验证债就越多。
怎么用:一个务实的起点
如果你现在就想试,可以按这个顺序来。第一步,先装起来跑通官方的入门例子:Linux 上用 RPM 或 Debian 包,macOS 和 Windows 上用 Docker 跑官方提供的 Dockerfile(注意:官方不提供现成的镜像,要自己构建)。启动后按官方文档设环境变量,先用 aws s3 mb 建一个桶、传一个小文件、列出来,确认你的 shell 真的在和本地说话——官方文档里用了一个很贴心的办法:模拟器的访问密钥以 EMULATOR 开头,一眼就能认出来。第二步,把你现有的测试套件里最稳的那几个 DynamoDB 或 S3 场景搬过来,先在本地跑通。第三步,去查你要用的服务的保真度分数,分数低的服务不要硬上,留到真 AWS 的预发布环境里测。第四步,也是最重要的一步:把 IAM 相关的测试永远留在真 AWS 上跑,本地全绿不代表权限没问题。
有几类项目现在就能明显受益:刚起步的 vibe 项目,云账单还很敏感,本地循环能省下大量试错成本;CI 流水线里跑集成测试,不用再为每个 PR 开一个真账号、跑一套真资源;教学和演示场景,不用给每个学生发一个 AWS 账号。反过来,有几类场景现在还不适合:要测 IAM 策略、跨账号、跨区域行为的;要压测限流和故障恢复的;要把模拟器当成生产环境用的——AWS 明确说了,生产负载不在支持范围内。
留白与展望
发布当天还有几件事没有答案。第一,保真度分数的起点没有在正文里逐项列出,AWS 只说去文档里查——这意味着第一批用户的实际体验会因服务而异,有人会觉得“像极了”,有人会觉得“还差得远”。第二,嵌入式模式目前只有 Rust,其他语言的开发者只能走独立进程。第三,AWS 说会在 re:Invent 上分享更多进展,届时可能会公布更多服务覆盖和分数变化。第四,也是最值得持续观察的一点:这套“agent 造软件”的机器能不能长期自我维持——保真度分数是涨还是跌、公开 issue 的积压是增还是减、社区参与的方式会如何演进。这些问题的答案不在发布稿里,在未来几个月的公开提交历史里。
最后给一个判断。AWS Emulator 有两个身份:一个是工具,一个是证据。作为工具,它解决的是 agent 时代最实在的痛点——验证太慢、太贵、太危险。作为证据,它证明了 agent 造软件这条路可以走到“交给客户”的程度,前提是验收系统足够硬。这两个身份里,第二个更重要。工具会迭代,分数会涨跌,但“人退到护栏后面、agent 走到前台”这个分工一旦被一家 AWS 规模的公司公开验证过,就很难再退回去了。vibe coder 该问自己的问题也从此变了:不再是“agent 能不能写出这段代码”,而是“我的验收系统,能不能让我放心地不看这段代码”。AWS Emulator 的答案是:能,但验收系统得你自己建。
评论 (0)
原始来源
相关文章
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。