从复制粘贴开始：使用 Amazon Q Developer × Spec Kit 开启 AI 驱动开发

Information

为了覆盖更广泛的受众，这篇文章已从日语翻译而来。
您可以在这里找到原始版本。

本文为在以下活动中演讲内容的文字记录版。

超实践 AI 驱动开发～利用生成式 AI 提升系统开发效率与质量的最前沿～

Information

自 2025 年 11 月 17 日起，Q Developer CLI 的正式名称变更为「Kiro CLI」。本文中仍使用撰写时的名称「Q Developer CLI」进行说明，但命令和功能相同。未来更新中 q 命令可能会改为 kiro 命令。

前言

目标读者

本文针对以下人士：

对使用生成式 AI 进行开发感兴趣的开发者
曾因 AI 代码生成导致“非预期实现”而困扰的人
希望在保持质量的同时利用 AI 的人员
想尝试 Amazon Q Developer（Kiro CLI）或 Spec Kit 的人士

前提知识

假设您具备以下基础知识：

Git、GitHub 的基本操作
Docker、Docker Compose 的基本概念
Java/Spring Boot、React/TypeScript 的基础（将在示例项目中使用）
AWS 的基本知识（部署部分）

本文可获得内容

阅读本文后，您将能够：

理解从环境搭建到部署的全流程
获取可通过复制粘贴运行的实用提示示例
学习 AI 驱动开发中的质量保障方法
获取可实际运行的示例项目

背景知识：为什么要采用 SDD+TDD

生成式 AI 驱动开发的现状

自 2022 年底 ChatGPT 出现以来，AI 驱动开发迅速普及。目前，GitHub Copilot、Cursor、Claude Code、Windsurf、Amazon Q Developer^[1]、Kiro 等多种编码助手可供使用。

AI 的发展正从“模型中心（GPT 时代）”向“代理网络中心”转变，并正从单纯的编码辅助发展为自主执行型代理。

AI 代码生成的“阴影”

然而，在实际开发中，可能会面临以下挑战。

1. 过度实现

擅自添加未请求的功能。

示例：

只请求了登录功能，却连密码重置功能也实现了
请求了简单的 CRUD，却额外添加了搜索和排序功能

2. 假设

对需求规格中模糊的部分擅自补全，导致非预期设计。

示例：

“保存用户信息” → AI 擅自将邮箱地址设为必填项
“显示数据” → AI 擅自以 10 条为单位实现分页

3. 成功宣告

明明构建或测试失败，却报告“已完成”。

示例：

存在编译错误却报告“实现完成”
测试失败却报告“所有测试都成功”

4. 维护成本增加

根据最近的研究^[2]^[3]，即使借助 AI 辅助工具提升开发速度，维护、审查和质量管理成本仍有上升趋势。此外，还观察到经验丰富的开发者偏离新功能开发任务，转而专注于维护工作。

通过 SDD+TDD 的解决方法

为了解决这些问题，将结合以下两种方法。

SDD（Specification-Driven Development：规范驱动开发）

在编写代码之前，将预期的行为、需求和约束明确定义为规范，并基于此推进开发的方法。

效果：有了明确的规范，AI 就能毫无歧义地生成准确的代码^[4]。

TDD（Test-Driven Development：测试驱动开发）

在编写代码之前定义测试，以失败为出发点反复进行修正和改进的方法。

效果：将 TDD 框架引入基于 LLM 的代码生成后，生成成功率提高^[5]。将测试明确为“规范·约束”能改善 AI 的生成精度^[6]。

通过 SDD 固定规范，并通过 TDD 使正确行为标准化，从而提高 AI 的可控性。

环境搭建：以最小准备开始

前提条件检查清单

请确认已安装以下工具：

Windows + WSL2（也可使用 Linux）
Git
VSCode
Docker Desktop（或 Docker Engine）
AWS Builder ID 或 AWS IAM Identity Center 账户（用于 Q Developer）

步骤 1：克隆 GitHub 仓库

克隆此次讲演使用的公开示例仓库。

# 切换到工作目录
cd ~/workspace

# 克隆仓库
git clone https://github.com/mamezou-tech/aidd-demo.git

# 进入目录
cd aidd-demo

https://github.com/mamezou-tech/aidd-demo

仓库内容：

backend/：Spring Boot 后端（Java 17，Spring Boot 3.x）
frontend/：React 前端（React 18，TypeScript，Vite）
specs/：规范文档
.devcontainer/：DevContainer 配置
.amazonq/：Amazon Q Developer 配置
docker-compose.yml：开发环境配置

步骤 2：在 VSCode 中启动 DevContainer

# 在 VSCode 中打开
code .

VSCode 启动后，执行以下步骤：

点击左下角的绿色按钮（远程资源管理器）
选择“Reopen in Container”
首次可能需要几十分钟（构建 Docker 镜像）
容器内终端会自动打开

DevContainer 包含内容：

Node.js、Java 17、Gradle
AWS CLI
Q Developer CLI 1.19.7
各类开发工具

步骤 3：Q Developer CLI（Kiro CLI）登录

Free 计划（AWS Builder ID）

# 登录命令
q login

# 浏览器会打开，使用 AWS Builder ID 登录
# 登录完成后返回终端

Pro 计划（IAM Identity Center）^[7]

# 登录命令
q login

# 按提示输入 IAM Identity Center 信息
# Start URL: https://[your-domain].awsapps.com/start
# Region: ap-northeast-1 等

# 浏览器会打开，完成认证

开始对话模式：

q chat

Information

步骤 4：启动应用并进行运行确认

1. 启动数据库和后端

在 Dev Container 内的终端执行以下命令：

docker compose up -d

此命令会启动以下服务：

MySQL 数据库（端口 3306）
Spring Boot 应用（端口 8080）

确认容器已启动：

docker compose ps

# 期望输出：
# mysqldb 和 app 容器的 STATUS 为 Up (healthy)

2. 启动前端

执行以下命令：

cd frontend
npm run dev

※依赖包会在 Dev Container 启动时自动安装。

前端将在 http://localhost:3000 启动。

运行确认：
在浏览器中访问以下地址：

前端： http://localhost:3000
后端 API： http://localhost:8080/api/health

故障排除（环境搭建）

Q1：DevContainer 无法启动

原因：Docker 未启动或资源不足。

解决方案：

# 确认 Docker 是否已启动
docker ps

# 检查资源设置（在 Docker Desktop 中，Settings > Resources）

Q2：找不到 `q` 命令

原因：DevContainer 构建不完整。

解决方案：

# 重新构建容器
# 在 VSCode 中按 Ctrl+Shift+P → "Dev Containers: Rebuild Container"

# 或通过命令行
docker compose down
docker compose up -d --build

Q3：端口 3000 或 8080 已被占用

原因：其他应用正在占用该端口。

解决方案：

# 查看占用该端口的进程
lsof -i :3000
lsof -i :8080

# 终止进程或修改 docker-compose.yml 中的端口
# ports:
#   - "3001:3000"  # 将 3000 改为 3001

实践①：规范制定 - specify → clarify 的迭代

Spec Kit 命令一览

Spec Kit 提供以下命令。

命令	说明	主要用途
`@speckit.constitution`	创建/更新项目原则	定义 TDD 规则等
`@speckit.specify`	定义功能需求/用户故事	制作规范文档
`@speckit.clarify`	澄清模糊的规范	细化规范
`@speckit.plan`	制定技术实施计划	架构设计
`@speckit.analyze`	分析规范、计划与任务之间的连贯性	冲突检查
`@speckit.tasks`	生成实施任务列表	任务拆分
`@speckit.implement`	按计划和任务进行实施	生成代码
`@speckit.checklist`	生成需求检查清单	进度管理

Caution

在 Q Developer CLI 中，用 @ 而非 / 来调用命令。为正确传递参数，请在命令开头添加引号（'）^[8]。

开始对话式会话

首先，启动 Q Developer CLI 的对话式会话。之后的所有命令都在该会话内执行。

q chat

会话开始后，会显示提示符，即可输入命令。

步骤 1：确认项目原则

确认项目中是否已定义 TDD 等原则。如需添加，可使用以下命令。

'@speckit.constitution <要添加到项目原则中的内容>'

示例：

# Project Constitution

## Test-First Imperative
始终在编写代码之前先编写测试。
- 先创建单元测试
- 确认测试失败（Red phase）后再进行实现
- 作为非协商事项严格执行

## Library-First Principle
所有功能均作为独立的库实现。

## Simplicity Gate
防止过度工程化。
- 初始实现最多支持 3 个项目

在公开仓库的 constitution.md 中记录了 Spec Kit 提示的 6 项原则。

步骤 2：制定规范（@speckit.specify）

初次 specify

创建员工搜索系统 MVP 的规范。

示例提示：

'@speckit.specify
请为员工搜索系统（MVP）创建规范。

【目的】
统一管理员工信息，使人事能够快速了解“谁拥有哪些技能、属于哪个组织”。

【主要用户】
- 人事：整体概览公司员工、技能和组织信息，作为人员调配和招聘计划的输入。

【预期用例】
- 人事通过搜索具有特定技能（例如：Java、AWS）的员工，跨部门创建候选人列表。
- 在附带头像的员工列表和详细页面上，可视觉化识别人员。

【MVP 提供的功能范围】
- 登录功能（简单认证）
- 员工信息的注册、查看和搜索
  - 基本属性（姓名、员工 ID、所属组织、职位、雇佣类型）
  - 头像的上传和显示
- 技能信息查看
  - 技能主数据管理
  - 员工技能关联
- 组织层级管理（仅支持父子关系的简单树结构）

【MVP 范围外】
- 详细权限管理
- 审计日志
- 高级技能分析
- 组织重组历史管理
- 外部系统集成

【期望输出】
- 用例列表和简单流程
- 界面及 API 概要
- 数据模型概要
- 非功能需求（MVP 所需的最低限度）
- 明确标注 MVP 范围外功能
'

要点：

明确描述目的
定义用户角色
明确 MVP 范围（特别是明确“范围外”）
避免模糊表达

输出示例：
AI 会生成 spec.md 文件。内容可能包括以下内容。

# 员工搜索系统 MVP 规范书

## 1. 概要
...

## 2. 用例
### UC-001: 登录
- 执行者: 人事
- 前提条件: 用户账户已注册
- 基本流:
  1. 用户在登录界面输入用户名和密码
  2. 系统执行认证
  3. 认证成功后重定向到主页
...

## 3. 界面设计
### 3.1 登录界面
- 输入项: 用户名、密码
- 按钮: 登录
...

## 4. 数据模型
### 4.1 员工（Employee）
- employee_id (PK): 员工 ID
- name: 姓名
- organization_id (FK): 所属组织
- photo_url: 头像 URL
...

步骤 3：澄清模糊点（@speckit.clarify）

在生成的规范中仍有未明确定义的部分，可通过 clarify 命令进行澄清。

示例提示：

'@speckit.clarify
请针对员工搜索系统 MVP 规范，列出以下方面的模糊点，并生成问题列表：
- 登录/认证方式（MVP 的具体前提）
- 技能搜索和展示方式
- 头像上传方式
- 列表界面中的分页/排序处理
'

输出示例：

# 有关规范模糊点的问题

## 登录/认证方式
Q1: 密码加密方式使用哪种？（bcrypt、PBKDF2 等）
Q2: 如何进行会话管理？（Cookie、JWT、服务器端会话 等）
Q3: 是否需要登出功能？
Q4: 密码重置功能是否包含在 MVP 中？

## 技能搜索和展示方式
Q5: 技能搜索是完全匹配还是部分匹配？
Q6: 是否需要多技能的 AND 查询/OR 查询？
Q7: 如何处理技能等级（初级/中级/高级 等）？

## 头像上传方式
Q8: 头像文件大小上限是多少？
Q9: 允许的图片格式？（JPEG、PNG、GIF 等）
Q10: 如果没有头像，是否显示默认图片？

## 分页/排序
Q11: 列表界面每页显示的条目数是多少？
Q12: 排序字段有哪些？（姓名、员工 ID、组织 等）
Q13: 默认排序顺序是什么？

步骤 4：回答问题并修改规范（@speckit.specify）

根据 AI 提出的问题进行回答，并修改规范。

示例提示：

'@speckit.specify
请根据以下回答更新员工搜索系统 MVP 规范。

【登录/认证方式】
A1: 使用 bcrypt
A2: 将 JWT 令牌保存在 Cookie 中
A3: 需要登出功能
A4: 密码重置功能不在 MVP 范围

【技能搜索和展示方式】
A5: 部分匹配（前缀匹配）
A6: 仅支持多技能的 AND 查询
A7: 技能等级分为三级（初级/中级/高级）

【头像上传方式】
A8: 小于 5MB
A9: 仅支持 JPEG、PNG
A10: 显示默认头像图片

【分页/排序】
A11: 20 条/页
A12: 可以按姓名、员工 ID、所属组织排序
A13: 默认按姓名升序
'

步骤 5：迭代

重复 specify → clarify → specify 循环，可大幅减少模糊点。

迭代要点：

指定规范中容易引起混淆的部分，可更高效地澄清
让 AI 提供推荐方案可以加速流程

加速示例：

'@speckit.clarify
请针对员工信息的注册和更新，列出模糊点，并一并提供你的推荐方案。
'

成果文件：spec.md

最终可获得如下高完成度的规范文档。

用例被具体描述
界面项和 API 规范明确
数据模型被详细定义
模糊点已被消除
明确标注了 MVP 范围外

实践②：实施 - TDD 循环的实践

步骤 1：制定实施计划（@speckit.plan）

@speckit.plan

输出示例：

# 实施计划

## 技术栈
- Backend: Java 17, Spring Boot 3.2.0, Spring Security, Spring Data JPA
- Frontend: React 18, TypeScript, Tailwind CSS
- Database: MySQL 8.0
- Test: JUnit 5, Testcontainers, Playwright

## 架构
### 后端
- 分层架构
  - Controller 层: REST API 端点
  - Service 层: 业务逻辑
  - Repository 层: 数据访问

### 前端
- 基于组件的架构
- React Router 用于 SPA
- 使用 Context API 进行状态管理

## 安全
- JWT 认证
- 使用 bcrypt 进行密码哈希
- CORS 配置

此内容将保存为 plan.md。

步骤 2：生成任务列表（@speckit.tasks）

'@speckit.tasks
请将人才管理系统 MVP 拆分为粒度为 2~3 天的实施任务。
'

输出示例：

# 实施任务列表

## Phase 1: 基础构建
- Task 1.1: 设置项目结构
- Task 1.2: 创建数据库模式

## Phase 2: 认证功能
- Task 2.1: 用户实体与 Repository
  - Red: 创建 UserRepositoryTest 并确认失败
  - Green: 实现 User.java、UserRepository.java 并使测试通过
  - Refactor: 整理代码
- Task 2.2: 实现 JWT 认证
  - Red: 创建 JwtUtilTest 并确认失败
  - Green: 实现 JwtUtil.java、JwtAuthenticationFilter.java
  - Refactor: 整理代码
- Task 2.3: 实现登录 API
  - Red: 创建 AuthControllerTest 并确认失败
  - Green: 实现 AuthController.java、AuthService.java
  - Refactor: 整理代码

## Phase 3: 员工管理功能
- Task 3.1: 员工实体与 Repository
- Task 3.2: 员工注册 API
- Task 3.3: 员工搜索 API
- Task 3.4: 员工详情 API

...

此内容将保存为 tasks.md。

步骤 3：实施（@speckit.implement）

终于进入实施阶段。基于 Spec Kit 的测试优先原则，使用 TDD 循环推进实现。

Task 2.1 实施示例：用户实体与 Repository

示例提示：

'@speckit.implement Task 2.1'

AI 的操作示例：

首先生成测试（Red 阶段）

UserRepositoryTest.java:

package com.example.demo.repository;

import com.example.demo.entity.User;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.autoconfigure.jdbc.AutoConfigureTestDatabase;
import org.springframework.boot.test.autoconfigure.orm.jpa.DataJpaTest;
import org.testcontainers.containers.MySQLContainer;
import org.testcontainers.junit.jupiter.Container;
import org.testcontainers.junit.jupiter.Testcontainers;

import java.util.Optional;

import static org.assertj.core.api.Assertions.assertThat;

@DataJpaTest
@Testcontainers
@AutoConfigureTestDatabase(replace = AutoConfigureTestDatabase.Replace.NONE)
class UserRepositoryTest {

    @Container
    static MySQLContainer<?> mysql = new MySQLContainer<>("mysql:8.0")
            .withDatabaseName("testdb");

    @Autowired
    private UserRepository userRepository;

    @Test
    void 根据用户名搜索用户() {
        // Arrange
        User user = new User();
        user.setUsername("testuser");
        user.setPassword("hashedPassword");
        userRepository.save(user);

        // Act
        Optional<User> found = userRepository.findByUsername("testuser");

        // Assert
        assertThat(found).isPresent();
        assertThat(found.get().getUsername()).isEqualTo("testuser");
    }

    @Test
    void 搜索不存在的用户名时返回空() {
        // Act
        Optional<User> found = userRepository.findByUsername("nonexistent");

        // Assert
        assertThat(found).isEmpty();
    }
}

运行测试并确认失败

# AI 自动执行
./gradlew test --tests UserRepositoryTest

# 结果：FAILED（因为 User.java 和 UserRepository.java 尚不存在）

生成实现（Green 阶段）

User.java:

package com.example.demo.entity;

import jakarta.persistence.*;
import lombok.Data;

@Entity
@Table(name = "users")
@Data
public class User {
    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;

    @Column(nullable = false, unique = true, length = 50)
    private String username;

    @Column(nullable = false)
    private String password;

    @Column(length = 100)
    private String email;
}

UserRepository.java:

package com.example.demo.repository;

import com.example.demo.entity.User;
import org.springframework.data.jpa.repository.JpaRepository;
import org.springframework.stereotype.Repository;

import java.util.Optional;

@Repository
public interface UserRepository extends JpaRepository<User, Long> {
    Optional<User> findByUsername(String username);
}

运行测试并确认成功

./gradlew test --tests UserRepositoryTest

# 结果：PASSED

重构（Refactor 阶段）

在测试通过的情况下，对代码进行改进。AI 会执行以下重构操作：

改进变量名和方法名
删除重复代码
提升可读性

在确认测试持续通过的前提下，安全地改进代码。

TDD 循环的迭代要点

Red → Green → Refactor 循环：

Red（编写会失败的测试）
- 使用测试表达期望的行为
- 由于尚未实现，测试会失败
Green（使测试通过的最小实现）
- 编写能通过测试的代码
- 此阶段优先“可运行”而非“优雅”
Refactor（重构）
- 在测试通过的状态下改进代码
- 删除重复并提升可读性

实践③：部署 - 仅用自然语言构建 AWS

前提条件

已安装 AWS CLI（包含在 DevContainer 中）
已配置 AWS 配置文件（认证信息）
拥有启动 EC2 权限的 IAM 用户/角色

此次部署用于测试目的，以下进行简化：

使用 HTTP 而非 HTTPS
单一 EC2 实例
无负载均衡器
数据库运行在容器中

步骤 1：创建 EC2 实例

示例提示：

请使用 Amazon Linux 2023 和 t3.small 创建 EC2 实例。
安全组仅允许从您的 IP 地址访问 22 端口（SSH）和 3000 端口（应用）。
请创建名为 "aidd-demo-key" 的密钥对。

AI 的操作示例：
AI 会自动执行以下操作：

获取当前 IP 地址
创建安全组（SSH: 22，应用: 3000）
创建密钥对
启动 EC2 实例
输出实例 ID 和公共 IP

步骤 2：安装 Docker 与 Docker Compose

示例提示：

请 SSH 连接到 EC2 实例（(公共IP)），
安装 Docker 和 Docker Compose。
请将用户添加到 docker 组，并确保无需重新登录即可使用。

AI 的操作示例：

SSH 连接到 EC2 实例
更新系统包
安装 Docker、启动并设置开机自启
将用户添加到 docker 组
安装 Docker Compose
确认安装完成

步骤 3：将整套应用传输到 EC2

示例提示：

请将当前目录下的 docker-compose.yml 以及 backend、frontend、db 目录，
传输到 EC2 实例（(公共IP)）的 /home/ec2-user/aidd-demo 目录下。

AI 的操作示例：

在 EC2 实例上创建目标目录
使用 SCP 传输 docker-compose.yml、backend、frontend、db 目录

步骤 4：使用 Docker Compose 启动应用

示例提示：

请在 EC2 实例中，进入已传输的目录，
执行 docker compose up -d。
请确认所有容器均以 Up(healthy) 状态启动。

AI 的操作示例：

SSH 连接到 EC2 实例
进入已传输目录
使用 docker compose up -d 启动容器
检查所有容器状态，并报告为 Up (healthy)

步骤 5：应用运行确认

在浏览器中访问：

http://(公共IP):3000

API 通信确认：

curl http://(公共IP):8080/api/health

# 输出示例：
# {"status":"UP"}

登录确认：
在浏览器中访问登录界面，并使用以下测试用户信息登录：

ID: test@example.com
密码: aiddTest

登录后会显示主页，通过该链接进入员工搜索系统。

※注册数据及头像均由 AI 生成。

CORS 问题修复（如有需要）

如果发生 CORS 错误，请执行以下操作。

示例提示：

请修复后端的 CORS 配置。
允许来自前端源（http://(公共IP):3000）的请求。
修复后，请在 EC2 上重启应用。

总结与参考资料

本文要点

本文介绍了使用 Amazon Q Developer × Spec Kit 进行 AI 驱动开发的全流程。

环境搭建：

仅需克隆 GitHub 仓库即可开始
通过 DevContainer 自动解决依赖

规范制定：

通过 specify → clarify 的迭代细化规范
消除模糊是 AI 应用的关键

实施：

实践 TDD 循环（Red → Green → Refactor）
通过测试优先原则提高 AI 的生成精度

部署：

使用自然语言构建 AWS 资源

重要收获

人的角色不可或缺：在现阶段，上游流程和质量保障由人承担
规范与测试是资产：高质量成果可在下一次 AI 驱动开发中复用

Amazon Web Services. Amazon Q Developer. ↩︎
Xu et al. AI-assisted Programming and Maintenance Burden. arXiv, 2025. ↩︎
Amasanti & Jahić. The Impact of Generative AI-Generated Solutions on Software Maintainability. arXiv, 2025. ↩︎
GitHub. Spec-driven development with AI: Get started with a new open source toolkit. 2024. ↩︎
Mathews et al. Test-Driven Development for Code Generation. arXiv, 2024. ↩︎
Chen et al. TENET: Leveraging Tests Beyond Validation for Code Generation. arXiv, 2025. ↩︎
Classmethod. 在成员账户中尝试订阅使用 Amazon Q Developer Pro. 2024. ↩︎
Ahanoff. 使用 Amazon Q Developer 的 Spec Kit：发现事项与习性. 2024. ↩︎

前言

目标读者

前提知识

本文可获得内容

背景知识：为什么要采用 SDD+TDD

生成式 AI 驱动开发的现状

AI 代码生成的“阴影”

1. 过度实现

2. 假设

3. 成功宣告

4. 维护成本增加

通过 SDD+TDD 的解决方法

SDD（Specification-Driven Development：规范驱动开发）

TDD（Test-Driven Development：测试驱动开发）

环境搭建：以最小准备开始

前提条件检查清单

步骤 1：克隆 GitHub 仓库

步骤 2：在 VSCode 中启动 DevContainer

步骤 3：Q Developer CLI（Kiro CLI）登录

Free 计划（AWS Builder ID）

Pro 计划（IAM Identity Center）[7]

步骤 4：启动应用并进行运行确认

1. 启动数据库和后端

2. 启动前端

故障排除（环境搭建）

Q1：DevContainer 无法启动

Q2：找不到 q 命令

Q3：端口 3000 或 8080 已被占用

实践①：规范制定 - specify → clarify 的迭代

Spec Kit 命令一览

开始对话式会话

步骤 1：确认项目原则

步骤 2：制定规范（@speckit.specify）

初次 specify

步骤 3：澄清模糊点（@speckit.clarify）

步骤 4：回答问题并修改规范（@speckit.specify）

步骤 5：迭代

成果文件：spec.md

实践②：实施 - TDD 循环的实践

步骤 1：制定实施计划（@speckit.plan）

步骤 2：生成任务列表（@speckit.tasks）

步骤 3：实施（@speckit.implement）

Task 2.1 实施示例：用户实体与 Repository

TDD 循环的迭代要点

实践③：部署 - 仅用自然语言构建 AWS

前提条件

步骤 1：创建 EC2 实例

步骤 2：安装 Docker 与 Docker Compose

步骤 3：将整套应用传输到 EC2

步骤 4：使用 Docker Compose 启动应用

步骤 5：应用运行确认

CORS 问题修复（如有需要）

总结与参考资料

本文要点

重要收获

Pro 计划（IAM Identity Center）^[7]

Q2：找不到 `q` 命令