DHI集团如何借助黑客松将生成式AI工作负载从创意加速推向生产
内容提要
DHI集团与AWS合作举办结构化黑客松，20名参与者分三队，基于Amazon Bedrock AgentCore、MCP服务器和Kiro，在三天内开发出实时雇主分析仪表盘、智能候选人匹配及统一人才市场等原型，将原本逾三个月的开发压缩至三天。赛后Kiro使用率增长84%，领导层承诺将黑客松年度化，并推进三个用例全部投入生产。
延伸解读
从概念验证到生产：黑客松如何压缩AI落地周期
DHI集团与AWS合作的结构化黑客松，将原本超过三个月的开发周期压缩至三天，并直接产出可投入生产的原型。这打破了传统SDLC的线性流程，通过时间盒强制团队快速决策，避免过度设计。关键在于赛前明确生产级成功标准，并让决策者参与评审，使原型在赛后能迅速进入硬化阶段。对于受困于概念验证循环的企业，这种模式提供了一条从创意到部署的加速路径。
技术架构亮点：MCP与AgentCore如何统一异构系统
获胜方案通过MCP服务器将ClearanceJobs能力暴露为工具，由Amazon Bedrock AgentCore编排智能体，实现自然语言驱动的候选人搜索与GitHub资料增强。架构跨两个AWS账户，利用VPC、NAT网关和WAF白名单确保安全通信。这种模式可复用于任何需要统一分散系统的场景，展示了智能体AI在简化复杂工作流方面的潜力。
组织影响：Kiro采用率增长84%背后的文化转变
黑客松后，Kiro在产品和工程团队的使用率增长84%，且33%的开发者对AI赋能的SDLC兴趣提升。这表明动手实践比单纯培训更能推动工具采纳。Kiro不仅辅助编码，还帮助产品经理自主分析代码库和规划功能，加速了产品开发。领导层承诺将黑客松年度化，进一步巩固了AI文化，使交付速度提升成为持续变化而非短期峰值。
可复制的经验：让黑客松产出生产级代码的关键原则
DHI和AWS总结出六条原则：赛前设定生产级成功标准、让决策者担任评委、投资赛前赋能、组建跨职能团队、建立现场关系、使活动可重复。这些做法确保黑客松不仅是创意生成，更是生产加速器。例如，评委包含总裁和产品工程负责人，能在最后一天做出上线决策，避免后续拖延。对于考虑类似活动的组织，这些经验具有直接参考价值。
Q&A
DHI集团为什么选择用黑客松来加速生成式AI落地？
传统软件开发生命周期需要数月需求收集、架构评审和分阶段开发，无法满足DHI所需的速度。他们需要一个能同时验证技术可行性、建立组织AI素养并产出可交付代码的机制，因此与AWS合作采用结构化黑客松加速包。
DHI的黑客松加速包包含哪几个阶段？
分为四个阶段：准备阶段（与领导层定义关键成果和主题）、赋能阶段（AWS提供生成式AI和Kiro培训）、黑客松阶段（三天现场开发原型）、生产路径阶段（将原型推进到生产）。
黑客松期间三个团队分别开发了什么用例？
三个用例：1）实时雇主分析仪表盘，基于Amazon Bedrock AgentCore和Strands框架，自动化QBR报告；2）智能候选人匹配系统，结合OpenSearch语义搜索、Bedrock匹配智能和Kiro前端开发；3）ClearanceJobs MCP服务器+AgileATS，通过代理AI层连接两个系统，构建统一人才市场。
获胜的ClearanceJobs MCP服务器+AgileATS方案是如何工作的？
该方案通过MCP服务器暴露ClearanceJobs能力，由基于Amazon Bedrock AgentCore的智能代理编排。招聘人员可用自然语言命令，代理自动执行多步操作，如搜索候选人、获取资料并通过Lambda函数丰富GitHub数据。架构包括AgentCore编排层、MCP服务器Lambda工具层、ProfileLookup Lambda外部丰富层、Claude 3.5 Haiku推理层和AgentCore记忆上下文层。
黑客松带来了哪些可衡量的成果？
技术加速：三天内交付可运行的代理AI功能，原本需三个多月。组织转型：Kiro使用率增长84%，33%开发者对AI赋能SDLC兴趣增加，交付速度持续提升。领导层承诺将黑客松年度化，三个用例全部推进生产。
要让黑客松产出可上生产的成果，有哪些关键原则？
关键原则包括： upfront设定生产级成功标准（原型需冲刺就绪而非仅演示就绪）；让决策者加入评审团；投资事前赋能培训；使用跨职能团队；建立关系（AWS现场支持）；使其可重复（第二次黑客松规划更快、期望更高）。
