用 Kiro 构建行业专业软件：从需求到交付的地震多次波压制工具实践
内容提要
本文记录用Kiro开发地震多次波压制软件的实践：5天内编码十余小时，交付约2408行代码，实现预测反褶积、Radon变换、SRME三种算法及GUI和并行流水线。预测反褶积效果最佳，Radon和SRME受方法限制效果有限。对比Spec驱动与Vibe Coding范式，提出内核用Spec、外围用vibe、衔接靠接口的分层策略，强调AI降低领域知识转化成本，但不突破方法物理边界。
延伸解读
方法适用边界：为什么 Radon 和 SRME 效果有限
文章指出，预测反褶积效果最佳，而 Radon 和 SRME 在小合成数据上效果有限。这并非实现缺陷，而是方法本身的适用边界所致：SRME 本质为海洋自由表面多次波设计，依赖近偏移距和负偏移距道，在陆上单炮数据下预测精度受限；Radon 的速度可分离性依赖足够偏移距孔径。这提醒读者，算法选型需匹配数据条件，AI 工具无法突破物理边界。
Spec 与 Vibe Coding 的分层策略
文章对比了 Spec 驱动与 Vibe Coding 两种范式，并提出“内核用 Spec、外围用 vibe、衔接靠接口”的分层策略。算法内核因正确性敏感、需复用，应预先明确规格；GUI 等探索性部分可快速迭代。关键在于统一接口（如 process 函数），使外围开发能建立在稳定内核之上，兼顾速度与可维护性。这一策略对 AI 辅助开发具有普适参考价值。
AI 辅助开发的实际收益与局限
实践显示，AI 工具将传统 3-4 周的工作压缩至 5 天跨度、十余小时编码，并同步生成文档，显著降低领域知识转化成本。但文章强调，AI 不会突破方法的物理边界，算法效果仍受数据条件限制。此外，资源消耗定性描述，未精确分摊，提示读者在评估 AI 工具效率时需结合具体项目场景，避免过度乐观。
Q&A
用Kiro开发地震多次波压制软件，最终交付了多少行代码？
约2408行，其中Python代码1592行，技术文档693行，脚本/配置123行。
地震多次波压制软件中，哪种算法效果最好？
预测反褶积效果最好，多次波能量衰减58.8%，SNR改善3.85dB，接近论文最佳水平。
为什么Radon变换和SRME在测试中效果有限？
因为项目针对陆上叠前数据，SRME本质是为海洋自由表面多次波设计，且单炮数据缺少近偏移距道；Radon变换依赖足够偏移距孔径，单炮48道数据偏小。
Kiro开发中如何实现需求确认？
通过四轮对话：先设定专家身份，再让Kiro澄清领域问题，然后锁定边界（陆上、SEG-Y、叠前），最后确定形态（Python、GUI），最终形成45行需求文档。
Spec驱动和Vibe Coding两种范式在项目中如何应用？
算法内核采用Spec驱动，先明确规格再实现；GUI采用Vibe Coding，快速迭代。结论是内核用Spec、外围用vibe、衔接靠接口。
Kiro在开发中主动做了哪些优化？
主动向量化Radon变换（提速约30倍）、批量读取SEG-Y数据（比逐道快10倍+）、统一模块接口（process(data, dt, **params)）以便扩展。
使用Kiro开发相比传统方式节省了多少时间？
传统人工开发需3-4周，使用Kiro仅5天跨度、纯编码十余小时，GUI当晚完成，文档同步生成。
Kiro生成的文档包括哪些？
包括需求文档（45行）、操作手册（267行）、技术论文（381行），共693行，且技术论文结构完整，指标来自测试输出。
