没有 AWS 账号也能测 agent：200+ 服务搬到本地，及格线只有 56.6%

没有 AWS 账号，不花一分钱，200 多个 AWS 服务在你的笔记本上跑。CLI 和 SDK 都指向它，你的代码一行都不用改。资源放在内存里，进程一停就全没了——这正是测试想要的行为。

这是 AWS 在 2026-11-12 发布的 AWS Emulator（本地 AWS API 仿真器）。最不寻常的地方不是"又一个 LocalStack"，而是：它的代码是 agent 写的，连评审都是 agent 做的。

而它的及格线也摆得很诚实：42,857 个保真度测试，通过 24,243 个，56.6%。

一、它到底是什么

一个无头的本地程序，对外提供一个 AWS API 端点，你通过环境变量把 CLI 或 SDK 指过去。资源放在内存，短命。

它的"像"不是感觉上的像，而是错误信息逐字一致：官方文档里那个 DynamoDB 例子——用 2 个字符的表名建表，返回的 ValidationException 文本和真 AWS 一模一样。

官方给的关键数字：

二、agent 是怎么把它写出来的

起点很朴素：给 Kiro 一句 prompt，15 分钟就出来一个能用的 Amazon SQS 仿真器。

然后 AWS 把活拆给三组 agent：

每个补丁都要过合并闸：构建、代码评审、安全、保真度。还有几个安全 agent 专门做对抗性评审。按项目方的说法，是数百个并发 agent、每天修掉数千个 issue。

发布流水线跑在 AWS Developer Tools 上，CodeCommit 才是 agent 的仓库，代码最后才同步到 GitHub。这个细节有意思：它把"agent 产出的东西先进内部闸门"写进了流水线结构里。

三、四条跑起来的路

源码构建和 embedded 模式第一次都要付编译代价（同一个 100 GB 磁盘门槛）。

四、保真度：分清楚"哪一层像"

v1.0.322 的分数（scores.json，2026-11-11 评分）：

分服务看，差距是数量级的：

官方自己说了口径：控制平面 API 最像；数据平面、CloudFormation、Terraform、CDK 的支持因服务而异。没实现的操作返回 HTTP 501 NotImplemented（不是假装成功——这一点很重要）。测试套件公开在 aws-emulator-evaluation-suite 里，连失败的一起放。

4.1 agent 的常见工具面，落到这个保真度上够不够

4.2 决定用不用它之前，先回答五个问题

1. 我要验的是控制面还是数据面？—— 控制面才像。
2. 测试路径涉及 IAM 权限语义吗？—— 涉及就不行，它不求值策略。
3. 需要多区域/多账号吗？—— 单区单账号，隔离是假象。
4. 我的 agent 会不会读到上一个测试残留的内存状态？—— 它会，所以每个用例一个实例，或至少用 --idle-timeout。
5. 我的 CI 能接受 2 GiB 的容器上限吗？—— 不能就说明 agent 在内存里堆了太多东西，这本身就是个信号。

五、和 LocalStack / Moto / Floci 比

最后一行才是真正的差别：只有它把"自己像不像"当成发布产物。

六、五条不能用的场景（AWS 自己列的）

1. 不评估 IAM。 身份策略和资源策略不按 AWS 的方式求值——别拿它做安全测试；
2. 只有 1 个区域、1 个账号。 它接受任意 ID，但不按 ID 隔离资源；
3. 只在 us-west-2 验证过，全局服务在 us-east-1 检查；
4. 内存态、短命。 没针对长跑和压测验证过，记得用 --idle-timeout 收尾；
5. 遥测默认开着。

七、自己复核保真度：别只看结论

这篇最有用的部分不是 56.6%，而是它可被复核：

• 每个版本都发一个 scores.json，里面是逐测试的结果；
• 评估套件公开，包括失败的用例；
• 官方把“总体 / 单步 / 跳服务工作流”三个维度分开报，因为它们的含义完全不同：56.6% 的“总体”里，单步能到 73.2%，而跳服务工作流只有 41.9%——你要测的恰恰经常是后者。

（另外还有 80 个被跳过的测试。跳过不等于通过，自己取数时记得看一眼这一栏。）

八、接进 CI 的四条纪律

1. 一个测试一个实例。 资源在内存里、不去数据——共用实例会让上一条用例的副作用污染下一条，而且这种失败复盘起来极贵。Rust 的 embedded 模式本来就是“每个测试一个隔离实例”的设计。
2. 一定要设 --idle-timeout。 它短命是特性，不自动退出就是 CI 里的僵尸进程。
3. 把 501 当断言。 NotImplemented 是诚实的信号：它告诉你“这个操作还没有”，比静默返回空数组好得多。把它写进测试，能在升级版本时自动告诉你“刚才不管你、现在管了”。
4. 遥测默认开着。 容器里如果不想要任何出网行为，记得显式关掉。

九、它解决的是 agent 最缺的那一环

写 agent 的人都有过这个场面：本地没有云，测试要么 mock 得过于干净（永远返回 success），要么连上真 AWS（慢、贵、脏、还不敢乱删）。

mock 的问题是"太顺"——agent 的 bug 恰恰出在错误路径上：限流、404、参数校验、幂等重放。一个会返回 ValidationException、会 501、会按服务不同而"半真半假"的假云，比一个永远成功的 mock 有价值得多。

什么场景值得用

什么时候别用

• 权限与安全测试：不评估 IAM，测出来的"通过"没有意义；
• 多账号/多区域架构：单区单账号，隔离假象；
• IaC 链路：CloudFormation 15.8%，Terraform/CDK 因服务而异，别把它当 IaC 验证环境；
• 性能与长跑：内存态、短命，官方没为压测背过书。

我们自己的用法（三条）

1. 冒烟只挑高保真的那几个服务：KMS 93.9%、SQS 89.8%、S3 79.1%、DynamoDB 77.3%——这四个覆盖了大多数 agent 的工具面；
2. 把"这个操作用 501"当断言写进测试：它是"未实现"的诚实信号，比静默成功好一百倍；
3. CI 里放 Docker 路线，2 GiB 上限当预算：超了就说明 agent 在内存里堆了太多状态，这本身是个信号。

顺带一个观察：这个项目和它周边的发布节奏，正好说明了 2026 年下半年的一件事——"让 agent 干活"已经不稀奇，稀奇的是给 agent 装上闸门（合并闸、保真度评分、公开失败测试）。这和我们 11-03 那篇《AI 写的代码越多，审查越像盖章》 说的是同一件事的两面。

十、三步动作

1. 今天：用 Docker 起一个，把 AWS_ENDPOINT_URL 指到 https://127.0.0.1:9297，跑你 agent 最常用的 3 个工具调用；
2. 本周：把这 3 个调用的错误路径（参数校验失败、404、幂等重放）补成用例——这是 mock 永远测不出来的部分；
3. 下次评审：把"哪些操作返回 501"列成清单，决定是绕开还是等它实现。

本文由 Software 2.0 编译整理，转载请注明出处。

Sources

• 原文：Asif Razzaq《AWS Releases AWS Emulator: A Local Copy of 200+ AWS Services Built by AI Agents》，MarkTechPost，2026-11-12 https://www.marktechpost.com/2026/11/12/aws-emulator-local-aws-api-emulator-ai-agents/
• 代码与分数：https://github.com/aws/aws-emulator、评估集 aws-emulator-evaluation-suite（含失败用例）

同主题阅读

• Agent 老是散架？该修的是 harness，不是提示词
• AI SRE 现在能做什么：查故障更快，但没人敢让它动生产
• 断网写代码：9B 本地模型 + OpenCode 离线改掉一个 bug

参考支柱：AI 基建 / 评测 / 安全、本地 & 自托管 LLM。