AWS Kiro 代理式 IDE 的工具，搶手程度風靡全球，鬼靈精怪的造型吸引不少開發者躍躍欲試。其中，今年度最大的震撼彈莫過於 AWS 正式宣佈 Kiro CLI 的問世，並整合 Amazon Q Developer CLI。此次整合之後，僅需訂閱 AWS Krio 即可使用兩種服務，掀起一場從「AI 輔助」進化到「代理AI」的開發革命。
對於開發者而言，AWS Kiro CLI 不再只是一個聊天式的機器人，而是一個能在你終端機，看得懂檔案系統；能執行指令，甚至能透過 MCP 協議連接外部世界的「資深虛擬同事」。博弘雲端架構師專欄為您解密的 AWS Kiro CLI 三大功能更新，再到LLM大師級指令，一次無私公開。
AWS Kiro CLI 與 Amazon Q Developer CLI 整合對既有使用者的影響？
如果您已經是 Amazon Q Developer CLI 的使用者，您可能已經發現原有的 q 指令有了變化。根據 AWS Kiro 官方更新文件，開發人員無須重新再經歷一次複雜的安裝流程，既有使用者無需操作任何程式，系統即會自動將底層引擎升級為 Kiro。
此外，新的驗證頁面中除了使用原先 SSO 以及 Builder ID 登入，這次更進一步與 Google 及 Github 進行整合，提升方便度。本次的更動開發團隊還留有一個小彩蛋，當使用 「Your organization」 登入時，會跳出新的分頁，原先的分頁中會出現一個可以跟著滑鼠搖頭晃腦的小精靈。
對話歷史保留功能
言歸正傳，AWS Kiro CLI 與 Amazon Q Developer CLI 首要最大的差別在於「聊天內容的肌肉記憶」！以往每當執行一次 Amazon Q CLI 時就會是一個新的 session，我們就會需要把 Amazon Q 要做甚麼的前情提要再重新說明。
但現在，AWS Kiro CLI 中可以根據資料夾層級，來自動記憶之前的內容！只需要在開啟新的 Session 輸入指令 $ kiro-cli chat --resume 就會自動喚醒之前的記憶。讓我們實際做看看！
步驟1：我們先請 kiro cli 幫我們建立一個 FLASK 的 hello world -> 建立完我們輸入 /quit 指令終止該 Session：
步驟2：輸入 kiro-cli chat --resume 指令並啟動 AWS Kiro CLI，啟動後會喚起原本的記憶：
當然，如果想要指定儲存路徑以及開啟的檔案時我們也可以手動指定：
# 1. 透過輸入 /save 加上路徑來實現儲存目前問題的紀錄/save [path] – Saves your current conversation to a JSON file.注意 在使用時不能使用 ~ 來表示 $HOME# 2. 透過輸入 /load 加上路徑來載入之前的紀錄 /load [path] – Loads a conversation from a previously saved JSON file |
AWS Kiro CLI 召喚AI分身！Subagent 實戰教學
AWS Kiro CLI 另外一個最強大的功能是 Subagent（子代理），你可以把它想像成是 Kiro 的「影分身」，每一個分身都擁有獨立的上下文視窗（Context Window）、專屬的工具與系統提示詞。Subagent 能避免「通用型 AI」因為上下文過多而混亂，並實現更高效的專工專責。
透過 AWS Kiro CLI 的提示詞，直接請 AWS Kiro 建立Subagent，指定所需的工作內容。建立完後重新啟動 Kiro CLI，透過 /agent list 檢查是否有成功建立，接續即可在提示詞中指定 Subagent。舉例來說：在完成 subagent 工作流程定義後，工程師即可以使用code-review subagent 檢查 檔案，並且輸入 ‘y’ approval 請求，完成後就會回傳程式碼檢查。
謀定而後動！AWS Kiro Plan Agent 的唯讀智慧
每個使用 LLM 的開發者都遇過一個痛點：有時候你只是想「問問架構」或「確認想法」，但 AI 卻急著幫你生成一大堆檔案和資料夾，把專案弄得一團亂。這時候，你需要的就是 Plan Agent。
Plan Agent 是一個預設開啟 Read-only (唯讀模式) 的特殊代理人。它只能「讀」你的代碼庫來進行研究與規劃，絕對不會「寫」入任何檔案。這讓你可以放心地與它討論複雜的架構重構，確認好計畫後再切換回一般模式執行。
如何精進 AWS Kiro CLI 的提示詞精準度？
AI 應用的提示詞該怎麼下，才能讓AI產生出有價值的內容？無論是圖像生成、文字產出、抑或是程式碼與工程工作流的建置，Prompt 提示詞將遠遠影響效率與內容精準產出的關鍵。
AWS Kiro CLI Prompt 管理系統
Prompt 管理系統的主要功用是，如果我們每次在LLM執行任務時已經有固定的內容，就可以將其轉換成固定的 prompt，以避免輸入過多的內容。Prompt 管理系統可以讓開發流程標準化與可重複使用，允許您建立、編輯、組織並重複使用提示詞。AWS Kiro CLI 中的Prompt 分為 Local prompts、Global prompts，以及 MCP prompts三種類型：
| Prompt 類型 | 定義與用途 | 存放位置 |
|---|---|---|
| Local Prompts | 專案級：僅存儲於當前工作區（Workspace），針對特定專案的上下文設計。 | .kiro/prompts |
| Global Prompts | 用戶級：跨專案可用。例如個人的「程式碼風格偏好」或「通用除錯指令」。 | ~/.kiro/prompts |
| MCP Prompts | 功能級：由 MCP 伺服器提供，具備增強功能。 | 由 MCP Server 定義 |
如何提升提示詞精準度？
在與AI做進階互動前，得先了解一個 LLM 的實際情況：LLM 是健忘且有失憶症的。你可以把任何 LLM 視為一位有潛力的新進員工。但是在加入你的開發環境時，它並不了解開發規範、風格、準則或偏好的工作方式。因此，保持清晰且直接的提示詞，透過明確的指示和按順序提供指令，確保 LLM 能準確地按照您想要的方式執行任務。
簡單來說，越精確地解釋想要的內容，回應品質就會越高。掌握「準確性」、「一致性」的範例提供準則，即可減少指令對工作產出的誤解，並確保統一產出的結構與風格。
| 提示類型 | 提示內文 | 回應 |
|---|---|---|
| 不清晰的提示詞 | 請從這些客戶反饋信息中刪除所有個人身份信息：{{FEEDBACK_DATA}} | 1. 我已經使用您的軟件多年了，一直都很好。但最近，AcmeCloud 經常崩潰。請修復它！ 2. XXX，您的客戶支持代表非常有幫助。他指導我完成了整個過程。我的電子郵件是 XXX，如果您想發送調查。 3. 我是 John Smith，我很不高興。我已經等待 2 小時試圖聯繫 XXX。這是不可接受的！ |
| 清晰的提示詞 | 您的任務是為我們的季度審查匿名化客戶反饋。 指示： 1. 將所有客戶姓名替換為 “CUSTOMER_[ID]“（例如，“Jane Doe” → “CUSTOMER_001”） 2. 將電子郵件地址替換為 “EMAIL_[ID]@example.com” 3. 將電話號碼編輯為 “PHONE_[ID]“ 4. 如果信息提到特定產品（例如 “AcmeCloud”），保持不變 5. 如果沒有發現個人身份信息，逐字複製信息 6. 僅輸出經處理的信息，用 ”—” 分隔 要處理的數據： {{FEEDBACK_DATA}} | CUSTOMER_001：我已經使用您的軟件多年了，一直都很好。但最近，AcmeCloud 經常崩潰。請修復它！ — CUSTOMER_002：CUSTOMER_SERVICE_001，您的客戶支持代表非常有幫助。他指導我完成了整個過程。我的電子郵件是 EMAIL_002@example.com，如果您想發送調查。 — CUSTOMER_003：我是 CUSTOMER_003，我很不高興。我已經等待 2 小時試圖聯繫 PHONE_001。這是不可接受的！ |
讓 LLM 思考的細緻度
當面對研究、分析或問題解決等複雜任務時，給予思考空間可以大幅提升其表現。這種被稱為思維鏈（CoT）提示的技術，鼓勵逐步分解問題，從而產生更準確和細緻的輸出。提示：加入「思考提示」等關鍵字，增加回答的準確性。
賦予 LLM 一個角色
在使用LLM時，可以透過賦予它一個角色來大幅提升回應的表現。「角色提示」是使用系統提示詞最有效的方式，讓AI從一般的助手轉變為虛擬領域的專家。舉例來說，在AI執行任何工作前，加入「User」角色設定的提示詞，像是「你是一家財富前500強科技公司的法務長」、「你是一家雲端軟體開發公司的資深雲端架構師」等，讓LLM工作產出的品質更精準。
AWS Kiro CLI 與 Amazon Q Developer CLI 的整合，展現出自主性代理應用不斷進化。但是如何應用在日常的工作中，達到高效開發、環境維運與LLM精準產出？在接下來的「AWS Kiro 應用」系列文章中，博弘雲端架構師將進一步分享 AWS Kiro CLI 的實戰案例！