AKIRA AI 教學系列 · AI 開發工具篇

AWS Kiro
新手完全指南

不只教你怎麼用 Kiro,還把它牽連到的每一個服務與名詞——Spec、Bedrock、MCP、Steering、Hooks、Builder ID——全部一次講清楚。看完這一頁,你就能從零開始「規格驅動開發」。

📐 Spec 驅動開發 🖥️ IDE + CLI + Web 🧠 Claude 模型驅動 🆓 免 AWS 帳號可用

01Kiro 是什麼?

先建立大局觀:它不是「又一個 AI 自動補全」,而是一整套開發方法論。

Kiro 是 AWS(Amazon Web Services)推出的 Agentic AI 開發工具,2025 年中發表後迅速成為最受討論的 AI 開發工具之一。它有三種使用型態:

新手最常見的誤解 Kiro 雖然是 AWS 做的,但你完全不需要 AWS 帳號就能使用——用 GitHub、Google 帳號或 AWS Builder ID 登入即可。AWS 帳號與 IAM Identity Center 是給「企業團隊」用的進階選項。

它和 Cursor、Copilot 差在哪?一句話:先想再寫

大部分 AI 編程工具追求「輸出速度」——你打一句 prompt,它馬上噴出程式碼,這種風格俗稱 Vibe Coding(氛圍編程)。快是快,但在大型專案裡容易誤解需求、決策過程無法追溯、寫完沒人知道為什麼這樣寫。

Kiro 的核心主張是 Spec-Driven Development(規格驅動開發):AI 先幫你把想法變成正式的「需求文件、設計文件、任務清單」三份規格書,你審核通過之後它才動手寫程式碼。軟體工程最難的不是寫 code,而是決定「要做什麼、怎麼做」——Kiro 把這件事制度化了。

02核心概念:Spec 驅動開發

三份文件,就是 Kiro 的靈魂。搞懂它們,你就搞懂了 Kiro 的 80%。

當你在 Kiro 裡對一個功能建立 Spec(規格),它會在專案的 .kiro/specs/功能名稱/ 資料夾下自動產生三份 Markdown 文件:

📄 requirements.md — 需求文件

把你的一句話 prompt 展開成完整的使用者故事(User Story)與驗收條件(Acceptance Criteria),採用 EARS 格式(Easy Approach to Requirements Syntax)——一種「WHEN 某情況 THEN 系統 SHALL 做某事」的結構化寫法,源自航太業的需求工程,能大幅減少需求的模糊空間。

📐 design.md — 設計文件

Kiro 會先分析你現有的程式碼庫,再產出技術設計:架構圖、資料流程、TypeScript 介面、資料庫 Schema、API 端點等。設計錯誤在這個階段被抓出來,修正成本是「幾分鐘」;如果等到寫完 500 行 code 才發現,成本就是「幾天」。

✅ tasks.md — 任務清單

把設計拆解成一條條可執行、可勾選的任務,每條任務都連結回對應的需求(可追溯性)。你可以逐條執行、逐條驗收,也可以開啟 Autopilot 讓代理自動連續執行。

為什麼這對團隊很重要? Vibe Coding 做完,決策過程都消失在聊天記錄裡;Spec 驅動開發做完,prompt 變成永久的工程資產——需求、設計、任務三份文件直接進版本控制,新同事接手時看文件就懂,這正是 Kiro 口號「為 Agentic 開發帶來工程紀律」的意思。

兩種執行模式

模式行為適合場景
Supervised(監督模式)每一步修改都先給你看 diff,你按下同意才套用新手、正式專案、關鍵程式碼
Autopilot(自動駕駛)代理自主連續執行任務,不逐步詢問信任度高的重複性任務;注意大型 Autopilot 會消耗較多 credits

03互動體驗:Spec 流程模擬器

親手走一遍 Kiro 的完整工作流——從一句話 prompt 到可執行的任務清單。

🎮 模擬情境:幫網頁加上「深色模式切換」功能

按下按鈕,看 Kiro 如何一步步把你的想法變成規格書。這正是你未來在真實 Kiro IDE 中會看到的流程。

💬 Prompt 📄 requirements.md 📐 design.md ✅ tasks.md 🚀 執行

04Kiro 名詞辭典

點擊卡片翻面,每個名詞都有白話解釋。這些是你讀官方文件時一定會撞到的詞。

記憶技巧 三個「讓 AI 更懂你」的機制可以這樣記:Steering 是「長期人設」(專案規範)、Hooks 是「自動反射」(事件觸發)、MCP 是「外掛手腳」(連接外部工具)。

05牽連到的 AWS 服務與生態系

Kiro 背後站著哪些服務?弄懂這張關係圖,AWS 文件就不再是天書。

🧠 Amazon Bedrock — Kiro 的大腦供應商

Amazon Bedrock 是 AWS 的託管式生成式 AI 服務,提供多家公司的基礎模型(Foundation Models, FM)。Kiro 就是建構在 Bedrock 之上,透過它呼叫 Anthropic 的 Claude 系列模型(付費方案可用 Claude Opus 4.8、Sonnet 4.6 等,免費版則有 Sonnet 4.5 與 Qwen3 Coder、DeepSeek 等開放權重模型)。你不需要自己開 Bedrock 帳號——Kiro 已經幫你包好了。

🤖 Auto Agent — 智慧派工的調度員

Kiro 預設用一個叫 Auto 的代理處理你的 prompt:它混合多個前沿模型與專精特定任務的小模型,搭配意圖偵測與快取技術,在品質、速度、成本之間自動取得平衡。你也可以手動指定只用某個特定模型。

🔑 三種登入身分,別搞混

身分類型是什麼誰該用
社群登入直接用 GitHub 或 Google 帳號登入個人開發者,最快上手
AWS Builder IDAWS 提供的免費個人身分,不需要 AWS 帳號、不綁信用卡,是 AWS 給開發者用工具的通行證想用 AWS 生態但不想開正式帳號的個人
IAM Identity CenterAWS 的企業級單一登入(SSO)服務,由公司 IT 管理員集中管理員工身分與權限企業團隊;帳單會進公司的 AWS Billing,且 AWS 承諾不使用企業用戶內容做服務改進

🧩 相關開源生態名詞

企業使用者加映 企業版透過 AWS Billing and Cost Management 集中付費,管理員可以在帳務主控台的「Charges by service」看到 Kiro 費用,也能匯出含 resource ID 的報表追蹤每位使用者的訂閱成本。政府雲(AWS GovCloud)環境則必須使用付費方案搭配 IAM Identity Center 登入。

06安裝與第一次使用

五個步驟,十分鐘內跑起你的第一個 Spec。

  • Step 1 · 下載——到 kiro.dev/downloads 下載對應作業系統的安裝檔(Windows / macOS / Linux 都有),或直接在瀏覽器使用 Web 版。
  • Step 2 · 登入——選 GitHub、Google 或 AWS Builder ID。免費版每月 50 credits,夠你摸熟基本流程。
  • Step 3 · 匯入設定——首次啟動的 onboarding 流程會問你要不要匯入 VS Code 的設定、佈景主題與外掛,一鍵搬家。
  • Step 4 · 開專案、建 Spec——打開任何專案資料夾,在對話面板輸入功能需求並選擇建立 Spec,Kiro 就會開始產生 requirements.md。
  • Step 5 · 審核 → 執行——逐份審核三文件(可以直接編輯修改),確認後執行 tasks.md 裡的任務。建議新手全程使用 Supervised 模式。

新手第一天就該設定的兩件事

① 建立 Steering 檔:在 .kiro/steering/ 放入你的專案規範(技術棧、命名慣例、測試要求),之後每次對話 Kiro 都會自動遵守,不用重複交代。

② 檢查用量儀表板:IDE 內建訂閱儀表板,顯示本月 credit 上限、已用量與剩餘量,至少每 5 分鐘更新一次。養成看儀表板的習慣,才不會月底驚訝。

# Kiro 專案的典型目錄結構
my-project/
├── .kiro/
│   ├── specs/
│   │   └── dark-mode-toggle/
│   │       ├── requirements.md   # 需求(EARS 格式)
│   │       ├── design.md         # 技術設計
│   │       └── tasks.md          # 任務清單
│   ├── steering/
│   │   └── coding-style.md       # 專案長期規範
│   └── hooks/                    # 事件自動觸發設定
└── src/ ...

07定價與 Credits 制度

Credit 是什麼?怎麼扣?超過了會怎樣?一次講明白。

Credit(點數)是 Kiro 的計費單位——「回應一次使用者 prompt 的工作量」。簡單的問題可能不到 1 credit;執行一條 spec 任務這種複雜工作通常超過 1 credit。用大模型(如 Opus)跑大型 Autopilot 任務,消耗會明顯較快。

Free
$0
50 credits/月
Sonnet 4.5 與開放權重模型,有速率限制
Pro
$20/月
1,000 credits
解鎖 Opus 4.8、Sonnet 4.6 等付費模型
Pro+
$40/月
2,000 credits
中度使用者
Pro Max
$100/月
5,000 credits
填補 Pro+ 與 Power 之間的斷層
Power
$200/月
10,000 credits
重度使用者/全天候 agent 工作流
新手省錢心法 小而明確的任務,credit 消耗可預測;大範圍 Autopilot+Opus 模型的組合最燒點數。先用 Free 版摸熟流程,確定工作型態適合再升級。若你大多只做單檔小修改,Kiro 的 spec 結構反而是負擔——這種情境更輕量的工具可能更適合(見下一節)。

08Kiro vs 其他 AI 開發工具

沒有最強的工具,只有最適合場景的工具。誠實比較,不吹不黑。

📐 Kiro

✔ 強項:結構化與可追溯性。跨多檔案、有架構決策、需要團隊維護的正式功能開發,spec 流程能在上游就抓出問題。 ✘ 弱項:快速原型時流程偏重,單檔小改反而變慢。

⚡ Cursor

✔ 強項:原始速度。單檔編輯與快速原型的即時生成最快,自動補全體驗頂級。 ✘ 弱項:複雜功能的決策過程難以追溯與文件化。

⌨️ Claude Code

✔ 強項:無頭自動化。CI/CD 管線、純 CLI 工作流、全自主代理任務,終端機原生設計更實用。 ✘ 弱項:沒有圖形化 IDE 的視覺輔助(對偏好 GUI 的新手門檻較高)。

一句話總結:要出貨正式產品、重視工程紀律 → Kiro;要最快的原型速度 → Cursor;要終端機自動化 → Claude Code。三者並不互斥,很多團隊混用。

一段值得知道的插曲 2026 年 2 月曾有「Kiro 生成的程式碼導致 AWS 服務中斷」的傳聞瘋傳,AWS 官方否認了 Kiro 是肇因——但這事件提醒所有人一個真實風險:會碰到正式環境基礎設施的 AI 生成程式碼,一定要有護欄(審核、測試、權限最小化)。這也正是 Supervised 模式存在的意義。

09隨堂測驗

三題檢驗你有沒有真的看懂。答錯沒關係,解釋就在回饋裡。