🎯 О чём этот конспект: Разбор нового AI-редактора кода Kirao от Amazon, который внедряет методологию «разработки на основе спецификаций» (Spec-Driven Development). Мы изучим, как работает связка «Требования — Дизайн — Задачи», и выясним, стоит ли переходить на него с Cursor или Windsurf.

👤 Кому будет полезно: Вайбкодерам и разработчикам, которые хотят структурировать процесс создания AI-продуктов и уйти от хаотичного промптинга к системному проектированию.

✨ Что получите: Пошаговый алгоритм работы в Kirao, понимание концепции Document-Driven Development и честный вердикт: когда этот инструмент ускоряет разработку, а когда превращается в «оверхед».

1. Концепция Spec-Driven Development в Kirao

Контекст: В отличие от Cursor, где вы сразу начинаете писать код, Kirao заставляет вас сначала создать «Спеку» (Spec). Это жесткий фреймворк, который делит процесс на фазы: сбор требований, проектирование архитектуры и формирование списка задач. Такой подход минимизирует галлюцинации AI, так как агент всегда опирается на утвержденный документ, а не на случайные куски контекста. Это реализация идеи Document-Driven Development, где документация является «источником истины» для AI-агента.

Выгода: Повышение качества кода и соответствие результата исходному видению. Вы тратите время на планирование, чтобы потом не переделывать всё приложение из-за одной ошибки в архитектуре.

Как применить:

• Шаг 1: Инициализация проекта — Скачайте Kirao с kirao.dev. Это форк VS Code, поэтому все ваши расширения будут работать.
• Шаг 2: Создание спецификации — Выберите режим "Spec" при создании фичи. Опишите идею приложения максимально подробно.
• Шаг 3: Визуализация — Используйте горячие клавиши для удобного чтения сгенерированной спецификации:

# Просмотр Markdown в удобном виде внутри Kirao
Ctrl + Shift + V

Результат: У вас на руках структурированный план приложения, одобренный AI, прежде чем была написана первая строка кода.

2. Фаза проектирования и управление контекстом

Контекст: После утверждения требований Kirao переходит к фазе Design. Здесь AI предлагает стек технологий и структуру файлов. Важно на этом этапе вносить правки, так как Kirao может предлагать устаревшие библиотеки или лишние инструменты (например, Axios вместо нативного Fetch). Автор видео столкнулся с тем, что агент игнорировал новые API OpenAI, поэтому критически важно проверять предложенный дизайн и дополнять его актуальными примерами кода.

Выгода: Вы контролируете архитектуру до начала кодинга, избегая «технического долга» от нейросети.

Как применить:

• Шаг 1: Ревью дизайна — Проверьте предложенный стек. Если вам не нужны тесты или определенные библиотеки, скажите об этом сразу.
• Шаг 2: Внедрение внешних API — Если AI не находит документацию, скопируйте пример из официальной доки (например, OpenAI Responses API) и вставьте в чат с инструкцией:

Обнови дизайн, используя этот пример API: [Вставить код/документацию]

• Шаг 3: Фиксация стека — Убедитесь, что AI зафиксировал использование конкретных версий моделей (например, GPT-4o вместо старых версий).

Результат: Согласованный технический проект, который служит инструкцией для следующего этапа — реализации.

3. Имплементация через Task List

Контекст: На основе дизайна Kirao генерирует детальный список задач (Task List). Реализация происходит итеративно: вы запускаете задачу, агент выполняет её, проверяет ошибки и переходит к следующей. Это похоже на работу с агентом в Cursor (Composer), но с более строгим отслеживанием прогресса. Однако будьте готовы к тому, что агент может уйти в бесконечный цикл написания тестов, если его не ограничить.

Выгода: Прозрачный прогресс-бар разработки. Вы точно знаете, какая часть функционала уже готова, а какая — в очереди.

Как применить:

• Шаг 1: Запуск задачи — Нажмите "Start Task" в боковой панели. Откроется отдельный чат для этой конкретной задачи.
• Шаг 2: Контроль выполнения — Следите за терминалом. Kirao сам видит ошибки выполнения и пытается их исправить.
• Шаг 3: Ручное вмешательство — Если агент застрял на исправлении тестов (как в видео, где было 200+ ошибок), остановите его и дайте корректирующую команду.

Результат: Работающее приложение, построенное пошагово согласно утвержденному плану.

4. Agent Steering: Управление поведением агента

Контекст: Если Kirao начинает «тупить» или делать то, что вы не просили (например, писать сотни строк ненужных тестов), используйте функцию Agent Steering. Это аналог .cursorrules, но разделенный на логические блоки. Kirao создает три файла конфигурации: для продукта, для структуры и для технологий. Это позволяет задать глобальные правила, которые агент не должен нарушать на протяжении всего проекта.

Выгода: Возможность «приструнить» AI и заставить его следовать вашему стилю разработки.

Как применить:

• Шаг 1: Создание правил — Попросите Kirao создать steering rules.
• Шаг 2: Редактирование правил — Откройте созданные файлы и добавьте жесткие ограничения. Например, чтобы отключить тесты:

# Tech Steering Rules
- Do not write any unit or integration tests.
- Focus only on MVP functionality.
- Use native fetch API only.

• Шаг 3: Обновление плана — После изменения правил попросите AI пересчитать список задач, чтобы удалить из него пункты, связанные с тестами.

Результат: Агент перестает тратить токены и время на ненужные действия, фокусируясь на главном.

5. Сравнение: Kirao vs Cursor vs Lovable

Контекст: Автор провел эксперимент: создание D&D приложения в Kirao заняло 3 часа из-за избыточного планирования и борьбы с тестами. Аналогичное приложение в Lovable (инструмент для генерации фронтенда) было создано за 2 минуты по одному промпту. Kirao — это инструмент для сложных, долгоживущих проектов, где важна документация, в то время как Cursor дает больше гибкости и скорости для быстрых итераций.

Выгода: Понимание, какой инструмент выбрать под конкретную задачу.

Сравнительная таблица: | Инструмент | Скорость | Контроль | Подход | | :--- | :--- | :--- | :--- | | Kirao | Низкая | Высокий (через спеки) | Spec-Driven | | Cursor | Высокая | Средний | Chat/Composer | | Lovable | Мгновенная | Низкий | One-prompt |

Результат: Для MVP лучше использовать Cursor или Lovable. Для корпоративных систем с жесткими требованиями — пробовать Kirao.

FAQ

В: Можно ли в Kirao использовать свои ключи API? О: Да, как и в любом форке VS Code, вы можете настроить свои ключи. Однако Kirao активно продвигает использование моделей через инфраструктуру Amazon (Claude 3.5 Sonnet).

В: Что делать, если Kirao игнорирует мои инструкции в Steering Rules? О: Это частая проблема текущей версии. Попробуйте явно обновить основной файл спецификации (Spec) и перегенерировать список задач. Агент чаще следует списку задач, чем общим правилам.

В: Поддерживает ли Kirao работу с существующими проектами? О: Да, вы можете открыть любую папку. Но чтобы магия Spec-Driven заработала, вам придется попросить AI проиндексировать проект и создать спецификацию на основе текущего кода.

В: В чем главное отличие Kirao от Cursor? О: В Cursor вы ведете диалог и правите код «по ходу». В Kirao вы обязаны пройти этапы: Requirements -> Design -> Implementation. Это заставляет вас быть архитектором, а не просто промпт-инженером.

В: Стоит ли переходить на Kirao сейчас? О: На данный момент инструмент кажется переусложненным ("overengineered") для простых задач. Рекомендуется использовать идеи Kirao (создание файлов требований и дизайна) внутри Cursor, сохраняя гибкость управления.

Конспект создан на основе видео «Amazon's New AI Code Editor: Kirao» канала Wes Roth. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=osBF_Rq-Mp8