Jeg Testede AWS Kiro I En Måned — Her Er Hvad Ingen Fortæller Dig

Hvorfor Kiro Er Vigtig Nu

Lad mig være direkte: Jeg anbefaler stærkt at alle—især ikke-programmører og ikke-tekniske personer—udforsker verdenen af AI IDE-agenter. Disse værktøjer har fundamentalt ændret hvad der er muligt. En person der ikke ved noget om kodning, intet om datalogi, kan nu instruere en computer til at arbejde gennem et simpelt chatvindue. Det er som at have en professionel medarbejder der aldrig sover, aldrig klager, og faktisk forstår hvad du prøver at opnå.

Du behøver ikke længere års specialiseret træning. Du behøver ikke at huske syntaks eller kæmpe med dokumentation. Du behøver idéer. Du behøver evnen til at tænke klart over hvad du vil have. Det er det hele.

AI-kodningslandskabet i 2025 er eksploderet. Vi har Cursor der dominerer mindshare med sin intuitive grænseflade. Windsurf (tidligere Codeium) der presser grænserne for agent-native udvikling. Claude Code der bringer terminal-først workflows til masserne. GitHub Copilot der udvikler sig med nye agentiske kapaciteter. Og så lancerer AWS, cloud-infrastrukturgiganten, stille og roligt Kiro—og pludselig skifter samtalen.

Ifølge SimilarWeb-data tiltrækker Kiro.dev nu over en million månedlige besøgende. Det er ikke bare nysgerrighed—det er ægte udviklerinteresse i et værktøj der lover at fikse hvad der er i stykker ved AI-assisteret udvikling.

Hvad Er Kiro

Kiro er en agentisk AI IDE udviklet af AWS, bygget på Code OSS—det open-source fundament bag Visual Studio Code. Dette betyder at dine eksisterende VS Code indstillinger, extensions og muskelhukommelse overføres direkte. Du lærer ikke et helt nyt værktøj; du får superkræfter på velkendt grund.

Men her er hvad der gør Kiro fundamentalt anderledes fra alle andre AI-kodningsværktøjer: den er spec-drevet. Mens Cursor og Windsurf fokuserer på at gøre kodefuldendelse hurtigere og mere intelligent, stiller Kiro et helt andet spørgsmål—hvad hvis AI kunne hjælpe dig planlægge før du koder?

Interessant nok er Kiro positioneret som "lidt adskilt fra resten af AWS's kerneforretning," ifølge Nathan Peck, AWS-udvikleradvokat. Målet er at Kiro skal have en unik identitet der appellerer til udviklere på tværs af alle platforme—ikke kun dem der allerede er investeret i AWS-økosystemet. Du kan bruge Kiro uden en AWS-konto ved at logge ind via Google eller GitHub.

Denne strategiske positionering betyder noget. AWS CEO Matt Garman beskriver Kiro som "en agentisk IDE der får udviklere fra prototype til produktion med den struktur som produktionsklar kode kræver." Den prøver ikke at erstatte dine hurtige prototype-værktøjer—den prøver at sikre at de prototyper faktisk når til produktion.

Den Spec-Drevne Revolution

Her er problemet Kiro prøver at løse: vibe coding. Du kender det. Jeg kender det. Vi har alle gjort det. Du åbner en AI-chat, beskriver nogenlunde hvad du vil have, itererer gennem prompts indtil noget virker, og shipper det. Det er hurtigt. Det føles som magi. Og det skaber teknisk gæld der forfølger dig i måneder.

Vibe coding producerer kode der ofte er ordrig, stilistisk inkonsistent og mangler overholdelse af etablerede arkitektoniske mønstre. AI'en laver antagelser du aldrig accepterede. Krav forbliver uklare fordi ingen skrev dem ned. Seks måneder senere, når du skal modificere funktionen, har du ingen idé om hvorfor visse beslutninger blev taget.

Kiros spec-drevne tilgang genererer tre sammenkoblede filer der danner fundamentet for hver funktion:

Skriv "Tilføj et anmeldelsessystem til produkter" og Kiro genererer ikke bare kode. Den genererer brugerhistorier for visning, oprettelse, filtrering og bedømmelse af anmeldelser. Hver brugerhistorie inkluderer acceptkriterier der dækker edge cases som udviklere typisk håndterer under implementering. Først efter du har gennemgået og godkendt disse specifikationer begynder den faktiske kodning.

Dette lyder måske langsommere. Det er det—i starten. Men gevinsten kommer i reducerede iterationscyklusser, klarere teamkommunikation og kode der faktisk gør hvad du havde tænkt. Specifikationerne bliver en enkelt sandhedskilde som både mennesker og AI-agenter kan referere til gennem hele projektets livscyklus.

EARS Syntaks Forklaret

EARS—Easy Approach to Requirements Syntax—er den hemmelige ingrediens bag Kiros specifikationssystem. Udviklet af Alistair Mavin og kolleger hos Rolls-Royce mens de analyserede luftdygtighedsregler for jetmotorkontrolsystemer, giver EARS et struktureret format til at skrive klare, utvetydige, testbare krav.

EARS er ikke bare klog autoformalisering. Det er faktisk en udvidelse af temporal logik, som i sig selv er en udvidelse af førsteordenslogik. Dette giver Kiro ægte kraft til at verificere processer, kontrollere modeladfærd og forbinde design til implementering.

WHEN [betingelse/hændelse] THE SYSTEM SHALL [forventet adfærd]

WHEN en bruger indsender en formular med ugyldige data 
THE SYSTEM SHALL vise valideringsfejl ved siden af de relevante felter

WHEN en bruger succesfuldt opretter en anmeldelse 
THE SYSTEM SHALL vise en bekræftelsesmeddelelse og tilføje anmeldelsen til produktsiden

EARS-syntaks inkluderer flere mønstre til forskellige kravtyper:

Det strukturerede format gør det nemt at forstå hvad der forventes, hvilket reducerer misforståelser mellem produkt- og ingeniørteams. Det gør også krav direkte testbare—hver EARS-sætning kan konverteres til en testcase, hvilket sikrer at intet falder mellem to stole.

Vibe Mode vs Spec Mode

Kiro opererer i to distinkte tilstande, der hver tjener forskellige udviklingsbehov:

Du kan skifte naturligt mellem tilstande. Start en vibe-samtale for at udforske idéer, sig så "Generer spec" når du er klar til at formalisere. Kiro vil spørge om du vil starte en spec-session og fortsætte med at generere krav baseret på din samtalkontekst.

Der er også Autopilot Mode—skift den til i nederste højre hjørne og Kiro transformeres til en udviklingsaccelerator. I Autopilot implementerer Kiro komplet kode uden at vente på din godkendelse ved hvert trin, hvilket drastisk reducerer udviklingstiden ved at eliminere frem-og-tilbage godkendelser. Brug den til fundamentale komponenter og boilerplate. Skift til overvåget tilstand for kritisk forretningslogik hvor du vil gennemgå hver ændring.

Agent Hooks og Automatisering

Hooks er Kiros anden store innovation—hændelsesdrevne automatiseringer der udløser AI-agenter i baggrunden baseret på filændringer. De fungerer som en erfaren udvikler der fanger ting du overser eller fuldfører boilerplate-opgaver mens du arbejder.

Når du gemmer en fil, opretter en ny komponent eller ændrer et API-endpoint, kan hooks automatisk:

Når en hook er committet til Git, håndhæver den standarder på tværs af hele dit team. Alle får gavn af de samme kvalitetstjek, kodestandarder og sikkerhedsvalidering. Dette løser det almindelige problem hvor dokumentation driver væk fra virkeligheden, kodestandarder varierer efter udvikler, og institutionel viden forsvinder når senioringeniører forlader virksomheden.

# .kiro/hooks/validate-react-components.md
Trigger: On file save in src/components/**/*.tsx

Valider at komponenten følger Single Responsibility Principle.
Hvis overtrædelser findes, foreslå refaktorering til mindre komponenter.
Opdater komponentens dokumentation i den tilstødende README hvis den eksisterer.

Kiro understøtter også Agent Steering—persistent projektviden gemt i markdown-filer under .kiro/steering/. Dette giver AI'en kontekst om din tech stack, filstruktur og kodningsmønstre der overlever på tværs af sessioner. Kombineret med Model Context Protocol (MCP) support kan du forbinde til ekstern dokumentation, databaser, API'er og mere.

Modellerne Bag Kiro

Under min testning brugte jeg denne prompt til at verificere præcis hvad der drev Kiro:

What model powers you? List: model name, API model ID, 
release date, context window, max output tokens, 
and knowledge cutoff.

Her er hvad jeg opdagede om Kiros modelsituation—og dette er vigtigt for at sætte forventninger:

Kiro har introduceret "Auto"—en agent der bruger en blanding af forskellige frontier-modeller kombineret med specialiserede modeller, intent-detektion, caching og optimeringsteknikker. Målet er bedre balance mellem kvalitet, latenstid og omkostninger. Når du bruger Auto, koster visse opgaver der forbruger X credits via direkte Sonnet 4 mindre fordi systemet intelligent router til den mest passende model.

For dem der vil have direkte kontrol kan du eksplicit vælge Sonnet 4 til dine prompts, selvom dette forbruger credits med en højere rate (cirka 1,3x sammenlignet med Auto).

Priser og Credits

Kiros prissætning har været... kontroversiel. Community-feedbacken har været højlydt, og AWS har reageret med flere justeringer. Her er den aktuelle status:

Nye brugere modtager en 500 bonus credits velkomstpakke der kan bruges inden for 30 dage, uanset hvilken plan de vælger—inklusive det gratis niveau. Dette giver dig tid til virkelig at opleve Kiros kapaciteter før du forpligter dig.

Forståelse af Creditforbrug

Her bliver det nuanceret. Credits er ikke simpelt "én prompt = én credit." En credit er en enhed af arbejde som respons på brugerprompts:

• Simple prompts kan forbruge mindre end 1 credit
• Komplekse prompts, især spec-opgaveudførelse, koster typisk mere end 1 credit
• Forskellige modeller forbruger credits med forskellige rater
• Credits måles til anden decimal (minimum 0,01 credits)

I min testning kostede et simpelt modelverifikationsspørgsmål kun 0,1 credits—bemærkelsesværdigt effektivt. Men at oprette en fuld projektspec kan forbruge 15-25 interaktioner, og komplekse multi-fil implementeringer vil hurtigt brænde igennem credits.

Overage og Fakturering

På betalte planer kan du aktivere overage for at fortsætte arbejdet ud over dine månedlige grænser. Yderligere credits koster $0,04 stykket, faktureret ved månedens slutning. Overage er deaktiveret som standard og skal eksplicit aktiveres i Indstillinger—en fornuftig sikkerhed mod overraskende regninger.

AWS tilbyder også Kiro Startup Credits Program—op til et års Pro+ adgang uden omkostninger for kvalificerende startups. Hvis du bygger en virksomhed og opfylder kriterierne, er dette betydelig værdi.

Min Ærlige Erfaring

Lad mig dele min personlige erfaring med Kiro, ufiltreret. Jeg kom ind i dette begejstret—AWS der går ind i AI IDE-rummet med en ægte ny tilgang? Tæl mig med.

Det spec-drevne workflow er ægte imponerende når det virker. At se Kiro transformere en vag funktionsforespørgsel til strukturerede brugerhistorier med EARS-acceptkriterier, derefter generere et teknisk designdokument der analyserer min eksisterende kodebase, derefter bryde det ned i sekventielle implementeringsopgaver—det føltes som at have en senioringeniør ombord der faktisk dokumenterer sit arbejde.

Communityet genlyder lignende frustrationer. En udvikler rapporterede at have brugt 310+ timer og $620 i AI-credits på et projekt der burde have taget 20-30 timer, og kun opnåede 50% succes—to ud af fire moduler virkede. Opgaver sidder ofte fast, fejler og kræver flere manuelle genforsøg. Fejlede opgaver mister kontekst, hvilket tvinger genstart fra bunden mens de brænder igennem brugsgrænser.

Almindelige problemer jeg stødte på og andre rapporterer:

• Høj trafikfejl: "Modellen du har valgt oplever høj trafikvolumen. Prøv at skifte model." Bedre på betalte planer, men forekommer stadig.
• Debugging loops: AI'en falder nogle gange ind i cirkulære mønstre og anvender den samme forkerte rettelse gentagne gange.
• Feature overkill: Kiro har en tendens til at generere "industrielle, militære" løsninger når enklere kode ville være nok—20 filer og 1.500 linjer til hvad der kunne være 200 linjer.
• Konteksttab: Korrekt implementeret logik blandes nogle gange med kode fra helt andre tidligere opgaver.
• Credit-forbrugs bugs: Tidlig prisudrul havde målingsproblemer der forårsagede uventede forbrugsstigninger (AWS har erkendt og adresseret dette).

På den positive side er Kiros credits generøse til simple forespørgsler. Når spec-workflowet virker godt, producerer det ægte højere kvalitet, mere vedligeholdelig kode end vibe coding alene. Dokumentationen der kommer ud er legitimt nyttig til teamsamarbejde.

Min konklusion fra hands-on testning: Kiro er for ung. Agent-intelligenceniveauet er stadig under udvikling. Den har brug for mere iteration før den er klar til professionelle workflows. Men fundamentet er solidt, og filosofien er sund. AWS har reageret godt på community-feedback, refunderet brugere ramt af prissætningsfejl og forlænget gratis adgangsperioder.

Kiro vs Cursor vs Windsurf

Lad os skære igennem markedsføringen og sammenligne disse værktøjer på hvad der faktisk betyder noget:

Ydelsesbenchmarks

Baseret på testning på tværs af almindelige udviklingsscenarier:

Kiro:    45 min (inkluderer fuld docs/tests)
Cursor:  65 min (manuel arkitektur)
Windsurf: 70 min (god multi-fil håndtering)
Copilot: 85 min (begrænset kontekst)

Den fremtrædende metrik er Kiros konsistens—mens konkurrenter måske er hurtigere til simple fuldendelser, opretholder Kiro høj nøjagtighed på tværs af komplekse, multi-fil operationer. Den spec-drevne tilgang skinner særligt i databasedesign og API-arkitektur, områder hvor traditionelle AI-assistenter kæmper.

Hvem Bør Bruge Kiro

Professionelle Tips og Bedste Praksis

Efter omfattende testning og research på tværs af communityet, her er strategierne der maksimerer Kiros værdi:

Endelig Dom

Min anbefaling? Abonner ikke på Kiro endnu hvis du forventer at det kan erstatte dit primære udviklingsworkflow. Agentkapaciteterne er stadig for unge, pålideligheden er ikke helt der, og indlæringskurven for spec-drevet udvikling er reel.

Men bliv ved med at følge med. AWS har skabt noget ægte anderledes med den spec-drevne tilgang. Filosofien—at AI-kodning bør tvinge klarhed i tanken snarere end bare hastighed i skrivningen—er dybtgående. Når Kiro modnes, kan det ændre hvordan vi tænker om AI-assisteret udvikling helt.

Prøv det gratis niveau. Oplev spec-workflowet på et lille projekt. Se om strukturen resonerer med hvordan du vil arbejde. Og hvis du bygger et team eller en virksomhed hvor dokumentation og konsistens betyder mere end rå hastighed, er Kiro måske allerede præcis hvad du har brug for.