Introducción
La semana pasada expliqué cómo un agente entiende un codebase y construí un agente real para analizar repositorios con el objetivo de mostrar el mecanismo subyacente. Durante ese trabajo descubrimos limitaciones importantes en Kiro: aunque exista un archivo design.md detallado, el agente suele desviarse del diseño porque no lee el archivo completo y protege su ventana de contexto, llegando a considerar procesadas solo las primeras líneas.
Problema identificado
El resultado es que hay que recordarle constantemente al agente que siga el plan, lo que consume cuotas y reduce la eficiencia del desarrollo. Al ser Kiro un producto de código cerrado no es posible ajustar sus prompts, así que probamos otra vía: reproducir el flujo de Kiro mediante prompts diseñados para agentes como Copilot o Claude Code, de modo que puedan ejecutar un workflow similar pero con control total sobre cada paso.
Implementación con prompts
La idea central es emplear comandos para dirigir al agente a generar especificaciones y planes antes de ejecutar código. El flujo propuesto incluye comandos como /createSpec para convertir requisitos en un documento requirements.md con formato EARS, /design para que el agente desarrolle design.md, /createTask para generar tasks.md y finalmente /executeTask para ejecutar tareas. Durante /createSpec el agente puede referenciar materiales de steering en .kiro/steering si existen. Para evitar desviaciones en /executeTask obligamos al agente a revisar y resumir cada archivo antes de comenzar la ejecución, de modo que realmente lea todo el contexto y no se limite a los primeros fragmentos.
Ventajas
Con este enfoque se consigue la misma estructura de trabajo que Kiro pero con control total sobre los prompts, permitiendo ajustes finos según necesidades del equipo. Esto reduce desperdicio de recursos, mejora la trazabilidad de decisiones y permite reutilizar herramientas ya contratadas. Además, los prompts son agnósticos y pueden aplicarse a distintos agentes, incluidos Copilot y Claude Code.
Cómo usarlo
Para ponerlo en marcha solo hay que colocar los archivos de prompts en la carpeta del proyecto o en la carpeta global de prompts del agente. Desde allí se ejecutan los comandos en la ventana de chat del agente y se interactúa para revisar y afinar requirements.md, design.md y tasks.md antes de ejecutar tareas en modo headless con /executeTask.
Recomendaciones prácticas
Insistir en que el agente resuma cada fichero obliga a una lectura completa y evita omisiones por protección de ventana de contexto. También conviene incorporar instrucciones de sistema pragmáticas para evitar sobreingeniería y mantener el principio KISS. Finalmente, dado que los prompts son personalizables, se pueden adaptar a estilos de equipo y políticas de seguridad.
Sobre Q2BSTUDIO
En Q2BSTUDIO somos especialistas en desarrollo de software a medida y aplicaciones a medida, inteligencia artificial aplicada a empresas, ciberseguridad y servicios cloud. Ofrecemos soluciones personalizadas que incluyen desde el diseño y desarrollo de software hasta la implementación de aplicaciones a medida y estrategias de ia para empresas. Nuestro catálogo integra servicios de ciberseguridad y pentesting, servicios cloud aws y azure, servicios inteligencia de negocio y soluciones con power bi para impulsar la toma de decisiones. También trabajamos con agentes IA y automatización de procesos para optimizar flujos y reducir costes.
Conclusión
Recrear el flujo de Kiro mediante prompts permite conservar las ventajas de un agente espec-driven mientras se gana control y capacidad de ajuste. Es una alternativa práctica para equipos que desean aprovechar herramientas como Copilot o Claude Code sin depender de soluciones cerradas. Si te interesa implementar este flujo o integrar agentes IA en tus proyectos empresariales, en Q2BSTUDIO podemos ayudarte a diseñar e implementar la solución óptima, desde software a medida hasta despliegues en la nube y analítica avanzada con power bi.
