AWS 为内部开发者使用的 Kiro 引入持续评估框架，结合基准测试、数千段真实会话与 LLM 评判，识别系统提示词的改进机会。框架按诊断、设计、测试、评估四步循环，以15项行为质量标准开展 AB 比较；初始模型与提示词组合下，Kiro CLI 的明确不满信号、行为质量问题和任务完成问题分别减少5％、32％和10.6％。
阅读原文