Outil de réflexion

L'outil de réflexion permet à Kiro d'afficher son processus de raisonnement lorsqu'il travaille sur des problèmes complexes, offrant une transparence sur la façon dont les conclusions sont atteintes.

Lorsqu'il est activé, l'outil de réflexion permet à Kiro de décomposer un raisonnement complexe en étapes visibles, ce qui vous aide à comprendre le processus de prise de décision et à apprendre de l'approche de l'IA en matière de résolution de problèmes.

kiro-cli settings chat.enableThinking true

Ou utilisez la commande d'expérimentation :

/experiment
# Select "Thinking" from the list

Lorsque Kiro rencontre un problème complexe qui nécessite un raisonnement en plusieurs étapes, il va :

1. Afficher son processus de pensée au fur et à mesure qu'il travaille sur le problème
2. Décomposer le raisonnement en étapes logiques
3. Expliquer les conclusions intermédiaires avant d'arriver à la réponse finale
4. Rendre la prise de décision transparente afin que vous puissiez suivre le raisonnement

L'outil de réflexion est automatiquement invoqué par Kiro lorsque :

• La résolution de problèmes complexes nécessite plusieurs étapes logiques
• L'analyse des compromis entre différentes approches
• La planification d'implémentations en plusieurs étapes avec des dépendances
• Le débogage de problèmes complexes qui nécessitent une analyse systématique
• La prise de décisions architecturales avec de multiples considérations

> What's the best way to implement caching for our API?

I recommend using Redis for caching your API responses...

> What's the best way to implement caching for our API?

🧠 Thinking...

Let me think through the caching requirements:

1. First, I need to consider the type of data being cached
   - API responses suggest read-heavy workload
   - Need to handle cache invalidation

2. Evaluating caching solutions:
   - In-memory (fast but limited by RAM)
   - Redis (distributed, persistent, feature-rich)
   - Memcached (simple, fast, but less features)

3. Considering your use case:
   - API responses benefit from distributed cache
   - Need TTL support for automatic expiration
   - May need cache invalidation on updates

4. Redis appears best because:
   - Supports complex data structures
   - Built-in TTL and eviction policies
   - Can be distributed across nodes
   - Persistent if needed

Based on this analysis, I recommend using Redis for caching your API responses...

• Comprendre les modèles de raisonnement : voyez comment les problèmes complexes sont décomposés
• Apprendre des approches de résolution de problèmes : observez une analyse systématique
• Repérer les lacunes dans la logique : détectez où le raisonnement pourrait être erroné

• Retracer les parcours de décision : comprenez pourquoi certaines recommandations ont été faites
• Vérifier les hypothèses : vérifiez si les hypothèses de l'IA correspondent à votre contexte
• Détecter les erreurs tôt : repérez les erreurs logiques avant l'implémentation

• Suivre des plans en plusieurs étapes : voyez comment les tâches complexes sont décomposées
• Comprendre les dépendances : identifiez les relations entre les étapes
• Valider l'approche : confirmez que le raisonnement correspond à vos objectifs

> Should we use microservices or a monolith for our new project?

🧠 Thinking...

Let me analyze this architectural decision:

1. Project characteristics to consider:
   - Team size and structure
   - Expected scale and growth
   - Deployment requirements
   - Development velocity needs

2. Microservices advantages:
   - Independent scaling
   - Technology flexibility
   - Isolated failures
   - But: increased complexity, operational overhead

3. Monolith advantages:
   - Simpler deployment
   - Easier debugging
   - Lower operational cost
   - But: scaling limitations, tight coupling

4. Decision factors:
   - Small team → Monolith likely better
   - Unclear requirements → Start with monolith
   - Need rapid iteration → Monolith faster initially
   - Can refactor to microservices later if needed

Based on this analysis...

> What sorting algorithm should I use for this data?

🧠 Thinking...

Let me think through the sorting requirements:

1. Data characteristics:
   - Size of dataset
   - Is data partially sorted?
   - Memory constraints
   - Stability requirements

2. Algorithm options:
   - Quick Sort: O(n log n) average, O(n²) worst
   - Merge Sort: O(n log n) guaranteed, stable
   - Heap Sort: O(n log n), in-place
   - Tim Sort: Optimized for real-world data

3. Trade-offs:
   - If data is partially sorted → Tim Sort excels
   - If memory is limited → Heap Sort (in-place)
   - If stability matters → Merge Sort or Tim Sort
   - For general case → Quick Sort often fastest

4. Recommendation depends on...

> My application is slow but I don't know why

🧠 Thinking...

Let me systematically analyze potential performance issues:

1. Common performance bottlenecks:
   - Database queries (N+1 problem, missing indexes)
   - Network latency (API calls, external services)
   - Memory issues (leaks, excessive allocation)
   - CPU-bound operations (complex calculations)

2. Diagnostic approach:
   - First, profile to identify hotspots
   - Check database query patterns
   - Monitor network requests
   - Analyze memory usage patterns

3. Most likely culprits based on typical patterns:
   - Database queries often account for 60-80% of slowness
   - Should start there before optimizing code

4. Recommended investigation order...

# Enable
kiro-cli settings chat.enableThinking true

# Disable
kiro-cli settings chat.enableThinking false

# Check status
kiro-cli settings chat.enableThinking

• Réponses plus lentes : la réflexion ajoute du temps à la génération des réponses
• Plus de jetons utilisés : le processus de réflexion consomme des jetons supplémentaires
• Sortie plus longue : les réponses sont plus verbeuses

• Questions simples : la surcharge de réflexion n'est pas nécessaire pour des requêtes simples
• Itérations rapides : peut ralentir les échanges rapides
• Tâches bien définies : lorsque vous avez seulement besoin de la réponse, pas du raisonnement

• Apprentissage de nouveaux concepts : comprendre le raisonnement derrière les recommandations
• Décisions complexes : besoin de valider le processus de prise de décision
• Débogage : vous voulez voir une analyse systématique des problèmes
• Revues de code : comprendre pourquoi certaines approches sont suggérées

• Tâches simples : les questions simples n'ont pas besoin de raisonnement
• Priorité à la vitesse : besoin de réponses rapides sans explication
• Territoire familier : vous comprenez déjà les modèles de raisonnement

1. Activer pour les tâches complexes : activez-le lorsque vous commencez des problèmes difficiles
2. Apprendre du raisonnement : observez comment les problèmes sont décomposés
3. Désactiver pour l'exécution : désactivez-le lors de l'implémentation de solutions connues
4. Réactiver pour la révision : réactivez-le lors de la validation des approches

1. Vérifiez qu'elle est activée :

   bash

   kiro-cli settings chat.enableThinking
   

2. Essayez une question complexe : les questions simples peuvent ne pas déclencher la réflexion

3. Redémarrez la session de clavardage : les changements peuvent nécessiter une nouvelle session

Si la sortie de la réflexion est excessive :

1. Désactivez pour les tâches plus simples :

   bash

   kiro-cli settings chat.enableThinking false
   

2. Demandez des réponses concises : demandez explicitement des réponses brèves

3. Utilisez pour des questions spécifiques : activez seulement lorsque nécessaire

• Fonctionnalités expérimentales
• Mode Tangent - Explorez le raisonnement sans affecter la conversation principale
• Listes de TODO - Décomposez les tâches complexes

• Activer d'autres fonctionnalités expérimentales
• Configurer les paramètres
• En savoir plus sur les agents personnalisés