Kiro 是一款专为工程团队打造的 AI 开发与智能体协作平台,帮助你从“让 AI 写代码”真正跨越到“工程级交付”。它通过可执行规格(Executable Specs)、智能任务规划、终端智能体、MCP 集成、多模型调度等能力,让你在复杂代码库中也能高效迭代功能、快速修复问题,并保持对质量与成本的可控。

产品详细介绍

Kiro 的核心目标,是在 AI 编码与严谨工程实践之间搭建一座桥梁:既保留 AI 的高效与自动化,又保证需求清晰、架构合理、代码可验证。

1. 从自然语言到工程级规格

  • 意图管理与需求澄清:你只需用自然语言描述需求,Kiro 会将其转化为清晰的需求与验收标准。
  • EARS 规格表示:Kiro 使用 EARS(Easy Approach to Requirements Syntax)记法,将意图、约束、边界条件结构化,使需求可读、可执行、可验证。
  • 显式约束与接受标准:通过自动生成的验收标准,你可以在编码前就锁定“完成定义(Definition of Done)”,减少返工。

2. 自动架构设计与实现规划

在需求规格确定后,Kiro 会分析你的代码库与上下文:

  • 代码库分析:理解现有模块、依赖关系与技术栈,避免“从零重造轮子”。
  • 架构与系统设计建议:给出满足需求的架构方案、系统设计与推荐技术栈。
  • 实现计划与任务拆分:生成包含依赖顺序的任务列表,可选自动生成全面测试用例。
  • 任务级自动实现:你可以让 Kiro 的高级智能体逐项实现任务,自动编写代码、测试与必要的辅助文件。

3. 终端内的智能体开发体验

Kiro 将智能体深度集成到开发者最熟悉的终端环境中:

  • 任意终端接入:在你喜欢的终端中使用 Kiro,无论是本地还是通过 SSH 远程环境。
  • 交互式开发循环:在终端中构建功能、自动化工作流、分析错误、追踪 Bug 并给出修复建议,保持“写-跑-调试”的流畅节奏。
  • 实时变更可视化:代码变更过程可见,你可以逐步审查、一步步通过或一键编辑。

4. 事件驱动的后台智能体

Kiro 支持将任务委托给在后台自动运行的智能体:

  • 事件触发(如文件保存):当你保存文件时,预设的智能体可以自动执行,如生成文档、补充单元测试、优化性能等。
  • 预定义提示与策略:通过预设 Prompt 和策略,让智能体在你工作时持续“加速”,而不打断你的专注。

5. 规格驱动开发与智能上下文管理

  • 规格驱动开发(Spec-driven Development):以规格为中心组织开发流程,确保实现严格对齐需求。
  • 智能上下文管理:Kiro 会根据规格、代码结构和当前任务自动构建最相关的上下文,减少“多轮试错”。
  • 复杂代码库支持:在大型、复杂项目中,Kiro 能理解你的意图并在更少的交互中完成复杂功能实现。

6. MCP 集成与外部资源连接

  • 原生 MCP 集成:连接文档、数据库、API 等外部系统,包括远程资源。
  • “把世界带到工作区”:让智能体在同一环境中访问业务文档、接口说明、数据源,提升回答与生成的准确性。

7. 可配置的智能体行为与工程规范

  • Steering 文件配置:通过 steering 文件配置智能体在每个项目或全局的行为。
  • 上下文与规范注入:一条命令即可注入项目背景、编码规范、首选工作流与工具,让智能体“按你的方式工作”。

8. 多模型调度与成本控制

  • Claude Sonnet 4.5:用于高可靠的高级编码与推理任务。
  • Auto 模式:自动混用前沿模型(如 Sonnet 4.5 及其他专用模型),在质量、延迟与成本之间做智能平衡。
  • 实时额度与消耗可视化:每次调用消耗多少 Credits 实时可见,方便你控制预算。

9. 编辑器生态与开发体验

  • Open VSX 插件支持:兼容 Open VSX 插件生态,可使用熟悉的扩展与主题。
  • VS Code 设置兼容:支持 VS Code 的设置与主题,在 AI Ready 的环境中保留熟悉的使用体验。

10. 多模态与版本控制增强

  • 多模态输入:你可以拖入 UI 设计稿或架构白板照片,Kiro 会基于图像内容辅助实现。
  • 源控集成与提交信息生成:在源代码管理面板中一键调用智能体生成提交信息。
  • 错误理解与修复建议:Kiro 能读取并理解语法、类型与语义错误,给出针对性的修复方案。

简单使用教程

下面是一个从“提出需求”到“完成实现”的简明使用流程,帮助你快速上手 Kiro。

步骤一:安装与环境准备

  1. 在 Kiro 官网注册账号并获取访问权限。
  2. 根据文档在本地或远程开发环境中安装 Kiro 客户端(包括终端集成与编辑器支持)。
  3. 登录后,将 Kiro 连接到你的代码仓库(本地目录或通过 SSH 的远程项目)。

步骤二:用自然语言描述需求

  1. 在终端或 Kiro 的聊天界面中,用自然语言描述你要实现的功能,例如:
    • “为订单服务增加按状态和时间范围的分页查询接口,并补充单元测试。”
  2. 如有必要,补充业务背景、性能要求或技术约束(如必须使用现有框架、兼容某版本等)。
  3. 等待 Kiro 将你的描述转化为 EARS 规格,包括:
    • 需求说明
    • 触发条件
    • 预期行为
    • 验收标准

步骤三:审查与迭代规格

  1. 仔细阅读 Kiro 生成的规格与验收标准。
  2. 在对话中指出需要修改或补充的地方,例如:
    • “增加错误码约定。”
    • “限制响应时间在 200ms 内。”
  3. 反复迭代,直到规格准确反映你的真实需求。

步骤四:生成架构与实现计划

  1. 确认规格后,让 Kiro 分析当前代码库:
    • 指定项目根目录或仓库位置。
  2. 请求 Kiro 生成:
    • 架构或模块设计方案
    • 具体实现计划(任务列表)
    • 可选的测试计划
  3. 审查任务拆分与依赖顺序,必要时调整任务粒度或优先级。

步骤五:让智能体执行任务

  1. 选择一个或多个任务,指示 Kiro 开始实现:
    • 在终端中执行相应命令,或在 UI 中点击执行。
  2. Kiro 会:
    • 修改或新增代码文件
    • 生成或更新测试
    • 在必要时更新文档
  3. 通过变更视图查看每一步修改:
    • 逐行审查
    • 一键接受或回退
    • 手动编辑后继续让智能体跟进。

步骤六:配置事件驱动智能体

  1. 创建或编辑 steering 文件,为当前项目定义:
    • 代码风格与规范
    • 首选工具链(测试框架、构建工具等)
    • 常用自动化任务(如保存时自动生成测试)。
  2. 配置事件触发规则,例如:
    • 文件保存时自动生成/更新文档
    • 提交前自动运行静态检查并给出修复建议。
  3. 启用后台智能体,让它们在你日常开发中持续运行。

步骤七:连接外部资源与多模态输入

  1. 通过 MCP 集成连接:
    • 项目文档库
    • 数据库或 API
    • 其他内部系统。
  2. 在对话中引用这些资源,让 Kiro 基于真实数据与文档做出更准确的决策。
  3. 如有 UI 设计或架构草图:
    • 将设计图或白板照片拖入 Kiro
    • 让其根据图像内容生成前端组件、接口定义或架构代码。

步骤八:版本控制与交付

  1. 在完成一组任务后,使用 Kiro:
    • 运行测试
    • 分析错误并自动修复。
  2. 在源代码管理面板中:
    • 一键生成提交信息
    • 根据变更内容自动总结本次改动。
  3. 最终由你进行人工确认与合并,确保交付质量。

FAQ 常见问题

Q1:Kiro 适合什么类型的团队和项目?
A:Kiro 特别适合中大型代码库、需要多人协作和严格工程流程的团队。无论是新功能开发、遗留系统改造,还是复杂 Bug 修复与性能优化,都能从规格驱动和智能体自动化中获益。

Q2:Kiro 会直接修改我的代码吗?我如何保持控制?
A:会在你授权的前提下修改代码,但所有变更都是可见、可审查、可回退的。你可以选择逐步审查每个变更,也可以批量接受,始终保持对代码库的最终控制权。

Q3:如何保证生成代码的质量和正确性?
A:Kiro 通过 EARS 规格、验收标准、自动测试生成和错误分析来提升质量。你也可以在 steering 文件中加入团队的代码规范和质量门槛,让智能体在生成时就遵守这些规则。

Q4:Kiro 支持哪些开发环境和工具?
A:Kiro 支持在你喜欢的终端中使用,并兼容 Open VSX 插件和 VS Code 设置。你可以在熟悉的编辑器体验中获得 AI Ready 的增强能力,同时通过 MCP 集成连接外部系统。

Q5:使用 Kiro 的成本如何控制?
A:Kiro 提供实时的 Credits 消耗显示,你可以随时看到每次调用的成本。通过选择 Claude Sonnet 4.5 或 Auto 模式,并合理配置任务粒度和自动化程度,可以在质量与成本之间找到合适平衡。

Q6:Kiro 能处理多模态输入吗?
A:可以。你可以将 UI 设计图、架构草图等图像拖入 Kiro,智能体会结合图像内容与代码上下文,辅助生成前端实现、接口设计或系统架构代码。

Q7:我需要改变现有开发流程吗?
A:不需要彻底重构流程。Kiro 设计为“熟悉但更强”的开发体验:你仍然使用终端、编辑器和版本控制,只是在需求澄清、任务拆分、编码和测试等环节引入智能体协作,以渐进方式提升效率。