Back

Kiro 入门指南:AWS 推出的全新 AI 编码工具

OpenReplay Team OpenReplay Team

Oct 18, 2025 · 2 min read

Kiro 入门指南:AWS 推出的全新 AI 编码工具

AWS 悄然推出了 Kiro IDE,这是一款 AI 编码工具,其核心理念与 GitHub Copilot 和 Cursor 截然不同。Kiro 摒弃了反复提示直到代码生效的模式,转而引入了规格驱动开发(spec-driven development)——一种结构化工作流程,在编写任何代码之前,先将你的想法转化为清晰的需求、系统设计和实施任务。

核心要点

  • Kiro 采用规格驱动开发,在编码前创建结构化文档
  • Agent hooks(代理钩子)自动化测试和文档等重复性任务
  • Steering files(引导文件)在会话间保持持久的项目上下文
  • Kiro 目前支持 Claude Sonnet 4.0 和 4.5,默认启用 Auto 模式以平衡质量与性能

Kiro 的独特之处:规格编码 vs. 感觉编码

大多数 AI IDE 依赖于 Kiro 所称的”感觉编码”(vibe coding)——你提示,AI 生成代码,你优化,然后重复。这种方式适用于简单任务,但在复杂项目中会崩溃,因为上下文会丢失,决策也没有记录。

Kiro 的规格驱动开发改变了这一动态。当你启动规格会话时,AI 会创建三份文档:

  • requirements.md:采用 EARS 标记法的用户故事及验收标准
  • design.md:技术架构和组件关系
  • tasks.md:离散的、可追踪的实施步骤

这种方法在复杂项目中表现出色。构建一个包含数学算法的分形可视化应用?规格流程会将复杂性组织成可管理的部分。创建一个简单的 CRUD 界面?你可能更倾向于使用感觉模式以提高速度。

Kiro 的核心特性

Agent Hooks:后台自动化

**Agent hooks(代理钩子)**是 Kiro 针对重复性开发任务的解决方案。这些智能触发器基于 IDE 事件自动运行——保存文件、创建函数或修改 API。

// 示例:文件保存时自动生成单元测试
// 配置文件位于 .kiro/hooks/test-generation.yaml
{
  "trigger": "onFileSave",
  "filePattern": "*.js",
  "action": "generateTests",
  "output": "tests/${filename}.test.js"
}

与 Cursor 或 Windsurf 中的手动工作流不同,hooks 在后台持续运行。只需设置一次文档钩子,每次 API 变更都会自动生成文档。

Steering Files:持久化上下文

其他 AI 编码工具会在会话之间忘记你的项目约定,而 Kiro 的 steering files(引导文件)则保持对代码库的持久化认知。将你的编码标准、首选库和架构决策存储在 .kiro/steering/ 文件中,这些文件会根据文件模式有条件地加载。

---
inclusion: fileMatch
fileMatchPattern: "src/**/*.tsx"
---
# React 组件标准
- 使用 TypeScript 函数式组件
- 为数据获取实现错误边界
- 遵循原子设计原则

MCP 集成:连接外部工具

模型上下文协议(MCP)集成将 Kiro 连接到数据库、API 和文档系统。虽然与 Cline 或 Trae AI 等专业工具相比仍较基础,但这种原生支持意味着你可以直接在 IDE 中查询 PostgreSQL 数据库或获取 API 模式。

现状:模型、定价和限制

模型可用性

Kiro 运行在 Claude Sonnet 4.0 和 4.5 模型上。Auto 模式智能地在两者之间平衡任务以获得更好的性能。不支持 GPT-4 或 Gemini 意味着灵活性不如 Cursor,但针对 Claude 的能力进行了优化。

定价结构

Kiro 于 2025 年 10 月 1 日结束免费预览,推出基于积分的计划:

  • Pro:每月 $20,标准限额
  • Pro+:每月 $40,更高限额和优先访问
  • Power:每月 $200,企业级使用

超额使用按每积分 $0.04 计费。定价与 Cursor 的层级一致,但强调结构化开发而非多模型灵活性。

已知限制

早期用户报告了几个摩擦点:

  • 终端集成问题:命令执行但不总是注册完成状态
  • 扩展支持有限:兼容 Open VSX 但无法导入 Cursor 或 Windsurf 扩展
  • 访问限制:需要候补名单代码,高峰期严重限流

实践工作流:从原型到生产

典型的 Kiro 工作流程如下:

  1. 从感觉模式开始进行快速原型开发——构建可工作的概念验证
  2. 在复杂度增加时切换到规格模式——让 Kiro 生成需求和设计
  3. 配置 steering files 以符合团队的约定和标准
  4. 设置 agent hooks 用于测试、文档和代码质量检查
  5. 使用 MCP 在扩展时连接生产数据库和 API

这种结构化方法特别适合从原型过渡到生产系统的团队,在这些场景中,文档和一致性与可工作的代码同样重要。

何时选择 Kiro 而非其他工具

选择 Kiro 的场景:

  • 需要清晰文档的复杂项目
  • 重视结构化工作流而非速度的团队
  • 上下文持久性重要的代码库
  • 大量使用 Claude 模型的项目

继续使用 Cursor 或 Windsurf 的场景:

  • 快速迭代和实验
  • 需要多模型灵活性
  • 已有成熟工具的现有工作流
  • 需要成熟社区支持的项目

结论

AWS Kiro 代表了一个赌注:开发者希望在 AI 辅助开发中获得更多结构。规格驱动开发方法结合 agent hooks 和 steering files,为构建生产系统的团队创造了令人信服的工作流程。

虽然终端问题和有限的模型支持需要解决,但 Kiro 的基础——将混乱的 AI 编码转变为有文档记录的可重复流程——解决了其他 AI 编码工具尚未解决的实际问题。对于愿意调整工作流程的团队,Kiro 提供了一条从原型到生产的路径,既保持速度又保证质量。

预览期为评估结构化 AI 开发是否适合你的团队需求提供了机会。凭借 AWS 的支持和与 Anthropic 的直接合作,Kiro 的发展轨迹预示着持续改进。

常见问题

Kiro 在生成代码前会创建结构化文档,包括需求、设计规格和任务列表,而传统 AI 助手直接根据提示生成代码,没有正式的规划阶段。

不可以,Kiro 目前仅运行在 Claude Sonnet 4.0 和 4.5 模型上,默认启用 Auto 模式。不支持 GPT-4、Gemini 或其他 AI 模型,这可能限制了相比 Cursor 等工具的灵活性。

Agent hooks 是基于 IDE 事件(如文件保存或函数创建)运行任务的自动化触发器。它们在后台自动处理生成测试或文档等重复性工作。

Kiro 最适合需要文档和结构的复杂项目。对于快速实验或简单脚本,规格驱动方法可能会增加不必要的开销,不如传统 AI 编码工具。

Understand every bug

Uncover frustrations, understand bugs and fix slowdowns like never before with OpenReplay — the open-source session replay tool for developers. Self-host it in minutes, and have complete control over your customer data. Check our GitHub repo and join the thousands of developers in our community.

OpenReplay

More articles from OpenReplay Blog