Kiro CLI

🛠️ Kiro CLI 工具是什么

Kiro CLI 是亚马逊云科技（AWS）在 2025 年 11 月推出的命令行 AI 编程代理工具，是 Kiro 平台在终端环境下的延伸。Kiro 平台本身在 2025 年 7 月发布，11 月进入正式可用阶段，由 AWS 团队构建和运营，继承了 AWS 在安全、可靠性和隐私方面的企业级标准。

它的定位很明确：把 Kiro 的 AI Agent 能力从 IDE 搬进终端，让开发者在命令行里就能完成项目搭建、代码调试、基础设施编写和任务自动化。你不需要打开编辑器，不需要切换窗口，在终端里用自然语言描述需求，Kiro CLI 会读取你的项目文件、理解代码结构、执行修改。

它解决的问题是：终端重度用户的工作流一直缺一个能真正“动手干活”的 AI 代理。Copilot 是编辑器内的补全工具，Cursor 需要你换编辑器，Claude Code 虽然也是终端工具但绑定了 Anthropic 生态。Kiro CLI 的切入点不同——它既保留了终端工作的连续性，又支持多模型选择，还继承了 AWS 的企业级治理能力。

几个关键事实要先说清楚。第一，Kiro CLI 不是独立产品，它是 Kiro 平台的一部分，订阅后 IDE 和 CLI 共用同一套配置、Steering 规则和 MCP 服务器。第二，它支持 macOS、Linux 和 Windows 11（PowerShell），但早期版本不支持 Windows 原生。第三，它的定价采用 Credits 制，免费版每月 50 Credits，Pro 版 $20/月包含 1000 Credits。

⚡ 核心功能

• Spec-Driven Development（规范驱动开发）：这是 Kiro 区别于所有其他 AI 编程工具的核心。在你写代码之前，Kiro CLI 会把你的需求转化为结构化的规范——包括需求文档、技术设计、实现任务列表。然后基于这份规范来生成代码。有开发者实测后评价：“大多数工具擅长生成代码，但 Kiro 在写第一行代码之前就给了混沌以结构”。
• Custom Agents（自定义代理）：你可以为不同的工作流创建专属的 Agent。比如一个“后端专家”Agent 只允许读写后端文件，自动加载后端的代码规范文档；一个“DevOps Agent”熟悉你的基础设施配置。每个 Agent 可以预授权特定工具、限制文件访问范围、加载持久上下文。
• Steering（项目规则）：在 .kiro/steering/ 目录下放置 Markdown 文件，写明项目的编码规范、技术栈约定、禁止事项。Kiro CLI 每个任务都会自动读取这些规则，不需要你每次在对话里重复项目约定。
• Hooks（自动化钩子）：在工具执行前后自动触发 shell 命令。比如每次文件写入后自动运行 mvn compile 验证编译，或者代码提交前自动跑 linter。Hooks 让“修改-验证”形成闭环，Kiro 看到错误会自己修复。
• MCP 支持：Kiro CLI 支持 MCP（模型上下文协议），可以连接外部工具和数据源。你的 MCP 配置和 Kiro IDE 共享，一次配置两边通用。
• ACP 协议集成：Kiro CLI 实现了 Agent Client Protocol（ACP），任何能启动子进程的应用都可以把 Kiro CLI 当作自己的 AI Agent 后端。这意味着你可以用不到 100 行 Python 代码，把 Kiro 的完整 Agent 能力嵌入到自己的工具里，不需要申请 API Key，不需要处理模型调用细节。
• Headless 自动化：通过 API Key 认证，Kiro CLI 可以在 CI/CD 流水线中非交互式运行。自动审查 PR、修复 bug、生成代码，不需要打开编辑器。
• 多模型与 Auto Agent：支持 Claude、开源权重模型等多种选择。Auto 模式会自动根据任务复杂度、延迟和成本选择最合适的模型。有评测称同样的任务用 Auto 比手动选 Sonnet 节省约 30% 成本。

✨ 主要亮点与优势

1. Spec-Driven 是真正的差异化，不是“换皮”。大多数 AI 编程工具的工作流是“你说需求 → AI 写代码”。Kiro CLI 的工作流是“你说需求 → AI 生成规范文档 → 你审批规范 → AI 按规范实现”。这个前置的“规范”步骤在原型阶段可能显得多此一举，但在需要长期维护的生产项目中，它让 AI 生成的代码有了可追溯的设计依据。有开发者对比后说：“Kiro 不是试图帮你更快写代码，它试图通过规范驱动开发来强制一个开发结构”。

2. 终端原生，不打断工作流。对于习惯在终端里工作的开发者，Kiro CLI 让你不需要为了用 AI 而打开编辑器。项目管理、调试、写 Terraform 配置，都可以在 shell 里完成。它和 bash、zsh、fish 以及 500+ 常用 CLI 工具兼容。

3. IDE 和 CLI 共用一套配置。你在 Kiro IDE 里配置的 Steering 规则、MCP 服务器、自定义 Agent，在 CLI 里直接可用。反过来也一样。这意味着你可以在 IDE 里做复杂的架构设计，然后在 CLI 里快速执行日常任务，不需要重新配置。

4. AWS 企业级治理和可预测定价。Kiro 由 AWS 构建和运营，支持 IAM 和 SSO 认证、用量仪表盘、成本管理控制。定价采用 Credits 制，没有每日或每周速率限制，可以预付超额费用，不会出现“跑一晚上收到天价账单”的情况。

🎯 使用场景

Kiro CLI 的场景集中在“终端环境下的结构化 AI 辅助开发”上。它不是写作工具，不是设计工具，也不是简单的代码补全工具。

• 终端内的项目搭建与调试：用自然语言描述需求，Kiro CLI 在终端里创建项目结构、写代码、跑测试。有用户评价“感觉像在和一个资深开发者一起工作”。
• 基础设施即代码（IaC）：编写 Terraform 配置、CloudFormation 模板。Kiro CLI 可以读取现有的基础设施代码，基于规范生成新的资源配置。有 AWS 方案架构师评价“用 Terraform 和 Python 设计 AWS 云和 AI 解决方案时，Spec-Driven Development 把代码相关性和质量提升到了全新水平”。
• CI/CD 自动化：在流水线中非交互式运行，自动审查 PR、修复 bug、生成变更说明。Headless 模式让 Kiro 成为 CI 流程的一部分，不需要人工干预。
• 构建 Agent 应用：通过 ACP 协议，把 Kiro CLI 作为自己应用的 AI Agent 后端。有开发者用它构建了本地文档对话应用 KiroNotebook，整个项目“没有引入任何 AI SDK，也没有一行直接调用模型 API 的代码”。
• 遗留系统迁移：利用 Steering 规则和 Skills 定义迁移规范，Hooks 在每次修改后验证编译，MCP 查询最新文档。有示例展示了把 Java 服务迁移到 Java 25 的完整工作流。
• 不适用的人群：只需要简单代码补全的开发者（Copilot 更轻）；不写代码、不需要系统操作权限的普通用户；不习惯终端工作流的开发者（Kiro IDE 更合适）；只需要快速原型验证且不在意代码结构的开发者（Cursor 的 vibe coding 更直接）。

📋 如何使用

第一步：安装

macOS/Linux 用户运行：curl -fsSL https://cli.kiro.dev/install | bash。Windows 11 用户运行：irm 'https://cli.kiro.dev/install.ps1' | iex。

第二步：登录认证

Kiro CLI 支持多种认证方式：GitHub、Google、AWS Builder ID、AWS IAM Identity Center。企业用户推荐用 IAM Identity Center，管理员可以在 AWS 控制台统一管理订阅级别、成本监控和账单。

第三步：启动对话

进入项目目录，运行 kiro-cli chat 开始交互式对话。你可以直接用自然语言描述任务，比如“解释一下这个项目的架构”或“找到所有 TODO 注释”。

第四步：配置项目规则（推荐）

在项目根目录创建 .kiro/ 文件夹，里面放 steering/ 目录写项目规范，agents/ 目录定义自定义 Agent。这是让 Kiro CLI 输出符合团队标准的关键步骤。

第五步：使用自定义 Agent

通过 /agent list 查看可用 Agent，/agent swap 切换。比如创建一个“后端专家”Agent，只允许读写后端文件，自动加载后端规范。

💡 使用技巧

• 先写好 Steering 规则，再开始任务。在 .kiro/steering/ 里写好项目规范、技术栈、禁止事项。Kiro CLI 每个任务都会读取这些规则，比在对话里反复提醒可靠得多。有开发者说这是“让 Kiro 输出符合团队标准的最大杠杆”。
• 用 Hooks 做“修改后自动验证”。在配置里设置 postToolUse 钩子在文件写入后运行编译或 linter。Kiro 看到错误会自己修复，形成“修改-验证-修复”的闭环。这在迁移和重构任务里特别有用。
• 复杂任务先用 Spec 模式规划。不要一上来就让 Kiro CLI 直接改代码。让它先生成需求文档和设计规范，你审批后再执行。这个前置步骤在复杂项目上能避免大量返工。
• 用 /context 监控上下文占用。Kiro CLI 会在上下文接近上限时自动压缩，但你可以用 /context 命令查看当前占用情况，主动管理长会话。
• 项目文件用 # 引用，不要复制粘贴。在对话里输入 #File 引用文件、#Folder 引用目录、#Terminal 分享终端输出。Kiro 会读取完整文件内容，比粘贴片段更准确。

📦 安装方式

一个实际建议：如果你已经在用 Kiro IDE，CLI 的 .kiro 配置直接可用，不需要重新设置。如果你是全新用户，建议先装 CLI 体验一下 Spec-Driven 的工作流，再决定要不要装 IDE。

💰 收费情况

Kiro 采用 Credits 制订阅模式，IDE 和 CLI 共用同一套配额。

几个关键点要留意：免费版每月 50 Credits，无需信用卡，可以体验 Spec-Driven 工作流。Pro 版 $20/月包含 1000 Credits，超额按 $0.04/credit 计费。Pro Max 是 2026 年 6 月新增的档位，针对 Pro+ 用户经常超额的情况，提供 $100/月 5000 Credits 的固定费率。企业用户可以通过 AWS IAM Identity Center 集中管理订阅和账单，费用计入 AWS 账户。

👥 适用人群

• 终端重度用户：习惯在命令行里工作、用 Vim/Neovim/Emacs 做编辑器的开发者。Kiro CLI 让你不离开终端就能用 AI 完成项目搭建、调试和自动化。
• 需要结构化开发的团队：你的团队在维护生产级代码库，需要 AI 生成的代码有设计依据、可追溯、符合规范。Spec-Driven Development 和 Steering 规则让 AI 输出有结构。
• AWS 生态开发者：如果你已经在用 AWS 服务，Kiro 的 IAM 集成、MCP 对 AWS 文档的访问、企业级治理都是现成的优势。
• 构建 Agent 应用的开发者：ACP 协议让你用不到 100 行代码就能把 Kiro 的完整 Agent 能力嵌入到自己的应用里，不需要处理模型调用细节。
• 不适用的人群：只需要简单代码补全的开发者（Copilot 更轻）；不习惯终端工作流的开发者（Kiro IDE 更合适）；只需要快速原型验证且不在意代码结构的开发者（Cursor 的 vibe coding 更直接）；预算极度敏感且不想付 $20/月评估成本的用户。

🌍 全球使用情况

Kiro 在 2025 年 7 月发布后，作为 AWS 的 AI 编程工具迅速获得了关注。2025 年 11 月进入正式可用阶段，与 Cursor 和 GitHub Copilot 被并列为 2026 年三大主流 AI 编程工具。用户评价集中在 Spec-Driven Development 带来的结构性优势上，有开发者说“Kiro 从多模态输入到 IDE 内的完整生命周期控制，感觉像在和一个资深开发者一起工作”。

Kiro CLI 在 2025 年 11 月推出后，作为 Kiro 平台的终端延伸，主要面向需要自动化、CI/CD 集成和终端原生工作流的开发者。InfoQ 在报道中评价“Kiro CLI 将 Agentic AI 直接带入您的终端”。

在中国市场，Kiro 的认知度处于早期阶段。中文社区关于 Kiro CLI 的系统性教程和实战分享相对较少，主要集中在 AWS 官方中文博客、InfoQ 和部分技术公众号。由于 Kiro 由 AWS 构建，国内开发者的访问和使用体验取决于 AWS 服务的可用性。对于已经在使用 AWS 的国内团队来说，Kiro CLI 是一个值得关注的选项；对于其他开发者，学习成本和访问门槛需要评估。

⚖️ 优缺点分析

优点

• Spec-Driven 是真正的差异化。在写代码之前先写规范，让 AI 生成的代码有可追溯的设计依据。这在生产项目中的价值远大于原型阶段。有开发者对比后说“Kiro 不是试图帮你更快写代码，它试图通过规范驱动开发来强制一个开发结构”。
• 终端原生 + IDE 共用配置。Steering 规则、MCP 服务器、自定义 Agent 在 IDE 和 CLI 之间无缝共享。你可以在 IDE 里设计架构，在 CLI 里执行任务，不需要重新配置。
• 自定义 Agent 和 Hooks 让自动化有结构。不是让 AI 自由发挥，而是定义好每个 Agent 的权限、上下文和工具，用 Hooks 做修改后验证。这个“约束下的自主”在设计上比“完全自由的 Agent”更可靠。
• AWS 企业级治理和可预测定价。IAM/SSO 认证、用量仪表盘、成本管理控制，Credits 制定价没有速率限制，可以预付超额费用。
• ACP 协议让 Kiro 成为可嵌入的 Agent 后端。不需要申请 API Key，不需要处理模型调用细节，启动一个子进程就能获得完整的 AI Agent 能力。

缺点

• Spec-Driven 在原型阶段显得繁琐。如果你只是快速验证一个想法，先生成需求文档、再审批规范、再实现代码的流程，比 Cursor 的 vibe coding 直接描述需求就生成代码要慢。有开发者指出“这个前置步骤在原型阶段可能显得多此一举”。
• 免费版 Credits 有限。50 Credits/月对于认真使用来说很快会用完。要真正评估 Kiro CLI 的工作流，至少需要 Pro 版 $20/月的投入。对比 Cline 或 Copilot 的免费版，Kiro 的评估门槛更高。
• Windows 支持较晚。早期版本 Kiro CLI 不支持 Windows 原生，需要 WSL。虽然现在 Windows 11 有 PowerShell 安装方式，但相比 macOS/Linux 的成熟度仍有差距。
• 中文社区资源少。国内关于 Kiro CLI 的系统性教程和实战分享不多，主要依赖 AWS 官方文档和少量英文评测。对于习惯中文学习资料的开发者来说，学习成本更高。

🔄 与同类工具对比

跟 Claude Code 的对比值得多说一句。两者都是终端优先的 AI Agent，但核心方法论完全不同。Claude Code 是“你说需求，我写代码”的交互式代理。Kiro CLI 是“你说需求，我先写规范，你审批，我再实现”。有开发者对比后总结：“Copilot 优化的是写代码的速度，Cursor 优化的是交互式开发，Kiro 优化的是通过规范的结构化系统设计”。如果你追求“看着它干活、随时叫停”的交互体验，Claude Code 更合适。如果你需要 AI 生成的代码有设计依据和可追溯性，Kiro CLI 的结构化流程更有价值。

跟 Cursor 的对比：Cursor 是 AI 原生编辑器，Kiro CLI 是终端工具。Cursor 的 Tab 补全和编辑器内体验更好，Kiro 的 Spec-Driven 和终端原生灵活性更强。有评测指出“如果你想要快速代码片段，Copilot 就够了；如果你想要全项目级 AI 辅助，Cursor 很强；如果你想要结构化的 AI 原生开发，Kiro 更前瞻”。

跟 GitHub Copilot 的对比：Copilot 的优势是深度绑定 GitHub 工作流、价格更低（$10/月起）、国内访问相对稳定。Kiro CLI 的优势是 Spec-Driven、终端原生、企业治理、ACP 可嵌入性。如果你的团队一切都在 GitHub 上且需要低摩擦采纳，Copilot 更省心。如果你需要结构化的 AI 开发流程和终端自动化，Kiro CLI 更对口。

📝 总结：值不值得用

明确结论：如果你是一个终端重度用户，在维护需要长期维护的生产项目，并且愿意尝试“先写规范再写代码”的工作流，Kiro CLI 值得认真评估。如果你只是做快速原型、只需要简单补全、或者不习惯终端工作流，Cursor 或 Copilot 更直接。

Kiro CLI 的核心价值不在“AI 能写代码”——现在所有工具都能做。它的价值在于它给 AI 生成的代码加了一道“规范”的闸门。在原型阶段，这道闸门可能显得多余。但在需要长期维护的生产项目里，它让 AI 的产出有了可追溯的设计依据、可共享的项目规则、可验证的自动化闭环。有开发者实测后说“Kiro 在写第一行代码之前就给了混沌以结构”。这个定位在同类工具里是独一档的。

什么时候值得用：你习惯在终端里工作，不想为了用 AI 而打开编辑器；你在维护生产级代码库，需要 AI 生成的代码有结构、可追溯；你的团队需要统一的项目规则和自动化验证；你是 AWS 生态的用户，需要企业级治理和 IAM 集成；你想把 AI Agent 能力嵌入到自己的应用里（ACP 协议）。

什么时候不推荐：你只需要快速原型验证，不在意代码结构（Cursor 的 vibe coding 更快）；你只需要简单的代码补全（Copilot 更轻、更便宜）；你不习惯终端工作流（Kiro IDE 更合适）；你不想先付 $20/月才能充分评估（免费版 50 Credits 有限）；你不在 AWS 生态里，对访问和支付有顾虑。

说得直白一点：Kiro CLI 是一个“为结构化开发设计的终端代理”，不是一个“为所有人设计的轻量工具”。它选择了一条更“重”的路——先写规范、再写代码，先定义 Agent、再执行任务。如果你恰好需要这种结构，免费版 50 Credits 就能让你体验 Spec-Driven 的工作流。如果不符合你的场景，它就是一个需要 $20/月起步、学习成本不低的终端工具，不如先用 Claude Code 或 Cursor 看看自己到底需要什么。