鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

Kiro开放公测:AI编程谁都会,能帮你上线才叫AI IDE

编程导航
编程导航
2025-07-16 12:30
阅读 142
编程导航
2025-07-16 12:30
阅读 142


你是不是也有过这样的经历:写了几个prompt,很快就构建出一个能运行的应用程序,感觉像变魔术一样。但当你真正想要将它部署到生产环境中时,却发现困难重重。


  • 模型在构建过程中做出了哪些假设?

  • 在引导Agent时做了很多决策,但这些决策有没有被记录?

  • 需求很模糊,代码是否合规无法判断?

  • 系统设计不透明,维护困难重重?


而擅长Spec-Driven Development(以需求为导向的开发)的Kiro,就是这些问题的正解。


Kiro正式推出预览版

(预览期间限免)


Kiro是一款Agentic IDE——简单来说,它不仅是一个AI编码助手,更是一个帮你从灵感到上线、从混乱到清晰的开发搭档。


它不仅擅长“Vibe Coding”,更强大之处在于:它能将这些原型,推进到真正可上线的系统。而这一切,都依赖于两个核心能力:Specs(Specification)和Hooks(自动化触发器)。




vide coding和spec-driven development的区别




Specs让需求清晰


让软件开发有迹可循


在写代码之前,很多事情其实都还不明确:


  • 产品的User Story到底如何拆解?

  • 系统会怎么运行?

  • 哪些地方容易出错?

  • 要不要先规划一下整个结构?


这些问题如果不提前想清楚,到了开发后期就会反复修改、推翻重来,效率低、还容易出错。


这时候,Kiro的Specs就像是一张“开发说明书”,它会在你真正动手写代码之前,帮你把事情梳理清楚:


  • 把你一个简单的想法(比如“加一个评论功能”)拆成多个具体的用户需求

  • 每个需求都自动补充了考虑周全的边界条件(比如“不能重复评论”、“必须登录后才能评论”)

  • 再把这些需求,变成后续开发中可以直接使用的“指导手册”


Hooks像一个

经验丰富的开发者在你身边


提交代码前,你是不是总要在脑子里盘一圈:单测写了吗?文档更新了吗?API改动记录了吗?有没有不小心提交了密钥?Kiro的Hooks能自动帮你完成这一切:


  • 保存组件:自动更新测试文件

  • 修改API:自动刷新README

  • 准备提交:自动扫描安全问题

  • 编写React组件:自动检查是否符合SRP(单一职责原则)


只需一次设置,团队中每个人都将受益于统一的质量标准,开发者专注核心创新而非繁琐流程。


通过Specs和Hooks构建系统

从构想到交付,只需3步


Kiro将Specs工作流与开发过程深度集成。以一个电商应用为例,我们希望为“手工艺品”添加用户评论系统,整个构建过程分为三步:



Step1|Prompt→自动生成需求


当你输入“为产品添加评论系统”,Kiro会自动生成完整的用户故事,覆盖查看、创建、筛选和评分等操作。每个用户故事都包含采用EARS语法编写的验收标准,涵盖边界情况,确保你的意图被正确理解。



Step2|需求→自动生成系统设计


Kiro会分析代码库和需求规格,自动生成设计文档,包括数据流图、TypeScript接口、数据库结构和API端点等。例如在评论系统中,Kiro会生成Review接口和数据库设计。这减少了开发过程中关于需求澄清的反复沟通。



Step3|设计→自动生成任务列表与测试项


基于需求和设计,Kiro会自动生成任务和子任务,依赖关系清晰,并与规格一一对应。每项任务都包含单元测试、集成测试、加载状态、移动端适配与无障碍支持等要素。你可以逐个触发任务,查看进度与执行结果,还可以通过代码差异和日志来审计整个过程。


Kiro会保持规格与代码库的同步。你可以用代码反向更新规格,或者让Kiro根据调整更新任务,从而解决了“文档总是过时”的常见问题,方便后续维护。



任务界面支持逐个触发任务,进度指示器会显示执行状态。任务完成后可在界面内直接查看完成情况,并通过查看代码差异和Agent执行历史记录,来审核工作成果。



使用Hooks预防上线问题


开发者在提交代码前经常会有一个checklist,比如:“我是否破坏了现有功能?测试是否更新?文档是否同步?”但这些检查通常很耗时。


Kiro的Hooks就像一个自动的代码搭档,当你保存、创建文件时触发。例如:


  • 保存React组件时,自动更新对应的测试文件;

  • 修改API接口时,自动刷新README;

  • 准备提交代码时,自动扫描是否泄露凭证;

  • 针对特定规范(如React单一职责原则)自动做代码校验。


这样,你的整个团队都能享受到一致的质量保障、代码规范和安全审查。



你对AI IDE的期待,Kiro都有


除了Specs和Hooks,Kiro还支持以下功能:


  • MCP:支持连接其他AI工具;

  • Steering Rules:定义AI智能体行为规则;

  • Agentic Chat:结合上下文进行即时编程任务;

  • 兼容VS Code插件与配置:基于Code OSS构建,完美支持Open VSX插件生态。


我们要解决的不只是“写代码”


我们的目标是解决现代软件开发中那些最棘手的问题:团队之间如何统一设计语言、如何解决需求冲突、如何避免技术债、如何规范代码评审、如何保留关键知识。当资深工程师离开团队时,知识不会随之流失。


虽然现在AI与人类协作构建软件的方式仍然复杂、分散,但我们正在尝试改变这一点。而Specs是这个转变的重要一步。


立即体验kiro


Kiro正处于预览阶段,目前免费开放,支持Mac、Windows和Linux,兼容主流编程语言。我们提供从规格到上线的完整教程,帮你快速入门。


Kiro下载页面:

https://kiro.dev/downloads

实践教程:

https://kiro.dev/docs/guides/learn-by-playing/



本篇作者



Nikhil Swaminathan

Amazon Web Services

Product Lead


Deepak Singh

Amazon Web Services

VP DevEx & Agents






期待你的分享  收藏  在看  点赞!

亚马逊的一小步,云计算的一大步!


点击阅读原文,获取更多精彩内容!

原文链接: Kiro开放公测:AI编程谁都会,能帮你上线才叫AI IDE
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230