Kiro 是亚马逊云科技打造的 AI 智能体开发平台，核心理念是“规范驱动开发“（Spec-Driven Development）-北京尧图网络

2026 年 9 月 24 日至 10 月 22 日亚马逊云科技联合 InfoQ 与 CSDN 发起了「Kiro 鬼点子计划」面向极客、企业开发者和脑洞爱好者征集看似荒诞、实则惊艳的创意项目。活动设置了三条赛道——“无用之用”“无趣之趣”“无心之心”不设商业价值门槛只拼脑洞与温度。线上赛冠军可获得价值 2400 美元的 Kiro 订阅权益所有参赛者均可获得电子证书与限定周边。这场活动表面上是一场创意竞赛但从工程视角看它实际上是 Kiro 能力的一次公开压力测试。正如 InfoQ 所评论的标准 CRUD 场景无法区分 AI 编程工具的优劣真正有区分度的是那些没有先验分布的开放需求。二、Kiro 技术架构解析Kiro 是亚马逊云科技打造的 AI 智能体开发平台核心理念是规范驱动开发Spec-Driven Development。与传统 AI 编程工具你给指令→AI 写代码→你 review的线性流程不同Kiro 引入了三层结构化的开发契约Requirements需求层将自然语言描述拆解为具体的功能点每个功能点附带 EARS 语法书写的验收标准。Design设计层生成技术方案包括架构设计、数据模型、API 接口定义。Tasks任务层将设计拆解为可并行执行的离散任务清单每项任务回指需求编号形成完整的追溯链。这种先规划后编码的流程解决的是 AI 编程中日益突出的正确性问题——当需求模糊时AI 生成的代码即使能运行也未必符合真实意图。Kiro 提供四种产品形态IDE、CLI、Web 和 Kiro Crew。其中 Kiro Web 于 2026 年 5 月发布将完整的 AI Chat、Spec-Driven 开发和 Agent 能力搬到了浏览器端无需安装任何客户端即可使用。底层通信采用 ACPAgent Client Protocol标准协议本地端走标准输入输出Web 端则通过 WebSocket 扩展传输。三、实战代码Kiro CLI Python 自动化集成以下示例展示如何用 Python 脚本通过 Kiro CLI 的 ACP 协议构建一个轻量级 Agent 客户端实现鬼点子创意的自动化提交与监控。importjsonimportsubprocessimportsysimporttimefrompathlibimportPathclassKiroAgentClient:通过 ACP 协议与 Kiro CLI 通信的轻量客户端def__init__(self):self.processsubprocess.Popen([kiro,agent],stdinsubprocess.PIPE,stdoutsubprocess.PIPE,stderrsubprocess.PIPE,textTrue,bufsize1)self.request_id0def_send(self,method:str,params:dictNone)-dict:发送 JSON-RPC 请求self.request_id1payload{jsonrpc:2.0,id:self.request_id,method:method,params:paramsor{}}self.process.stdin.write(json.dumps(payload)\n)self.process.stdin.flush()responsejson.loads(self.process.stdout.readline())returnresponsedefinitialize(self)-dict:初始化 ACP 会话returnself._send(initialize,{protocolVersion:1.0,clientInfo:{name:GhostIdeaBot,version:0.1.0}})defcreate_session(self)-str:创建新会话返回 session_idrespself._send(session/create)returnresp[result][sessionId]defsubmit_prompt(self,session_id:str,prompt:str)-str:提交提示词流式接收结果respself._send(session/prompt,{sessionId:session_id,prompt:prompt,mode:spec# 使用 Spec 驱动模式})returnresp[result].get(output,)defgenerate_ghost_idea_spec(self,idea:str)-str:将鬼点子转化为 Spec 文档spec_promptf 将以下创意点子转化为 Kiro Spec 格式创意描述{idea}请生成 1. requirements.md - 用户故事 EARS 验收标准 2. design.md - 技术架构与数据模型 3. tasks.md - 可执行任务清单要求 - 技术栈使用 Python 3.12 FastAPI - 包含单元测试骨架 - 明确边界情况和错误处理 returnself.submit_prompt(default,spec_prompt)defclose(self):self.process.terminate()defmain():clientKiroAgentClient()try:# 初始化init_resultclient.initialize()print(f Kiro ACP 初始化成功:{init_result})# 提交鬼点子创意ghost_idea做一个把每日 bug 日志自动写成十四行诗的 Agent\ 每天早晨8点扫描项目日志将错误信息转化为押韵的诗歌\ 并通过邮件发送给开发团队。print(f\n 正在为创意生成 Spec...\n创意:{ghost_idea}\n)spec_outputclient.generate_ghost_idea_spec(ghost_idea)print(spec_output)# 保存 Spec 到本地spec_dirPath(.kiro/specs/bug-poet)spec_dir.mkdir(parentsTrue,exist_okTrue)(spec_dir/requirements.md).write_text(spec_output)print(f\n Spec 已保存至{spec_dir})finally:client.close()if__name____main__:main()代码解析ACP 协议封装KiroAgentClient类通过subprocess启动kiro agent子进程使用标准输入输出进行 JSON-RPC 2.0 通信。这与 KiroNotebook 的参考实现一致完整流程不到百行代码。Spec 驱动工作流generate_ghost_idea_spec方法将自然语言创意转化为结构化 Spec明确要求输出 requirements.md、design.md 和 tasks.md 三个文件符合 Kiro 的规格文件规范。模式选择modespec参数启用 Spec 驱动模式Kiro 会先进行需求分析和设计再执行代码生成而非直接氛围编程。本地持久化生成的 Spec 保存到.kiro/specs/目录下可纳入版本控制实现需求与代码的双向追溯。四、技术亮点总结亮点说明Spec 驱动开发将模糊创意转化为结构化契约降低 AI 生成偏差提升代码可维护性ACP 开放协议基于 JSON-RPC 2.0 的标准协议第三方工具可无缝接入 Kiro 的 Agent 能力多形态覆盖IDE/CLI/Web/Crew 四种入口覆盖桌面开发、终端操作、浏览器即用和长期后台任务事件驱动自动化Powers/Hooks 机制在文件保存、提交等事件触发时自动执行 lint、测试、文档更新多模型支持支持 Auto 自动调度可切换 GPT、Claude、DeepSeek、Qwen 等模型安全沙箱Agent 在独立沙箱中执行命令执行前需用户确认避免危险操作五、个人思考「鬼点子计划」的深层价值在于它提出了一个关键问题当 AI 编程能力越来越强我们如何确保生成的代码做对了事而不仅仅是把事做对Kiro 的答案是回归软件工程的基本功——先写清楚需求再动手编码。这与传统软件工程中设计先行的理念一脉相承只是在 AI 时代被重新赋予了自动化执行的能力。对于参赛者而言不妨从无心之心赛道入手——用技术解决真实但被忽视的问题比如为视障人士开发的语音导航 Agent或是帮助独居老人进行日常安全检测的智能闹钟。这类项目既有温度又能充分展示 Kiro 在复杂场景下的规划与执行能力。活动线上赛提交截止时间为 2026 年 10 月 22 日10 月 27 日公布结果。如果你有一个藏在备忘录里很久的有空就做的点子现在或许就是让它跑起来的最佳时机。

Kiro 是亚马逊云科技打造的 AI 智能体开发平台，核心理念是“规范驱动开发“（Spec-Driven Development）

相关推荐

基于 Spring Boot 的研究生导师信息管理系统设计与实现

基于 Spring Boot 的学校浴室管理系统设计与实现

ADK A2A 实战：从零跑通分布式智能体协作，把孤岛智能体连成网络

更多资讯

Windows鼠标指针一键切换方案：原理、工具与自定义实践

K8s共享存储优化：CephFS迁移JuiceFS将Pod启动从47秒降至3秒

LangBot 快速接入 GLM-5.3：微信、飞书、Discord、Slack 多平台机器人实战

Windows本地部署Dify实战：WSL2+Docker与RAG知识库

无源码也能“拆解“任意软件？30万星神器rea火了，但引发的争议比热度更大

AI原生架构与服务编排：后端开发范式迁移实战指南

今日更新

Verilog实现FPGA密码锁：矩阵键盘与状态机设计实战

数据服务监控运维实战：从指标体系到告警治理与故障排查

FreeRTOS任务通知实战详解：内核原理、API与避坑指南

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？