AWS 发布并开源 Kiro Crew：打造全自主、跨会话的 AI 编码“特工队”

从内部“副业”到核心基础设施

Kiro Crew 最初是亚马逊内部的一个“副业”项目，代号 MeshClaw，由三名工程师创建。他们想要一种方式：启动任务后离开，回来时能看到值得审核的成果，而无需时刻盯着提示 。该项目基于现有的 Kiro IDE 框架和 CLI 构建 。

这个小型实验迅速壮大。在内部使用不到六个月内，Kiro Crew 已被 超过 39,000 名亚马逊开发者 采用，拥有近 500 名贡献者，累计提交了 597 次更新，平均每周提交次数高达 143 次 。AWS CEO Matt Garman 确认，项目的增长完全是因为开发者们不断根据自身需求对其进行扩展——从值班轮换到跨仓库的事件排查，再到夜间迁移任务 。

核心特性

Kiro Crew 拥有丰富的功能，旨在让 AI 智能体在生产环境中更加自主、可审计且安全：

• 持久记忆 —— 跨会话携带偏好、项目上下文和历史记录；修正会变成持久的经验教训，重复模式会变成可复用的技能 。
• 多智能体编排 —— 并行运行多个拥有独立上下文的对话，将独立研究任务委派给子智能体，并将结果整合回主对话 。
• 审批工作流 —— 每个操作在执行前都可设置审批门槛；活动视图可实时显示每个智能体的推理过程和工具调用 。
• 定时任务 —— 支持按 Cron 计划运行重复工作；Webhook 触发器和心跳监控器确保智能体在用户离线时也能保持高效 。
• 沙箱环境 —— 提供操作系统级沙箱，采用“默认拒绝”的命令策略，可阻断可疑模式、进行输入验证、保护敏感路径以及过滤凭证信息 。
• 签名审计日志 —— 每个操作都会被记录在签名的审计日志中，确保完整的可观测性和合规性 。

参考应用

Kiro Crew 随附 Apps 功能发布——它是可共享、定制化的用户界面，将自定义 UI 与智能体、技能、定时任务和集成模块结合在一起。一个例子是 问题分类（issue-triage）App，它将仓库数据导入一个队列，并配备阅读面板、分类控制、专业智能体和定时扫描功能 。该平台还支持跨多个聊天界面工作，包括 Slack、Discord、Telegram、Teams、Webex、WeCom 和微信，上下文可在所有这些平台间无缝传递 。

瞄准企业团队

分析师指出，Kiro Crew 主要面向 平台工程、DevOps 和 SRE 团队，这些团队需要管理跨工具的、长时间运行的工程工作流 。其定时任务和心跳监控功能特别适合用于事件调查、拉取请求监控、工单分类以及跨多个仓库的自动化维护任务 。

成本管理背景

此次发布恰逢企业对 AI 编码中的成本管理 日益关注之际，因为持续运行的自主工作流会显著增加计算和 API 费用 。AWS 此前曾推动员工使用 Kiro 而非第三方工具来控制成本，内部备忘录中明确表示，公司将不再支持额外的第三方 AI 开发工具 。

权衡与局限

尽管 Kiro Crew 是开源的，但分析师指出了几个重要的限制：

• 对专有 Kiro CLI 的依赖 —— Kiro Crew 基于 Kiro 框架和 CLI 构建，核心编排功能依赖 AWS 的工具链 。对于不使用 Kiro 作为主要 IDE 的团队来说，集成将面临挑战。
• 需要自定义连接器来对接其他智能体 —— 虽然 Kiro Crew 使用代理客户端协议（ACP）进行智能体通信，但要与 Claude Code 或 Codex 等其他 AI 编码智能体集成，需要自行构建适配器，目前没有现成的开箱即用方案 。

治理与社区

Kiro Crew 采用 开放治理模式 发布，并设有 公开的指导委员会。AWS 表示，开源该项目是为了让社区可以阅读、在任何地方运行、审查和修改代码，使其与社区共同演进，而非由单一供应商控制 。该项目已在 GitHub 上发布，并且可以完全部署在团队自己的环境中 。