从“帮你写一段代码”到“替你守一份工作”:AWS Kiro Bots 正式可用
AWS 在 11 月 5 日让 Kiro bots 在 Kiro Crew 里正式可用:有名字、有记忆、有权限、有排期、有仪表盘的常驻编程智能体。思路是把一份职责、而不是一次任务交出去——但 AWS 没公布任何基准数据,常驻 bot 的账单只能跑起来才算得清。

从“帮你写一段代码”到“替你守一份工作”
11 月 5 日,亚马逊云科技(AWS)旗下的编程工具 Kiro 宣布了一项更新:Kiro bots 在 Kiro Crew 里正式可用(generally available)。一句话概括:你可以给一个 AI 智能体起个名字、派一份长期工作,它会带着自己的记忆、按排期干活、指挥手下的工作会话,最后把结果带回同一个对话里。编程助手做的事情,从“回答你的一次提问”变成了“守住你的一份职责”。
这个变化的背景,是所有重度使用编程智能体的人都熟悉的一种疲惫。Kiro 官方博客开篇就描摹了这个场景:一个周二的早晨,你同时开了好几个智能体会话——一个在重构认证模块,一个在追一个偶发的测试失败,一个在为新功能起草数据库迁移方案,还有一个在写交接总结。等你开完会回来,重构卡在一个你明明批过的工具授权上,测试修好了但没讲清决策逻辑,迁移方案写好了却要大改,交接总结写完了但那个智能体已经闲置,调研结果则是一堆论文和开源项目的罗列,没有比较哪种方案更适合你的代码库。智能体是并行干活了,但收拾残局、同步上下文、判断哪个会话需要你出面的工作,全落回了你头上。
Kiro bots 的答案是:不要再以“会话”为单位组织工作,改以“职责”为单位。每个 bot 都是一个有名字、有头像、长期存在的智能体,围绕你工作中的某一部分来定义和定制。它有自己的记忆、跑自己的会话,你不用再一个个去追踪它们。Kiro Crew 本来就会从你的工作方式里学习,而 bots 改变的是这份学习“住在哪里”——它住进每一个 bot 里,而不是散落在一次次会话中。

一个 bot 到底是什么
按 Kiro 官方博客的定义,一个 bot 有四样东西:名字和头像、一段持续的对话、自己的笔记、一个带仪表盘的工作区。你在持续对话里给它定方向、回来验收结果;它用笔记记录决策和待办事项,你随时能看到它负责的那部分工作进行到哪一步,不用打开任何一个底层会话;仪表盘则由你和它一起定制,把当前状态集中展示在一个地方。
有活要干的时候,bot 可以并行启动多个会话、监控进度、纠正偏离计划的部分,再把结果汇总回那段持续对话。如果其中一项任务需要你做决定,它可以先问你,同时继续干那些不依赖这个决定的部分。排期也可以直接在对话里定下来:让它在你上班前查一夜的构建失败,或者每周五准备发布说明。官方博客的配图里还展示了一种“心跳”机制:每 4 小时运行一次、每天最多 6 次,用来做持续的轻量检查。
这套设计里最关键的一点是“分开”。每个 bot 的记忆是独立的:部署 bot 记住的发布流程,不会混进研究 bot 记住的东西里。你可以查看、编辑或删除任何一个 bot 记住的内容。每个 bot 的工具和权限也只给它那份工作需要的部分:研究 bot 可以联网搜索、读你的文件,但不能改文件;部署 bot 可以跑部署脚本,但每次改动前都要你批准。一个 bot 可以向你要更多工具,但什么都不会变,直到你点头。这种“按职责切分记忆与权限”的思路,是 Kiro bots 与“一个什么都记得、什么都能干的通用助手”之间最根本的区别。
官方给出的四种 bot:先看边界,再看能力
Kiro 在公告里给了四种可以直接照着搭的 bot,每一种都同时标明了它能做什么和不能做什么。这种“先讲边界”的写法,本身就值得注意。
第一种是工单 intake bot:读票务队列里的新问题,打标签、标记可能的重复项,遇到 bug 草拟复现步骤。它可以在工单下留言,但不能关闭工单。第二种是构建健康 bot:每 30 分钟检查一次 CI 流水线,把新出现的失败和你已经知道的偶发失败分开,只把需要你关注的带回来。第三种是代码评审 bot:按你已经做过的决定检查每一个新拉取请求,记住你定下的错误处理模式、被你否掉的依赖,让评审不再从零开始。它可以留言、可以要求改动,但不能批准、也不能合并。第四种是发布就绪 bot:守着发布前的检查清单,确认合并的改动都有测试和发布说明,然后在任何东西发出去之前找你要签字。
这四种 bot 有一个共同点:它们负责的都是“重复出现、规则相对清晰、但需要上下文”的工作。工单分类、构建监控、评审、发布检查——这些事的特点是,每次的做法都差不多,但每次的判断都依赖你过去的决定。这正是“记忆”能产生价值的地方:一个没有记忆的智能体,每次评审都要你重新讲一遍“我们不用这个依赖”;一个有记忆的 bot,只需要你讲一次。
但同样值得注意的是,这四种 bot 的权限天花板都设得很低:不能关工单、不能合代码、不能发版。Kiro 的潜台词很清楚:长期运行的智能体最先要证明的不是能力,而是克制。先让它在“只读+建议”的范围内跑顺了,再谈放权。官方博客甚至明确建议,随着发布就绪 bot 越调越顺,“最终你可能会让简单的改动在变绿后自动合并”——“最终”这个词,说明放权是一个渐进的过程,而不是上线第一天就该做的事。
协调者与工人:省下的管理成本去了哪里
一个 bot 并不只干活,它还会“管活”。它可以并行启动多个工作会话、盯着进度、纠正跑偏的部分,最后把结果汇总回来。更关键的是,你可以给协调 bot 和工作 bot 选不同的模型:让更强的模型做规划,让更快、更便宜的模型处理常规检查。Kiro 的模型目录包括 OpenAI 和 Anthropic 的模型,以及开源权重模型,具体可用性和计费按模型而异。
这个设计回应的是多智能体协作里最实际的问题:当你同时跑十几个智能体,真正的成本不是算力,而是你自己的注意力。谁跑完了、谁卡住了、谁的结论互相矛盾——这些协调工作如果全靠人来做,智能体越多,你越忙。Kiro bots 的赌注是,把协调工作本身也交给一个智能体,让人的角色从“协调并行任务”变成“定方向、只审需要你审的东西”。
但这里必须泼一点冷水。VentureBeat 在报道里直言:这次发布没有提供任何对比基准、量化的生产力结果,也没有量化的错误率。协调工作省没省下来、省了多少,目前没有任何公开数字可以佐证。更重要的是,协调本身也有成本:一个 bot 指挥多个 worker 会话做并行重试和工具调用,token 消耗会快速叠加。行业分析师把这叫“协调税”——后台的重试和调用越多,账单涨得越快。Kiro 的定价是订阅+积分制:免费版每月 50 积分,Pro 版每月 20 美元含 1000 积分,额外积分每个 0.04 美元,团队版每席每月 20 美元、每席贡献 500 积分进共享池。但一个积分不是一项完成的任务,消耗量取决于任务复杂度和所选模型。所以“一个每半小时查一次 CI 的 bot 每月到底花多少钱”,订阅价本身回答不了这个问题,只能在实际跑起来之后才能算清。
它不是第一个做“常驻智能体”的
Kiro bots 进入的是一个已经有人的赛场。VentureBeat 的对比指出,Cursor 的 Automations 可以从排期或事件触发智能体,带有跨运行的持久记忆,能创建拉取请求、与外部工具交互,还能用截图或录屏演示改动;Anthropic 的 Claude Code 排期任务支持排期、API 调用和 GitHub 事件,但仍标注为研究预览;OpenAI 的排期任务则分桌面任务与网页任务,桌面任务需要本机可用。排期、 retained 上下文、后台执行,这些都不是 Kiro 的独创。
那么 Kiro 的区别在哪里?按 VentureBeat 的判断,是组合:围绕一项具体职责的持续对话、属于这项职责的记忆与权限、一个监督 worker 并维护进度视图的协调者,以及一个可定制的仪表盘。这是一个产品设计上的区别,而不是“跑分赢了”的证据。换句话说,Kiro 不是在比谁的单点功能更强,而是在赌一种组织方式:把开发工作切成一份份“职责”,每份职责配一个有记忆、有边界、有仪表的 bot,长期看,这比“每次开一个新会话”更接近团队真实的工作方式。
这个判断还有一层背景值得提。Kiro 本身的历史并不长:2025 年 7 月 14 日首次推出,2026 年 5 月 7 日正式可用,2026 年 8 月 4 日推出开源的 Kiro Crew(Apache 2.0 协议)。而这次 bots 发布的同时,AWS 也在正式收尾 Amazon Q Developer:新注册自 2026 年 5 月 15 日起停止,全面终止支持定在 2027 年 4 月 30 日,而且从 Q Developer 迁移到 Kiro 是单向的、没有回头路。对 AWS 来说,Kiro bots 不只是一个新功能,更是它把开发者工具的重心从 Q Developer 彻底转向 Kiro 的又一步。老用户没有多少犹豫空间,新功能就是未来的默认路线。
给 vibe coding 的人的三条实操建议
第一,从一个你能一次审完的职责开始。Kiro 官方博客的建议很实在:先把你的开发流程拆成重复出现、跨任务延续的职责,挑一个你能描述清楚、也能评估好坏的,先上一个 bot。工单分类、构建监控、发布检查清单,都是合适的起点;“帮我重构整个后端”不是。职责越窄,你越容易判断 bot 是帮了忙还是添了乱。
第二,先把边界写死,再谈放权。给每个 bot 只开它那份工作需要的工具和权限,研究 bot 只读不写,评审 bot 只能建议不能合并,发布 bot 发版前必须找你签字。跑上几轮、看了它的笔记和工作日志之后,再按实际表现一点点放宽。Kiro 的权限模型支持这种渐进:bot 要新工具得先问你,记忆可以随时查看、编辑、删除。把这些控制用起来,而不是图省事全开。
第三,盯住两本账:时间账和积分账。时间账是“你花在审 bot 结果、纠正 bot 判断上的时间,有没有少于你自己干这些活的时间”。如果一个 bot 帮你多抓了几个构建失败,却让你每天多花半小时处理它的误报,那它只是把工作从一个地方挪到了另一个地方。积分账是“一个常驻 bot 每月到底烧掉多少积分”,排期越密、仓库越大、重试越多,账单涨得越快。上线第一个月,先拿一个低频排期(比如每天一次构建检查)测出真实消耗,再决定要不要加密到每半小时。
常驻智能体的真正考验才刚刚开始
Kiro bots 提出的问题,其实比它解决的问题更有意思:当智能体从“一次性的会话”变成“长期在岗的同事”,我们该怎么管理它?给它起名字、配头像、写笔记、设排期、调仪表盘——这些设计都是在把一个统计模型装扮成一个“职责的承担者”。装扮本身没有错,团队协作本来就需要身份和边界。但身份感越强,人就越容易放松警惕:一个每天准时汇报的 bot,某天悄悄改了一个不该改的默认值,你还会像检查一个新会话那样仔细审它吗?
Kiro 的答案是把“可检查”做进产品里:笔记可以打开看,工作日志可以追溯,每一次加工具都要你批准,记忆可以随时删除。这些机制的价值,不在于它们多精巧,而在于它们承认了一个现实:长期运行的智能体一定会犯错,关键不是不犯错,而是犯错之后你能不能发现、能不能追溯、能不能纠正。行业分析师提醒的另一点也值得记下来:一个 bot 在几周的交互和反馈中不断演变之后,要追溯“它为什么做出某个决定”,会越来越难,哪怕有笔记和工作日志在手。记忆越丰富,审计越困难——这是所有常驻智能体都要面对的 trade-off,Kiro 也不例外。
对独立开发者和小团队来说,Kiro bots 的意义可能不在“要不要马上用”,而在它标志的方向:编程智能体的竞争正在从“单次生成质量”转向“长期协作质量”。谁的智能体更记得你的偏好、更守你的规矩、更少打扰你,谁就更可能成为你工作流里默认的那一个。Kiro 用“一个 bot 一份职责”的组织方式给出了自己的答案,Cursor、Anthropic 和 OpenAI 各有自己的答案。接下来值得看的,不是哪家的发布会更热闹,而是哪家的 bot 在真实团队里跑上三个月之后,还留在工作流里——以及它每个月到底花了多少钱。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。