Kiro 教程：AWS 规格驱动 AI 编程 IDE 上手（2026）

Kiro 是 AWS（亚马逊云科技）推出的一款 agentic AI 编程 IDE，它和 Cursor、Trae、Claude Code 属于同一波「让 AI 帮你写代码」的浪潮，但走了一条很不一样的路线：规格驱动开发（Spec-Driven Development）。别的工具你说一句「加个登录功能」它就直接开写，Kiro 会先停下来帮你把需求、技术设计、任务清单三份文档写清楚，你确认后它再按规格逐条落地。这篇 Kiro 教程带你从「Kiro 是什么」讲起，一路把下载登录、Vibe 与 Spec 两种模式、免费额度与价格、内置模型都跑通。

Kiro 是什么

Kiro 是 AWS 官方出品的 AI 原生 IDE，基于 VS Code 内核构建（所以界面和快捷键你会很熟），但把 AI 智能体做成了一等公民。它接替了 AWS 早期的 Amazon Q Developer，定位是「从 AI 写代码，进化到 agentic 软件工程」。你在项目里描述需求，Kiro 的智能体会读你的代码库、写规格、改多个文件、跑终端命令、执行测试，端到端把一个功能做完。它最核心、也最区别于其他工具的能力，就是下面要讲的「先写规格再写代码」。

核心玩法：先写规格，再写代码

规格驱动是 Kiro 的灵魂。当你给一句话需求（比如「加一个邮箱登录功能」），Kiro 不会立刻堆代码，而是先在项目里的 .kiro/specs/ 目录下生成三份 Markdown 文档，一步步和你对齐：

1. 1requirements.md（需求）：把你的一句话拆成用户故事和验收标准，比如「用户可用邮箱注册」「密码至少 8 位」。
2. 2design.md（技术设计）：基于需求给出技术方案，包括架构、数据表结构、API 接口设计。
3. 3tasks.md（任务清单）：把设计拆成可逐条执行的任务，智能体每做完一步自动勾掉，进度一目了然。

这三份文档都是纯 Markdown、放在你的仓库里，能被 Git 追踪、能 code review、能给团队看。它带来的好处是：AI 不再「凭感觉」乱写，而是有一份白纸黑字的规格约束，复杂功能的可预测性大大提高。项目结构大致长这样：

.kiro/
├── specs/                     # 每个功能一个子目录
│   └── user-login/
│       ├── requirements.md     # 需求：用户故事 + 验收标准
│       ├── design.md           # 技术设计：架构 / 数据表 / 接口
│       └── tasks.md            # 任务清单：智能体逐条勾选执行
└── steering/                  # 团队规范/项目约定（类似 Cursor Rules）
    └── product.md

Vibe 模式 vs Spec 模式：什么时候用哪个

Kiro 里有两种干活方式，可以随任务切换：Vibe（对话式，随手改）和 Spec（规格式，先规划再落地）。简单需求用 Vibe 快，复杂功能用 Spec 稳。

下载、登录与免费额度

Kiro 支持三大平台，去官网下载对应系统的安装包即可，也提供命令行版本（CLI）。关键点是：用 Kiro 不需要 AWS 账号，用 GitHub、Google、AWS Builder ID 或 AWS IAM Identity Center 任一方式登录就能开始。

• 去官网 kiro.dev 的下载页，选 macOS / Windows / Linux 安装包下载安装。
• 首次打开用 GitHub / Google / AWS Builder ID 登录，无需 AWS 账号，也不用绑信用卡。
• 新用户默认进「Kiro Free」永久免费档，附带一批额度（credits）可直接试用。
• 因为基于 VS Code 内核，你可以从 Open VSX 安装熟悉的扩展、导入配置。

价格与额度：Free / Pro / Pro+ / Pro Max / Power

Kiro 用「额度（credits）」计费：一个 credit 是「响应你一次请求所做的一份工作量」，简单请求消耗不到 1 个，执行一条 spec 任务这种复杂活儿会消耗更多。各档位大致如下（价格与额度会调整，务必以官网为准）：

能用国产模型吗？Kiro 的模型策略

这是很多国内开发者关心的点，答案和站内那些「接国产模型」的 CLI 教程不太一样。Kiro 走的是「官方精选模型 + 统一额度」路线，而不是让你填自己的第三方 API Key。好消息是，它精选的模型里就内置了国产开源模型：免费档能用到 Qwen3-Coder、DeepSeek、MiniMax 等开放权重（open-weight）模型，外加 Claude Sonnet；付费档再解锁 Claude Opus 等旗舰模型和自动选模（Auto，按任务混用多种前沿模型）。也就是说——你在 Kiro 里能用上国产模型，但是通过它的额度体系，而不是自己接 API 网关。截至目前没有公开资料显示 Kiro 支持自带 API Key 或接入任意 OpenAI 兼容网关，如果你就是要用自己的 DeepSeek/GLM 账号跑，站内的 OpenCode、Aider、Cline 等教程更对路。

Steering、Hooks、MCP：把 Kiro 调成你的规范

除了规格，Kiro 还有几个让它更「懂你项目」的能力：

• Steering（引导文件）：放在 .kiro/steering/ 下的自定义规则和上下文，作用类似 Cursor Rules，让智能体始终遵守你的项目约定（技术栈、命名、目录规范等）。
• Hooks（智能钩子）：给重复性工作设「触发器」，比如保存文件自动跑测试、生成文档，实现自动化。
• MCP Servers：通过 Model Context Protocol 接入外部工具和数据源，扩展智能体能力（MCP 是什么，站内有专门文章）。
• Agentic chat：自然语言对话式开发，配合规格一起用最顺手。

Kiro 和 Claude Code、Spec Kit 怎么比

都在做「AI 帮你写代码」，但侧重不同：Claude Code 是 Anthropic 的终端 agent，能力强、生态成熟，模型偏向 Claude，重在「在终端里灵活干活」；GitHub 的 Spec Kit 是一套开源的规格驱动方法与命令行工具，你可以把它配到 Claude Code、Cursor 等已有工具上用；而 Kiro 把规格驱动直接做成了一个完整 IDE 的原生工作流，开箱即用、不用自己拼。如果你喜欢「一个 IDE 全搞定、且看重复杂功能的可控性」，Kiro 很合适；如果你已经重度使用终端或某个编辑器，也可以用 Spec Kit 把规格驱动的思路搬过去。这几条路线站内都有对应实测教程，可以对照着看。

Kiro 把「先想清楚再动手」的工程习惯，用规格驱动固化进了 AI 编程流程，这对做复杂功能、带团队协作特别有价值。但工具再规范，最终能不能把 AI 的产出稳定交付成真实产品，考验的还是你会不会拆需求、审设计、控质量。想系统掌握用 AI 工具做出能落地产品的方法，欢迎来 IMAI 看看我们的体系化实战课程。