Kiro Crew：可持续运行并自我改进的开发工作区

kirodotdev/KiroCrew · A persistent workspace for development work that self-improves and continues beyond one session.

GitHub原文发布未知首次收录 2026-09-21上架 2026-09-24 07:03

ELI5：它是什么，解决什么问题

Kiro Crew 是一个开源开发工作区，可运行在本地或用户自己的硬件上，也支持远程 Gateway。它强调持久化、自我学习与自我演化：会话、记忆、日程和任务检查点可跨 Gateway 重启保留，纠错与任务失败会转化为可复用的经验教训和技能。用户可通过桌面应用、Web 仪表盘和 CLI 使用，也能通过 Slack、Discord 等消息通道延续同一份工作；多步骤任务可无人值守运行，支持周期性作业、心跳监控和子代理并行委派。默认代理运行在 kiro-cli 上，使用前需单独安装并登录。

# self-hosted # agent-framework # ai-agents # workflow # automation

核心能力与快速开始

★ 4054 · Python

能做什么: 提供持久化开发工作区：并发且隔离的会话、跨重启恢复、历史会话搜索与上下文延续；自我学习机制将纠正和任务失败沉淀为工作区级经验；自我演化技能可从重复模式中合成并可查看、编辑、删除；长时任务支持任务规格、规划、执行、结果校验、失败重试与检查点恢复；无人值守自主运行支持定时任务、确定性脚本与命令、系统心跳监控、消息事件与已认证 Webhook 响应；支持派生子代理并行工作并汇总结果；提供桌面应用、Web 仪表盘、CLI 以及 Slack、Discord、Telegram、Teams、Webex、WeCom、微信、WhatsApp、飞书、iMessage 等消息接入；Kiro Crew Apps 可将界面与代理、技能、日程、集成和后端服务组合为特定用途体验。
适用场景: 用于需要跨多个会话持续推进的开发工作，例如让代理按任务规格执行迁移计划并在测试失败时停止；设置每周固定时间汇总待审阅工作的周期性作业；并行调研多个方案并给出推荐；订阅消息事件或 Webhook 触发自动化处理；在无人值守时监控系统状态并在需要关注时提醒；通过消息通道在离开仪表盘后继续同一份工作。
项目形态: 可直接使用的工具
部署方式: 可运行在本地或用户控制的远程硬件上；提供桌面应用（macOS、Windows、Linux 的 deb/rpm/AppImage）、一行命令安装的 CLI、多架构 Docker 镜像（linux/amd64 与 linux/arm64）以及从源码构建；支持 Stable、Insider、Nightly 三个发布通道；可通过 SSH 隧道连接远程 Gateway；消息通道除 Teams 与 iMessage 外为出站连接。
主要依赖: 从源码构建需要 Python 3.12+、Node.js 22+（推荐 24 LTS）、npm 和 kiro-cli，并在使用聊天前单独执行 kiro-cli login；Linux 桌面应用需要 glibc 2.34 或更新版本；安装脚本默认使用其自带的受管 Python 3.12，可改用系统 Python；未说明运行代理所需的具体硬件配置、模型 API 调用成本及商用限制。
使用限制: 默认代理依赖需单独安装并登录的 kiro-cli，首次启动会检查该前置条件；Teams 需要公网 HTTPS Webhook，iMessage 依赖同一台 Mac 上的 Messages.app；同机同时安装 Stable 与 Insider 共用同一份桌面设置与更新缓存，频道只能保留一个值；Nightly 虽可并行安装但默认读取相同的 ~/.kiro/crew 数据目录；AppImage 需要 FUSE 并需手动完成沙箱步骤；0.1.0 与 0.1.1 早于清单签名，无法通过固定版本方式安装；未说明具体资源开销、规模化上限与安全边界细节。
许可证: Apache-2.0
最近推送: 2026-09-21 06:59

核对 README 依据 ↗

资料检查：2026-09-21 07:00 · 卡片整理：2026-09-24 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为持久化开发工作区，用于运行多步骤开发任务（如迁移计划），支持任务检查点、失败重试与恢复，并可无人值守运行周期性作业；纠错与任务失败会转化为可复用的经验教训和技能，供后续开发会话使用。

查看内容依据

Give Kiro Crew a task spec and walk away. It plans steps, executes them, validates results, retries failures, and resumes from checkpoints. *"Implement this migration plan and stop if the tests fail"* runs as a checkpointed task with validation at each step.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

用于并行调研多个方案并汇总建议：可将“并行研究这三个选项并推荐一个”委派给隔离子代理，结果返回父会话，辅助产品方案评估与决策。

查看内容依据

*"Research these three options in parallel and recommend one"* fans out to isolated subagents and synth

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

email-agent：AI 驱动的邮件自动分类、归档与自动回复管理工具

email-agent 是一个基于 AI 的自托管邮件管理工具，可对多个邮箱账户的邮件进行自动化排序、分类与归档，并支持设置自动回复以节省处理时间。项目强调数据隐私，宣称可运行在 Oracle Cloud 免费层上，并提供 Windows、macOS、Linux 的安装说明与配置流程。

hawkeye：在你自己的 Claude Code 或 Codex 订阅上运行 AI 代码审查

Hawkeye 是一个归属开发者个人而非仓库的 AI 代码审查工具。开启 Pull Request 后，运行在本机的 runner 使用你已付费的 Claude Code 或 Codex 编码代理，以你自己的登录身份读取每次推送，并以 hawkeye-review[bot] 身份发布一条审查结论。它会读取仓库的 AGENTS.md、CLAUDE.md 和 CONTRIBUTING.md 规则，针对意图、行为、影响范围、验证、适配和代码卫生给出定位到改动行的具体发现与修复建议，并在每次推送时原地更新同一条评论：已修复的问题会解决，仅提出新问题，早于本次改动的问题标记为 Inherited 且不阻断合并。计划凭证和仓库内容不会发送到其服务器，只有审查发现会上传；控制平面仅保存队列、Webhook 和发现。MIT 许可，提供自托管指南（Vercel + Neon Postgres，开发用 Docker Compose）。

Autonomous Multi-Agent Content Pipeline：基于多智能体工作流将 PRD 自动生成经研究、事实核查与润色的博客文章

该项目是一个端到端的多智能体内容生成系统，使用 LangGraph 编排研究、写作、事实核查与风格润色四个专职智能体。它接收产品需求文档（PRD）、主题、目标字数和写作风格作为输入：研究智能体通过 SerpAPI 进行实时网页检索，写作智能体结合 PRD 与研究上下文生成 Markdown 初稿，事实核查智能体对照研究结果验证文中论断，若发现问题则通过条件路由退回写作智能体重写并再次核查，通过后由润色智能体完成风格与格式优化，最终文章存入 Supabase PostgreSQL。前端基于 Next.js 与 React 提供 PRD 输入、智能体执行时间线与文章库浏览，后端使用 FastAPI，并通过自定义日志记录智能体名称、执行状态、耗时、Token 用量与事实核查结果。

Strands Agents：用 Python 和 TypeScript 构建生产级 AI Agent 的 SDK

Strands Agents 是一个开源 SDK，用于在 Python 和 TypeScript 中构建和运行 AI Agent。它提供完整组装的 harness（通过 create_harness() / createHarness() 调用），内置模型、工具、记忆、会话和上下文管理的默认配置，同时也支持开发者深入 SDK 自行掌控 agent loop、工具、模型提供方、记忆和 hooks。核心能力包括生命周期控制（轮次上限、token 预算、取消、停止原因）、工具与结构化输出、MCP、多 Agent 模式、记忆与会话、模型可移植性、流式输出、guardrails、追踪和评估。项目不依赖托管控制平面，在你的进程中运行，支持 Amazon Bedrock、Anthropic、OpenAI、Gemini 等多种模型提供方。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。