KiroCrew：找回工作进度，而非重启工作流
当 AI Agent 学会了"不遗忘"，开发工作才真正有了延续性。
Series: AmazonQ (2 articles)
- 2KiroCrew：找回工作进度，而非重启工作流 This article
当 AI Agent 学会了"不遗忘"，开发工作才真正有了延续性。
一个痛点
你有没有这样的经历：
- 让 AI 帮你写一个复杂功能，聊到一半去开了个会，回来后会话超时断开
- 第二天继续 ——"抱歉，我需要重新了解一下上下文……"
- 上次的方案、讨论、决策，全部归零重来
这不是 AI 能力的问题，是「会话模式」的原罪。
大多数 AI Agent 工具的设计假设是：用户发起请求 -> 模型响应 -> 会话结束。这种模式适合「问答」，但不适合「工作」。
真正的工作是：
- 跨越多个会话
- 中途可能被打断
- 需要持续积累上下文
- 有些任务可以跑几个小时甚至几天
KiroCrew 就是为「真正的工作」设计的。
核心产品力：Persistent + 后台自主
KiroCrew 的核心可以概括为一句话：
Persistent（持久化）+ 后台自主 = 找回工作进度，而非重启工作流
这两个关键词，定义了它与 Claude Code、Cursor、Windsurf 等工具的本质差异。
1. Persistent：跨会话的延续性
会话不再是一次性的。
| 传统 AI Agent | KiroCrew |
|---|---|
| 会话关闭 = 上下文丢失 | 会话持久化，随时恢复 |
| 每次重来要重新说明需求 | 记忆跨会话保留 |
| 无法积累经验 | 纠正变成持久教训 |
| 重复模式无法复用 | 自动沉淀为技能 |
具体表现：
- 你说："不，先跑前端检查再标记完成" -> 这句话变成一条「教训」-> 下次、下下次、所有后续会话都会遵守
- 你说："这个 API 用法不对，正确的调用方式是……" -> 这条纠正被记录为「偏好」-> 工作区内的所有会话都会沿用
会话、记忆、计划、任务检查点 —— 全部存储在本地
~/.kiro/crew 目录，Gateway 重启后依然存活。
三层架构 —— 交互层 -> Gateway -> Agent Runtime，标注持久化存储路径
从 Onboarding 开始：带上团队一起走
KiroCrew 的第一次启动体验，就展现了「持久化」的设计哲学。
一键迁移，不抛弃过往配置
KiroCrew 能自动扫描你本机的其他 AI 工具配置：
- Codex：扫描到 4 个
- Claude Code：扫描到 25 个
可以选择性导入： - Workspaces（工作区）
- MCP servers（工具连接）
- Instructions（指令集）
- Skills（技能）
导入策略很聪明： - 仅合并模式：不覆盖已有设置
- 冲突项保留当前版本
- 自动去重
最终结算：28 项导入成功 · 1 项去重 · 84 项跳过，你的历史配置无缝迁移。
隐私优先：五个字段，全是匿名
KiroCrew 对隐私的态度很透明。
发送的内容：
- 匿名每日心跳（随机安装 ID、版本、Python 次版本、渠道、首次运行）
- 官方应用安装回执
绝不发送：
- 提示词、回复、文件内容
- 凭证、主机名、用户名、OS
- 不存 IP 地址
外观定制：18 种配色主题
支持 System / Light / Dark 三种模式，18 种主题配色（Emerald、Monokai、Solarized、Amber、Dracula、Nord 等），还有专属的 Kiro 主题。
后台自主：你离开时，工作继续
AI 可以在你不在时工作。这不是科幻，是 KiroCrew 的日常。
日程与计划：按时自动跑
预设的定时任务示例：
- 依赖守卫：每周一 6:00
- 每晚构建监控：每 24 小时 2:00
- 错误摘要：每 6 小时
- 站会简报：工作日 8:45
这些任务在你离开时依然运行，结果自动推送到你选择的消息渠道。
应用生态：拓展 Agent 能力边界
KiroCrew 支持安装「应用」来拓展能力，类似 VS Code 扩展生态。
会话主界面：一切从这里开始
简洁的会话界面：
- 快捷提示按钮（Summarize activity / Search code / Write design doc 等）
- 底部显示当前模型（如 claude-opus-4.8）
- 左侧会话列表，支持多会话并发
代理能力中台：可组合的硬核实力
KiroCrew 的代理能力通过多个维度组合实现，这是它区别于单一 Agent 工具的核心设计。
Crews：每个都有独立工作区和记忆
Crews 是 KiroCrew 的多智能体抽象：
- 每个 Crew 有独立的工作区和记忆存储
- 模型配置可以继承或覆盖
- 示例：Gluer（SRE 工程师）、default（默认）、kirocrew-heartbeat、kirocrew-knowledge 等
这意味着你可以让不同的 Agent 并行处理不同任务，互不干扰。
Agent 模板：可复用的智能体定义
自定义 Agent 的工具集配置，包括 bash、文件操作、代码、搜索等。
MCP 连接：工具扩展的开放生态
MCP（Model Context Protocol）是 KiroCrew 的工具扩展机制：
| MCP 服务器 | 状态 | 工具数 |
|---|---|---|
| kirocrew-core | 在线 | 63 工具 |
| kirocrew-cron | 在线 | 8 工具 |
| kirocrew-computer | 在线 | — |
| awslabs-aws-documentation | 已禁用（用户接入） | — |
用户可以自由添加第三方 MCP 服务器，拓展 Agent 能力。
技能库：60+ 可复用能力
Skills（技能）是可复用的工作流定义：
- 60+ 预置技能：Artifact Deploy、Browser Recording、Computer Use、Crystallize 等
- 支持从其他工具导入（如 Claude Code）
- 按需加载，降低上下文开销
Hooks：事件驱动的自动化
Hooks 让你在 Agent 生命周期的关键节点插入自定义逻辑：
- 事件类型：PostToolUse、PreSessionStart 等
- 可执行任意 Shell 命令
- 内置示例：每次 execute_bash 后记录时间戳
Steering：常驻的规则约束
Steering（引导规则）是持久的规则文件：
- 路径：
~/.kiro/steering或项目.kiro/steering - 格式：Markdown
- 作用：所有会话自动遵守的约定
提示词模板：按需加载的可复用模板
- 调用方式：
@agent-sop:name或/prompts get name - 按需加载，不占用上下文
- 支持全局和项目级模板
知识库：让 Agent 记住你的领域知识
KiroCrew 的知识库是一个高级记忆系统：
| 能力 | 说明 |
|---|---|
| 列表视图 | 所有条目的清单 |
| 图谱视图 | 实体关系可视化 |
| 来源管理 | 导入文档构建知识 |
 | |
| 知识库的嵌入模型在后台自动下载，支持本地语义搜索。 |
多渠道接入：一个 Gateway，七个平台
KiroCrew 支持同时连接多个消息平台：
| 平台 | 状态 | 说明 |
|---|---|---|
| Slack | ✓ | DM 和线程支持 |
| Discord | ✓ | 流式回复 |
| Telegram | ✓ | 私聊支持 |
| Webex | ✓ | 直接消息 |
| WeCom（企业微信） | ✓ | AI 机器人 |
| Microsoft Teams | ✓ | 需要公网 webhook |
| WeChat（微信） | ✓ | iLink 机器人 API，扫码登录 |
微信接入详情：使用腾讯 iLink 机器人 API，扫码登录即可，仅支持私聊，可配置用户白名单。
这意味着你可以在任何平台继续同一个会话 —— 在 Slack 开头，在微信结尾，上下文无缝衔接。
找回进度 vs 重启工作流
用一个具体场景对比。
传统工具的工作流：
1
2
3
4
5
6
7
8
9
10
11
Day 1:
你: 帮我重构这个模块
AI: 好的，我理解你想……（开始工作）
你: （去开会）
回来: 会话超时断开
Day 2:
你: 继续
AI: 抱歉，让我重新了解……
你: （重复昨天的说明）
AI: 好的，我理解了……KiroCrew 的工作流：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Day 1:
你: 帮我重构这个模块
AI: 好的，我理解……（开始工作）
你: （去开会）
Day 2:
你: 继续昨天的重构
AI: 好的，昨天我们完成了以下内容……现在继续从……
你: 对了，把命名风格改成驼峰
AI: 已记录为工作区偏好
Day 30:
你: 重构进度怎么样？
AI: 已完成 78%，当前在……这就是「找回进度」和「重启工作流」的区别。
为什么选择 KiroCrew？
| 角色 | 价值 |
|---|---|
| 独立开发者 | 不用每次重新说明项目上下文 |
| 技术团队 | 共享工作区，统一偏好和规范 |
| DevOps | 定时任务、监控告警、自动化运维 |
| 安全敏感用户 | 完全本地部署，数据不出域 |
动手试试
1
2
3
4
5
6
7
8
9
10
11
# 一行安装
curl -fsSL https://download.crew.kiro.dev/cli.sh | sh
# 或 Docker
docker run -d --name kirocrew \
-p 127.0.0.1:5476:5476 \
-v kirocrew-home:/home/kirocrew \
ghcr.io/kirodotdev/kirocrew:stable
# 打开浏览器
open http://localhost:5476写在最后
KiroCrew 的核心价值不是「更强的模型」或「更聪明的能力」，而是一个更简单但重要的命题：
让 AI Agent 会话从「一次性对话」变成「持续的工作关系」。
Persistent + 后台自主，本质上是把「工具」变成了「伙伴」。
工具每次都要重新说明需求，伙伴记得你上次说过什么。
- GitHub：github.com/kirodotdev/
- KiroCrew 官网：kiro.dev/crew/
Series: AmazonQ (2 articles)
- 2KiroCrew：找回工作进度，而非重启工作流 This article
Enjoyed reading this content? Let the author know!
Your likes, comments, shares, and saves help creators reach more builders.
Loading recommendations
Loading article