Amazon Kiro完全上手指南：从安装配置到Spec驱动开发实战

你用Cursor写代码，有没有遇到过这种情况——

官方下载地址：https://kiro.dev（Amazon 出品，支持 Windows / macOS / Linux）

需求稍微复杂一点，AI就开始"自由发挥"：你说要做一个登录页，它给你顺手加了个注册流程；你说优化一下性能，它把整个架构都重构了。改着改着，代码跑偏了，你还得花时间把它"拉回来"。

这不是Cursor的问题，这是"没有约束的AI生成"的本质问题。

Amazon Kiro想解决的，正是这件事。它不是另一个代码补全工具，而是一个Spec驱动的AI IDE——先把需求写清楚，再让AI照着规格生成代码。听起来多了一步，但实际上省掉的是无数次"你说什么我听不懂"的来回拉锯。

本文带你从零开始：安装、配置、接入国内可用的第三方API，再到用Spec驱动开发一个真实项目。全程不绕弯，每个环节都有检查点。

第一章：Kiro是什么？和Cursor、Copilot有什么本质区别

在动手之前，先用两分钟建立认知锚点。

Kiro的三个核心概念，你必须先理解：

• Spec（规格文档）：用自然语言描述你要做什么，包括功能需求、技术约束、验收标准。这是一切的起点。
• Agent（任务执行单元）：Kiro把Spec拆解成具体任务，由Agent逐步执行，每步可追溯。
• Hook（自动化触发器）：代码变更后自动触发测试、格式检查等操作，类似CI/CD的本地版本。

💡 现在上车的理由只有一个：Kiro目前处于预览期，完全免费。 等正式收费之后，你会庆幸自己早学会了。

第二章：安装与基础配置（避坑全记录）

下载安装

前往 kiro.dev 下载对应平台的安装包：

• macOS：下载 .dmg 文件，拖入Applications即可
• Windows：下载 .exe 安装包，一路Next完成安装

⚠️ 中国用户高频踩坑点

1. 下载慢：建议挂代理下载，安装包约200MB+
2. 账号注册：需要Amazon账号或AWS账号，国内手机号可注册，但建议用邮箱
3. 首次启动加载慢：Kiro会拉取语言服务器组件，耐心等待3-5分钟，不要强制关闭

首次启动配置

安装完成后，Kiro的界面布局和VS Code高度相似（它基于VS Code fork开发），左侧是文件树，右侧是编辑区，底部多了一个Kiro面板——这里是Spec、Agent、Hook的控制中心。

首次启动会引导你：

1. 登录Amazon账号
2. 选择默认模型（默认是Claude Sonnet，国内访问不稳定）
3. 创建或打开一个项目

冒烟测试

配置完成后，做一个最简单的验证：

1. 新建一个空文件夹，用Kiro打开
2. 在Kiro面板点击"New Spec"
3. 输入：创建一个Hello World的Python脚本
4. 点击执行，看Agent是否能成功生成 hello.py

如果能看到Agent执行日志并生成文件，说明基础环境跑通了。如果卡在"连接模型"这一步，就需要进入下一章解决网络问题。

第三章：接入第三方API——国内用户的正确姿势

这是整篇文章最关键的章节，也是国内用户绕不开的问题。

为什么要接入第三方API？

三个原因：

1. 访问稳定性：Kiro默认调用AWS Bedrock上的Claude模型，国内直连经常超时
2. 成本控制：官方按token计费，长期使用费用不低
3. 模型多样性：想用DeepSeek、GPT系列？默认配置做不到

手把手配置8848AI

8848AI 提供兼容OpenAI接口格式的API服务，支持GPT-5.4、Claude系列、DeepSeek等主流模型，国内直连无需代理，配合Kiro使用体验非常顺畅。

**打开 api.884819.xyz，使用邮箱注册（需填写邮箱验证码），登录后点击左侧「令牌管理」→「添加令牌」→ 按默认设置生成即可拿到你的 API Key。

访问 api.884819.xyz，用用户名+密码直接注册（无需邮箱验证），注册后即送体验token，可以直接开始测试。

第二步：在Kiro中配置自定义模型

打开Kiro设置（Ctrl+, 或 Cmd+,），找到 Models → Custom Endpoint，填入以下配置：

{
  "customModels": [
    {
      "name": "8848AI-GPT",
      "provider": "openai-compatible",
      "endpoint": "https://api.884819.xyz/v1",
      "apiKey": "YOUR_API_KEY_HERE",
      "modelId": "gpt-5.4",
      "maxTokens": 8192
    },
    {
      "name": "8848AI-DeepSeek",
      "provider": "openai-compatible",
      "endpoint": "https://api.884819.xyz/v1",
      "apiKey": "YOUR_API_KEY_HERE",
      "modelId": "deepseek-ai/deepseek-v3.2",
      "maxTokens": 8192
    }
  ],
  "defaultModel": "8848AI-GPT"
}

把 YOUR_API_KEY_HERE 替换成你在8848AI控制台生成的Key，保存配置。

第三步：验证接入成功

在Kiro的对话框发送一条测试消息：

请用一句话介绍你自己，并说明你是哪个模型。

如果在3秒内收到响应，且内容正常，接入成功。如果超时或报错，检查API Key是否复制完整，Endpoint地址是否有多余空格。

💡 本文实战部分使用的是 8848AI 提供的 API 服务。
它兼容 OpenAI 接口格式，支持 GPT-5.4、Claude、DeepSeek 等主流模型，国内直连无需代理。

👉 API地址：api.884819.xyz
注册后即可获得免费额度，配合 Kiro 使用体验极佳。

第四章：Spec驱动开发实战——30分钟搭建"每日AI简报"工具

理论讲完了，来做一个真实的东西。

目标：一个命令行工具，自动抓取指定RSS源 → 调用AI生成摘要 → 输出为Markdown文件。

实用场景：每天早上运行一次，自动生成当天的科技新闻简报。

步骤一：写Spec（约8分钟）

在Kiro面板新建Spec，文件名 daily-brief.spec.md，内容如下：

# 每日AI简报工具

## 功能需求
- 从指定的RSS URL列表抓取最新文章（最多10条/源）
- 调用AI API对每篇文章生成100字以内的中文摘要
- 将所有摘要整合，输出为带日期的Markdown文件
- 支持通过命令行参数指定RSS源列表和输出路径

## 技术约束
- 语言：Python 3.10+
- 依赖库：feedparser、requests、openai
- AI调用：使用OpenAI兼容接口，endpoint和key从环境变量读取
- 错误处理：单条RSS抓取失败不影响其他源的处理

## 验收标准
- [ ] 运行 `python brief.py --rss https://example.com/feed` 能生成Markdown文件
- [ ] 生成的文件包含文章标题、原文链接、AI摘要三个字段
- [ ] 处理10条文章的总耗时不超过60秒

写Spec的关键：功能需求说"做什么"，技术约束说"怎么做"，验收标准说"做到什么算完成"。三者缺一不可。

步骤二：让Kiro拆解任务（约2分钟）

Spec写完后，点击Kiro面板的"Generate Tasks"按钮。Kiro会分析Spec，自动拆解出执行计划：

任务1：初始化项目结构，创建 brief.py 和 requirements.txt
任务2：实现RSS抓取模块（feedparser）
任务3：实现AI摘要调用模块（openai兼容接口）
任务4：实现Markdown输出模块
任务5：整合命令行参数解析（argparse）
任务6：添加错误处理和日志输出

这个拆解过程是Kiro最有价值的地方——它把你的"想要什么"翻译成了"分几步做"，而且每一步都可以单独审查、修改、重新执行。

步骤三：Agent逐步执行（约15分钟）

点击"Run All Tasks"，Agent开始逐步执行。你可以在执行日志里看到每一步的进展：

[Task 1] ✅ 创建项目结构完成
[Task 2] ✅ RSS抓取模块完成，已测试feedparser解析
[Task 3] ⏳ 正在生成AI摘要模块...

执行过程中，你不需要盯着看，但建议每完成一个Task就检查一下生成的代码是否符合预期。如果某个Task的结果不对，可以直接在Spec里修改对应的需求描述，然后单独重跑这个Task。

步骤四：配置Hook自动触发测试（约5分钟）

在Kiro面板创建一个Hook：

{
  "name": "auto-test",
  "trigger": "onFileSave",
  "pattern": "brief.py",
  "command": "python -m pytest tests/ -v"
}

这样每次保存 brief.py，Kiro会自动运行测试，确保修改没有破坏已有功能。

实战耗时记录

同样的功能，如果用传统方式（直接开始写代码，边写边想边改），体感上至少需要1.5-2小时，而且最后的代码结构往往比较混乱。Spec驱动的优势不只是快，而是生成的代码结构更清晰，因为需求本身就被整理清楚了。

第五章：进阶技巧 & 高频问题FAQ

Spec写作模板（直接复制使用）

# [项目/功能名称]

## 功能需求
- [用户能做什么 / 系统应该做什么]
- [关键业务逻辑]

## 技术约束
- 语言/框架：
- 不能使用的库或方案：
- 性能要求：
- 接口格式：

## 边界条件
- 输入异常时的处理方式：
- 不在本次范围内的功能：

## 验收标准
- [ ] [可测试的具体条件1]
- [ ] [可测试的具体条件2]

FAQ：5个高频问题

Q1：Token超限，Agent执行到一半停了怎么办？

把Spec拆得更细，一次只执行2-3个Task。或者在Spec里明确写"代码文件不超过200行"，让Agent自动拆分模块。

Q2：Spec写不好，Agent生成的代码总是跑偏？

先检查"验收标准"部分是否足够具体。模糊的验收标准是AI跑偏的根本原因。把"功能正常"改成"运行X命令后输出Y格式的文件"，立竿见影。

Q3：Hook触发失败，测试没有自动运行？

检查两点：① command 里的命令在终端手动运行是否正常；② pattern 的文件路径是否和实际文件路径匹配（注意相对路径vs绝对路径）。

Q4：Kiro默认模型在国内访问不稳定怎么办？

换成第三方兼容接口是最省心的方案，比如 api.884819.xyz，配置一次永久有效，国内直连稳定，支持DeepSeek、GPT、Claude等主流模型。

Q5：Kiro适合什么项目，什么场景暂时不适合？

适合：有明确需求的功能模块开发、API集成、数据处理脚本、后端服务开发。

暂时不适合：需要大量UI调试的前端项目（Kiro的视觉反馈较弱）、实时性要求极高的场景（Agent执行有延迟）。

写在最后

回顾一下你刚才完成的事情：

• ✅ 安装并配置了Kiro（Windows/macOS通用）
• ✅ 接入了国内可用的第三方AI API，解决了网络和成本问题
• ✅ 理解了Spec → Agent → Hook的完整工作流
• ✅ 用Spec驱动方式，在约30分钟内完成了一个真实可用的工具

现在，把今天学到的方法用到你自己的项目里。选一个你最近想做但一直没动手的小工具，先写Spec，再让Kiro帮你生成——你会发现，需求想清楚的那一刻，代码就已经完成一半了。

下一篇预告

Kiro的Spec驱动用顺手之后，你会遇到一个新问题：当项目变大，Spec文档本身也开始难以维护——功能之间有依赖，改了一个Spec可能影响三个模块，该怎么管理？

下一篇，我们聊聊如何用 Kiro + 多Agent协作 管理中大型项目，以及怎么让AI帮你"审查Spec本身"，在写代码之前就发现需求漏洞。

关注专栏，更新时第一时间收到通知。

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

新用户新用户注册即送体验额度。 访问 api.884819.xyz，用户名+密码直接注册，无需邮箱验证

AI工具 #Kiro #AI编程 #8848AI #Spec驱动开发 #Amazon #代码生成 #AI教程