Kiro CLI 来了：终端里直接跑 AI Agent，SSH 远程服务器也能用
上周还在说 Kiro Web 可以浏览器里写代码，这周 Kiro 又放了个大招——CLI 版本。
一行命令装好，终端里直接跟 AI Agent 对话、改代码、跑任务。关键是：SSH 到远程服务器上也能用。对于常年泡在终端里的后端同学来说，这比开 IDE 顺手多了。
为什么需要终端版
我日常开发环境是这样的：本地一个 iTerm2 开 6 个 tab，3 个 SSH 到不同的开发机。IDE 是用，但很多时候改个配置、调个脚本、看个日志，都是在终端里完成的。
之前用 Kiro IDE 版，遇到一个尴尬的问题：我 SSH 到服务器上发现一个 bug，想让 AI 帮忙修，得把代码拉到本地、打开 IDE、等 Agent 改完、再推上去。来回折腾 5 分钟，手动改可能 30 秒就搞定了。
现在有了 Kiro CLI，直接在 SSH session 里就能让 Agent 帮忙干活。
安装
一行搞定：
curl -fsSL https://cli.kiro.dev/install | bash
支持 macOS 和 Linux。装完之后 kiro 命令就能用了。
验证一下：
kiro --version
如果你在公司网络环境下，可能需要配代理：
export HTTPS_PROXY=http://your-proxy:8080
curl -fsSL https://cli.kiro.dev/install | bash
基本用法
最简单的方式，在项目目录下直接跑：
cd ~/projects/my-app
kiro
进入交互模式后，直接用自然语言描述你要做什么：
> 帮我把 src/api/handler.py 里的数据库连接改成连接池模式，池大小 10
Kiro 会读取项目上下文，生成代码 diff，问你要不要应用。
如果是一次性任务，不想进交互模式：
kiro "修复 tests/test_auth.py 里失败的测试用例"
Autopilot 模式
这个功能我觉得很有意思。开启 Autopilot 后，Kiro 会自主完成大型任务，不需要你一步一步指导：
kiro --autopilot "把项目从 Express.js 迁移到 Fastify，保持所有 API 端点兼容"
Agent 会自己分析代码结构、规划迁移步骤、逐个文件修改、跑测试验证。中间遇到需要执行命令的地方会问你确认。
我试了一下把一个 500 行的 Flask 应用改成 async 模式，Kiro 花了大概 3 分钟，改了 12 个文件，跑通了所有测试。手动做这事估计得半小时。
不过有个注意点：Autopilot 模式下跑脚本或命令之前都会先问你，不会偷偷执行 rm -rf 之类的操作。
SSH 远程开发
这是 CLI 版本的核心卖点。SSH 到远程服务器后，Kiro 能直接在远程环境里工作：
ssh dev-server
cd /opt/services/payment-api
kiro "分析最近的错误日志，找出频率最高的异常，给出修复建议"
Kiro 会读取服务器上的文件、分析日志、给出修复方案。不需要把文件同步回本地。
一个真实场景：线上服务报 OOM，我 SSH 上去之后：
kiro "分析 /var/log/app/gc.log 最近 1 小时的 GC 日志，找出内存泄漏的可能原因"
Kiro 看完日志直接指出是某个 HashMap 没释放，还给了修复代码。这在 IDE 里做不到——IDE 又看不到服务器上的日志文件。
Steering 文件
Kiro 支持 steering 配置文件，让 Agent 了解你的项目规范：
kiro steering add "所有 Python 代码使用 Black 格式化，行宽 88"
kiro steering add "API 返回值统一用 {code, data, message} 结构"
kiro steering add "日志使用 structlog，不用 print"
配置保存在项目根目录的 .kiro/steering.md 里。之后每次 Agent 生成代码都会遵守这些规则。
团队协作时把这个文件提交到 Git 仓库，所有人的 Kiro 都会遵守同样的规范。比在 README 里写一堆规范然后没人看要有效得多。
和 MCP 集成
Kiro CLI 原生支持 MCP（Model Context Protocol），可以连接外部数据源：
{
"mcpServers": {
"postgres": {
"command": "mcp-server-postgres",
"args": ["postgresql://localhost/mydb"]
},
"docs": {
"command": "mcp-server-fetch",
"args": []
}
}
}
配好之后，Kiro 能直接查数据库、读文档、调 API。比如：
kiro "查一下 users 表里最近 7 天注册但没激活的用户数量，然后写个提醒邮件的 Lambda 函数"
Agent 会先通过 MCP 查数据库拿到数据，再根据实际情况写代码。不是凭空编造，而是基于真实数据。
实际使用感受
用了一周，说几个真实体验：
好的方面：
- 终端里随时能用，不用切窗口
- SSH 场景下特别方便，调试线上问题效率翻倍
- Steering 文件真的有用，Agent 生成的代码风格一致
- Autopilot 处理重复性重构任务很快
需要注意的：
- 大项目首次分析需要一点时间（500+ 文件的项目大概 10 秒）
- 网络不好的时候响应会慢，毕竟要调模型
- 复杂的架构决策还是得自己拿主意，Agent 给建议但不能替你做技术选型
模型选择
Kiro CLI 默认用 Claude Sonnet 4.5，也支持 Auto 模式（自动选模型平衡质量和成本）：
# 默认 Sonnet 4.5（推荐日常开发）
kiro "重构这个函数"
# Auto 模式（混合模型，性价比高）
kiro --model auto "生成单元测试"
底层走的是亚马逊云科技 Bedrock，不需要自己配 API Key，Kiro 账号自带额度。
和 IDE 版的区别
| Kiro CLI | Kiro IDE | |
|---|---|---|
| 安装 | 一行 curl | 下载安装包 |
| 使用场景 | 终端/SSH/CI | 本地开发 |
| 代码 diff | 文本形式 | 可视化 |
| Agent Hooks | 支持 | 支持 |
| MCP | 支持 | 支持 |
| 适合 | 后端/运维/DevOps | 前端/全栈 |
不是谁替代谁的关系，而是互补。我现在本地开发用 IDE 版，SSH 调试用 CLI 版。
小结
Kiro CLI 版本解决了一个真实痛点：AI 编码工具不应该只活在 IDE 里。
开发者的工作环境是多样的——本地终端、远程服务器、CI 流水线、容器内部。代码写在哪里，AI 助手就应该能在哪里帮忙。
装一行命令试试：curl -fsSL https://cli.kiro.dev/install | bash
以上内容基于 Kiro 官方文档和实际使用体验整理。Kiro 由亚马逊云科技提供支持，更多信息见 https://kiro.dev
浙公网安备 33010602011771号