KiroCrew

让AI开发任务跨会话持续进行，越用越聪明

KiroCrew 是一个面向开发工作的持久化智能体工作区，旨在解决传统 AI 编程助手在会话结束后上下文丢失、无法持续迭代的问题。它允许用户创建多个智能体（Crew），每个智能体拥有独立的工作区，能够保存任务状态、文件和历史记录，从而在多次会话中持续工作并自我改进。核心能力包括：任务分解与执行、文件系统操作、代码生成与修改、基于过往经验的自我优化，以及通过命令行或 API 进行交互。它基于 Python 构建，支持与主流 LLM 集成，适合需要长期、复杂开发任务的场景。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4105

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队kirodotdev

所属国家

官网地址https://kiro.dev/crew

GitHubhttps://github.com/kirodotdev/KiroCrew

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,agentic-ai,agents,ai-agent,ai-agents,automation,devtools,kiro,llm

GitHub 星标★ 4105

30天Star增速

HF 下载量

上线时间2026-07-16 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数6

使用教程

难度：入门约 10 分钟部署方式：本地安装 8 步

环境要求

macOS、Linux 或 Windows（Docker、源码安装另有说明）
首次启动需联网完成 kiro-cli 安装与 Kiro 设备码登录
选择系统 Python 时需 Python 3.12+；默认使用托管 Python，无需自备
Docker 方式需能拉取 ghcr.io 公共镜像

安装与启动步骤

1一行命令安装

从发布 CDN 安装经过 SHA-256 校验的预构建 wheel，无需克隆仓库或本地 npm 构建。
```
curl -fsSL https://download.crew.kiro.dev/cli.sh | sh
```
2首次登录

首次启动会自动安装 kiro-cli 并引导完成 Kiro 设备码登录，按终端提示操作即可。
3打开仪表盘

浏览器访问本机 5476 端口即可开始对话；Web 仪表盘不需要任何消息渠道凭据。
4切换发布通道

stable 为默认通道，需要更新更快的版本时可选 insider 或 nightly。
```
curl -fsSL https://download.crew.kiro.dev/cli.sh | sh -s -- --channel insider
```
5固定指定版本

指定确切的 wheel 版本安装，用于锁版本或回滚排查问题。
```
curl -fsSL https://download.crew.kiro.dev/cli.sh | sh -s -- --version 0.1.0
```

6Docker 常驻部署

适合 7x24 服务器，用卷持久化 /home/kirocrew，端口默认只绑到回环地址。

docker run -d --name kirocrew
  -p 127.0.0.1:5476:5476
  -v kirocrew-home:/home/kirocrew
  ghcr.io/kirodotdev/kirocrew:stable

7安装后台服务

在 Linux 装 systemd 服务、macOS 装 launchd agent，让网关常驻并方便查看日志。
```
kirocrew service install
kirocrew service status
kirocrew logs
```
8修改服务端口

5476 被占用时换个端口安装服务，该值会被写进 unit；事后可改环境文件再重启。
```
KIROCREW_PORT=5477 kirocrew service install
```

关键配置

配置项	必填	说明	示例
`agent.provider`	是	智能体运行时提供方，默认走 acp。	`acp`
`agent.approval_mode`	否	工具调用审批模式，interactive 表示逐次交互确认。	`interactive`
`agent.sandbox`	否	沙箱策略，auto 由系统自动决定运行隔离方式。	`auto`
`KIROCREW_PORT`	否	网关监听端口，默认 5476，安装服务时写入 unit。	`5477`
`KIROCREW_HOME`	否	用户数据目录，容器部署需挂载它以保留状态。	`/home/kirocrew`
`KIROCREW_EMBED_MODEL_URL`	否	离线环境下指向嵌入模型镜像地址。	`https://your-mirror/models`

如何确认成功

浏览器打开 http://localhost:5476 能加载仪表盘并发起一次对话；服务部署可用 kirocrew service status 与 kirocrew logs 确认运行状态。

常见问题

Q：5476 端口被占用怎么办？

A：安装服务时用 KIROCREW_PORT=5477 kirocrew service install 换端口；已安装的可编辑 /etc/kirocrew/kirocrew.env 后执行 sudo systemctl restart kirocrew。

Q：不想用安装器自带的托管 Python？

A：加 --system-python 改用系统解释器（需 Python 3.12+），该选择会被记录并在后续更新中保持；想改回托管模式用 --managed-python。

Q：语义记忆需要额外配置吗？

A：不需要。嵌入在本进程内运行，网关首次启动会在后台下载并校验模型到 ~/.kiro/crew/models；未下载完时记忆搜索自动回退关键词搜索，无需重启。

Q：容器重建后会话和配置会丢吗？

A：会。必须挂载 KIROCREW_HOME 选定的目录（示例为 /home/kirocrew），这样会话、配置、记忆与凭据才能跨容器替换保留。

Q：需要把仪表盘端口开放到公网吗？

A：一般不需要。除 Teams 需要公共 HTTPS webhook、iMessage 连接本机 Messages.app 外，各消息渠道都是出站连接；网关端口建议保持仅回环可访问。

注意事项

用户数据默认位于 ~/.kiro/crew，模型存放在 ~/.kiro/crew/models。
安装器会把通道（stable/insider/nightly）记录在 ~/.kiro/crew/channel，重跑安装会沿用之前的 Python 选择。
v0.2.0 之前版本安装的 systemd unit 缺少 EnvironmentFile 指令，需重跑 kirocrew service install 或改用 drop-in。
当前部署模型要求网关、智能体会话运行时、ACP 进程与状态同机部署，具体配置用 kirocrew config get/set/edit 管理。

核心亮点

持久化工作区：任务状态和文件跨会话保留，无需重复上下文
多智能体协作：支持创建多个Crew并行处理不同任务
自我改进机制：基于历史经验优化后续任务执行策略

不足之处

项目较新，文档和社区生态尚待完善
依赖外部LLM API，可能产生较高使用成本

适用场景

长期维护的代码库重构与功能迭代
复杂多步骤开发任务需要跨天执行
团队协作中共享智能体工作区

替代项目

AutoGPT、MetaGPT、CrewAI

项目介绍

KiroCrew 是智能体领域的开源项目，由 kirodotdev 开发，是 2026 年新上线的项目。

在全站 13,014 个收录项目中，它的 GitHub 星标数（4,105）位列前 30%，在智能体分类的 2,499 个项目里位列前 11%。

近 45 天，它的 GitHub 星标从 2,444 增加到 4,105，净增 1,661。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：长期维护的代码库重构与功能迭代。同类可对比的替代方案包括 AutoGPT、MetaGPT、CrewAI。

上一篇：fulling

下一篇：index