Kiro 正式可用，系列核心功能迎来升级

11 月 18 日，亚马逊云科技宣布 Kiro 现已正式可用，用户在 IDE 与终端中可与团队一起构建更强大的 AI 研发工作流。

过去数月，Kiro 持续引入远程 MCP、全局 steering 文件、开发服务器支持、Auto agent 以及通过可选任务提升 Specs 灵活性。此次正式可用，Kiro 还进一步带来基于属性的测试、进度检查点、全新的 Kiro CLI 和团队版订阅等多项能力，为用户在 AI 研发工作流中的规划、协作与交付提供更强支持。

据介绍，Kiro 正式版发布带来了一系列全新的核心功能升级。

• 借助属性测试（PBT）度量“规范正确性”

AI 代码生成存在一个根本性的问题：用户如何知道生成的代码真的是按其所指定的方式运行？传统的单元测试仅验证特定例子。无论测试编写者是人还是 AI，都受限于自身思维定势，他们必须考虑所有不同、具体的场景去测试代码，而他们会遗漏那些没想到的边缘情况。AI 模型则通过修改测试而不是修复代码，或者陷入无尽循环修复问题。

基于属性的测试（Property-based testing，PBT）则正为解决这一挑战而生，它能够通过检测代码是否符合规范定义的行为来解决上述问题。与测试具体示例不同，Kiro 会深入分析项目规范，提取出代表系统应有行为的通用属性，并据此进行验证。

这里所说的属性（Property）是一个普适性声明：对于任何一组输入，只要某些先决条件成立，某个断言（预期行为）就应为真。例如：“对于任何已验证用户和任何活跃列表，该用户可以查看该列表。”Kiro 能够协助用户使用 EARS 格式撰写规范。Kiro 会从相关需求中提取属性，确定哪些可以进行逻辑测试，然后生成成百上千个随机测试用例来检查用户代码。以构建一个汽车销售应用为例：

• 传统单元测试方法：用户将第 5 号车加入收藏，结果第 5 号车出现在其列表中。

• 属性测试方法：对于任何用户和任何汽车列表，当用户将其添加到收藏夹时，系统应在该用户的收藏夹列表中显示该汽车。PBT 随后会自动测试用户昵称中包含特殊字符、多用户同时添加、不同汽车状态等数百种组合，捕获边缘案例，真正验证“实现是否匹配意图”。

在整个过程中，PBT 通过一种被称为“收缩”（shrinking）的技术不断寻找反例，几乎就像一支试图破坏用户代码的“红队”。当发现违规或反例时，Kiro 可以自动更新用户的实现，或提供选项以调整规范、修改实现，或修正相应的 PBT 测试。这样，虽然 PBT 不能完全证明代码的正确性，但它能够在大量无法通过手动方式逐一编写的测试场景下提供实现正确性的依据，从而展示实现是否真正符合预先定义的行为。

• 借助检查点（Checkpointing）回溯变更

用户现在可以回溯到 Agent 执行流中的任何一个历史变更点。Kiro 会在 Agent 每次执行变更或操作时生成一个检查点。用户可以回滚任意步，而不会丢失进度或重复消耗算力。当在任务实现中走了很远，但不想丢失进度时，这非常有用。

这一功能在任务执行至关键阶段时尤为实用：既可避免因操作失误导致的进度丢失，也无需消耗额外额度重复完成已开展的工作。

• Multi-root 工作区支持

Kiro 现已支持同时跨多个项目根目录进行协作。对于单个项目包含多个 Git 子模块或多个代码包的团队而言，如今都可以跨所有项目根目录与 AI Agent 协作。

常规的 Kiro 工作区仅包含一个单独的“root”文件夹（例如/users/bob/my-project）。启用多工作区支持后，单个 Kiro 工作区可设置多个根目录，例如一个工作区中可同时将/users/bob/my-project 和/shared/utils/auth 设为顶级文件夹。

Kiro Agent 现在可以在用户的终端中使用。借助 CLI，用户可以在数秒内构建功能、自动化工作流、分析错误、追踪 bug 并提出修复建议，所有操作都在用户所选择的终端中进行，以高度交互的循环保持工作流。Kiro CLI 与 Kiro IDE 中的 steering 文件和 MCP 设置共享，使用户和团队在两个环境中都可使用相同的工具和偏好。

Kiro CLI 将 Kiro 的全部能力带到了终端，包括 Claude Sonnet 4.5、Claude Haiku 4.5 和 Auto Agent，以及引导文件、高级上下文管理和用于本地读写文件、调用 API、运行 Bash 命令的 MCP 工具。规范创建支持即将推出，但用户已经可以在 CLI 中使用现有规范。

CLI 还支持定制 Agent，即用户为特定任务打造的专业化 AI 助手，使用预批准的工具权限、上下文文件以及自定义 prompt 进行优化。

例如，用户可以有一个后端专家 Agent 专注于 API 模式和 schema；或者一个前端 Agent 只了解用户组件体系。每个 Agent 都会将上下文窗口专注于关键内容，用户可以将定制 Agent 视为一种高度精确封装专业知识的方式，使 Kiro 能够作为该领域专家发挥作用，而无需用户重复输入信息或担心上下文衰退。