AiDuo123 Logo
简体|繁體
充值登录注册
★ 946· 72 forks· Python· Apache-2.0自托管

KiroCrew:跨会话持久化的本地 AI 开发助手

kirodotdev/KiroCrew

可本地部署的持久化 AI 工作空间,支持桌面/Web/CLI/Slack 多端协同,任务跨会话自动执行并自我学习优化

成熟度：维护活跃,最近提交今日,open issues 259 个显示功能快速迭代中

GitHub 仓库 → HN 讨论 · 9 点对标：Cursor/GitHub Copilot Workspace

项目体检

部署 · Docker 单容器部署(docker run 映射 5476 端口),或 pip 安装后 kirocrew gateway 启动;桌面应用自带网关自动启动

成本 · 需 Python 3.10+、Node.js 18+,首次启动需 Kiro CLI 设备码登录;可选配置 Slack/Telegram/企业微信集成实现多端协同

技术 · Python 后端 + Node.js 前端,基于 setuptools 构建系统,支持 macOS/Linux/Windows 跨平台

许可 · Apache-2.0 协议,允许商用、修改和分发,需保留版权声明

活跃 · 最新版本 v0.1.2 发布于 2 天前,37 位贡献者参与,今日仍有代码提交,活跃度高

解决什么

传统 AI 编程助手(如 Cursor、GitHub Copilot)的会话在关闭窗口后即终止,上下文和任务进度无法延续。KiroCrew 通过持久化工作空间解决这一痛点:任务可跨会话继续执行,定时任务无需人工值守,历史对话和项目上下文在重启后仍可访问。开发者可在桌面应用开始一个重构任务,切换到 Slack 继续跟进,系统在后台自动完成多步骤操作并记录学习经验。

为何火

项目上线 20 天即获得 946 stars,核心吸引力在于三点:一是数据主权,完全本地运行避免代码上传云端;二是跨会话记忆,AI 能记住你上周说的"前端检查必须在提交前运行"并持续应用;三是多端统一,桌面/Web/CLI/Slack 共享同一个 AI 实例和上下文。对比商业工具按月订阅且数据托管的模式,开源自托管方案在企业内网和敏感项目中更具优势。

核心功能

  • 持久化会话:多个并发对话可独立运行,网关重启后自动恢复,支持历史搜索和上下文继承
  • 自我学习:将用户纠正和任务失败转化为持久化经验,后续自动应用(如"部署前必须跑测试")
  • 定时与监控任务:支持 cron 定时任务和心跳监控,无需人工值守持续运行
  • 多端协同:桌面应用、Web 仪表盘(默认 5476 端口)、CLI、Slack/Telegram/企业微信共享同一工作空间
  • 技能库演进:重复模式自动提取为可复用技能,记忆/经验/技能可视化编辑

安装

方式一:一键脚本(推荐国内用户先配置代理)

curl -fsSL https://download.crew.kiro.dev/cli.sh | sh
# 启动后访问 http://localhost:5476

方式二:Docker 部署

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

方式三:源码构建(需 Python 3.10+、Node.js 18+)

git clone https://github.com/kirodotdev/KiroCrew.git
cd KiroCrew && make build
source .venv/bin/activate
kirocrew setup && kirocrew gateway

首次启动需通过设备码登录 Kiro 账户,Web 仪表盘可直接使用,Slack 等集成需额外配置 OAuth 凭证。

适合谁

  • 需要长期任务管理的独立开发者:如每日自动拉取依赖更新、周末运行性能测试
  • 注重数据安全的团队:代码和对话完全本地存储,可部署在内网服务器
  • 多设备工作的远程工作者:在办公室桌面应用开始任务,通勤时用手机 Slack 继续跟进
  • 需要 AI 记住项目规范的场景:如"提交前必须更新 CHANGELOG""测试覆盖率不低于 80%"

不适合纯云端协作或不想自建服务的用户,商业 SaaS 工具(Cursor/Copilot)开箱即用体验更好。

社区评价

暂无足量社区公开讨论,以下为基于项目本身的中立评估:

从 GitHub 活跃度看,项目处于快速迭代期(259 个 open issues 反映功能需求旺盛),37 位贡献者参与显示社区初具规模。技术选型(Python 后端 + Node.js 前端)较为主流,Apache 2.0 协议对商业友好。潜在争议点可能在于:首次使用需注册 Kiro 账户(虽然数据本地存储),以及 LLM API 配置对国内用户有一定门槛。项目文档较完善(含 Slack/Docker/Windows 专项指南),但作为新项目(上线不足一个月)稳定性和生产环境案例仍需观察。

选型对比

vs Cursor/GitHub Copilot Workspace

  • KiroCrew 优势:数据完全本地、跨会话记忆、支持定时任务、开源可定制
  • 商业工具优势:开箱即用、云端同步、IDE 深度集成、模型调优更好

vs Aider/Continue 等开源工具

  • KiroCrew 特色:持久化工作空间(非单次会话)、多端统一界面、自学习能力
  • 同类工具:Aider 更轻量(纯 CLI)、Continue 深度集成 VSCode,但都缺乏跨会话任务管理

选型建议:需要长期运行任务或数据敏感场景选 KiroCrew,追求即时编码体验选 Cursor,轻量级使用选 Aider。

已知坑

  1. LLM API 依赖:需自行配置 OpenAI 等 API,国内用户需处理网络访问问题或对接国内大模型(文档未明确支持的国产模型列表)
  2. Kiro 账户必需:虽然数据本地存储,但首次启动仍需注册 Kiro 账户完成设备码认证,对离线环境不友好
  3. Windows 支持滞后:暂无桌面应用,需通过源码安装运行网关
  4. 资源占用:持久化运行意味着需常驻后台,Docker 部署建议至少 2GB 内存
  5. Slack 集成配置复杂:需创建 Slack App 并配置多个 OAuth scope,文档虽详细但步骤较多

据 README,项目明确标注 macOS/Linux 为一级支持平台,Windows 通过源码安装属实验性支持。消息集成(Slack/Telegram)采用出站连接,无需公网暴露端口,但初次配置门槛较高。

安装方式：pip/Docker/桌面应用

← 浏览全部项目