用 Kiro 构建零依赖 Python 自动化骨架
CrewKit 用 433 行纯 Python 标准库代码封装调度、配置、状态持久化和通知,并支撑任务提醒机器人与价格监控两个应用。作者通过 .kiro 中的规则文件约束 AI 编码过程,展示了复用基础设施的实践。
AI 深度解读
CrewKit 想解决一个重复劳动:每做自动化项目,都要重新写调度、配置、崩溃后可恢复的状态,以及通知人的逻辑。作者用 Kiro CLI 搭出一个 433 行、零依赖的 Python 核心,再用两个应用验证它能否复用。
对程序员更有参考价值的,是作者怎样约束 AI:先写边界和验收条件,再让代理实现,最后用测试判断是否完成。不过,测试通过与框架经得起更多业务,仍然是两回事。
433 行核心,究竟复用了什么
CrewKit 是作者参加 Kiroween 2026 黑客松 Skeleton Crew 类别的作品。这个类别要求提交精简的骨架模板,并用两个不同应用证明它可用。
作者提取了五个核心模块:config、clock、store、notify、runner,分别处理配置、时间、状态存储、通知与任务执行。核心只用 Python 标准库,没有第三方依赖;预设行数预算是 700 行,最终实现为 433 行。
骨架上长出了两个应用:
- Telegram 任务提醒机器人支持
/add、/list、/done,并提醒到期任务。 - 价格监控通知器从 JSON-LD 提取价格,达到目标价格时发送提醒。
JSON-LD 可以理解为网页里供程序读取的结构化数据。这里的价格提取路径是读取这类数据,原文没有展示它对不同网站的覆盖程度。
两个应用共用底层能力,业务入口和判断条件各不相同。要让这种复用成立,作者还规定:应用只能访问核心的公开 API,不能伸手依赖内部实现。
AI 的完成条件,为什么要提前写进文件
作者认为,Kiro 改变工作方式的关键,是把 .kiro 目录当成开发契约。
第一层是 steering 文件:product.md、tech.md、structure.md。它们在代码出现前固定约束:只能用标准库、核心不超过 700 行、应用只能调用公开 API,而且每个应用必须提供可离线运行的 --demo 模式。
第二层是规格:requirements.md 中的 R1–R6、design.md 和 tasks.md。这些文件把核心按模块拆开,并写明失败策略:单个任务抛出异常,不能让整个执行循环退出。对于持续运行的自动化程序,这比演示时能成功执行一次更关键。
第三层才是执行代理。作者通过 kiro-cli agent create 创建了 crewkit-builder,要求它遵守 steering 和 spec,并把 python3 tests/selftest.py 通过作为结束条件。另有 hook 在 Python 文件被修改后重新运行自测,尽早发现回归。
把「看起来写完了」改成「满足可检查的验收条件」,是这套流程最值得借鉴的部分。
据作者描述,两个 Kiro CLI 会话分别完成核心和两个应用,测试从 32 个增加到 34 个,实现代码大多由 AI 编写。作者的主要工作转向写清需求、检查结果证据。
离线演示让验证更容易,但证明范围有限
作者给出了从干净检出开始、离线验证的命令。它们分别检查测试集,以及两个应用的演示输出:
python3 tests/selftest.py # 34 tests, ~0.25 s
python3 apps/telegram-task-bot/bot.py --demo # prints a due-task reminder
python3 apps/price-watch/watch.py --demo # prints a price-drop alert
要留意后两行的 --demo:它们用于离线打印到期提醒和降价通知,不能据此推断真实 Telegram 通信、线上网页解析都经过了同等验证。34 个测试约耗时 0.25 秒,也是作者报告的结果,原文没有展开测试覆盖范围。
项目以 MIT 许可开放,并包含完整 .kiro/ 目录;作者还提供了在线演示站和一段 2:42 的演示视频。这让开发规则也成为可检查的交付物。
后续计划包括增加 ntfy、Slack 通知出口,加入 RSS 摘要应用,以及提供 crewkit new <app> 脚手架命令。这些仍是计划。作者自己也保留了疑问:两个应用能跑通,第三个才能进一步检验它是不是通用模板。
我的判断
我认同先写契约、再让 AI 实现的方向,尤其是公开 API 边界、异常隔离和离线演示要求。它们把模糊期待变成了可以审查的工程约束。
但「确定性测试通过」只能说明实现满足了已有测试。需求漏掉什么,测试也可能一起漏掉。原文没有提供与普通提示词开发、其他代理工具或人工实现的对照数据,因此效率提升仍属于作者的经验描述,不能据此认定 Kiro 必然更快。
433 行和零依赖也有适用前提。对于小型自动化骨架,它们有助于控制复杂度;换成需求更重的团队项目,成熟框架提供的能力可能更省维护成本。行数预算适合提醒团队克制扩张,不适合单独充当质量指标。
能拿来做什么
- 给日常 AI 编程任务写一份短契约,明确依赖限制、模块边界、失败行为和验收命令,让代理有具体的完成条件。
- 开发 Node 定时任务或通知工具时,先规定单个任务失败后主循环如何处理,再把这一行为纳入测试。
- 给依赖外部服务的工具增加离线演示入口,让评审者先验证业务流程,再单独检查真实服务接入。
- 抽公共模块时,用第二个、第三个真实应用检查边界;如果应用持续绕过公开 API,就重新审视抽象是否合适。