هوش مصنوعی Kiro چیست؟ معرفی امکانات و آموزش کار با Kiro AI

تولید چند فایل کد با یک پرامپت آسان است؛ اما تبدیل همان کد به محصولی هماهنگ، قابل آزمایش و قابل نگهداری، چالش اصلی برنامه نویسان محسوب می شود. هوش مصنوعی Kiro برای حل این فاصله طراحی شده است. Kiro پیش از شروع کدنویسی، درخواست کاربر را به نیازمندی ها، طراحی فنی و وظایف اجرایی تبدیل می کند تا عامل هوش مصنوعی بداند دقیقاً چه چیزی، با چه ساختاری و براساس چه معیارهایی باید ساخته شود. اگر می خواهید بدانید Kiro چیست و چه تفاوتی با ابزارهایی مانند Cursor دارد، در این راهنمای آموزش کار با Kiro AI با امکانات، مدل ها، روش نصب، ساخت اولین پروژه و قیمت پلن های آن آشنا می شوید.

Kiro چیست و چگونه کار می کند؟

برای درک بهتر اینکه Kiro چیست، نباید آن را فقط یک چت بات یا ابزار تکمیل خودکار کد در نظر بگیریم. Kiro یک Agentic Development Environment یا محیط توسعه مبتنی بر عامل های هوشمند است. این ابزار می تواند ساختار پروژه را بررسی کند، برای انجام یک قابلیت برنامه ریزی داشته باشد، چند فایل را تغییر دهد، دستورهای لازم را اجرا کند و نتیجه را با تست یا معیارهای تعیین شده بسنجد.

نسخه اولیه هوش مصنوعی Kiro در ۱۴ ژوئیه ۲۰۲۵ توسط AWS معرفی شد. تمرکز اولیه آن روی Kiro IDE، قابلیت Specs و Agent Hooks بود؛ اما Kiro فعلی فقط یک IDE دسکتاپ نیست. این سرویس اکنون از طریق IDE، خط فرمان، مرورگر، موبایل و محیط متن باز Kiro Crew قابل استفاده است.

Agent می تواند هدف را مرحله بندی کند و با مجوز کاربر فایل بخواند، کد را ویرایش و تست را اجرا کند. همین ویژگی، هوش مصنوعی برنامه نویسی Kiro را به یک همکار مهندسی نزدیک می کند؛ با این حال تصمیم معماری، کنترل Diff، امنیت و تأیید نتیجه همچنان بر عهده توسعه دهنده است.

آیا برای استفاده از Kiro به حساب AWS نیاز داریم؟

خیر. اگرچه Kiro توسط Amazon Web Services ساخته و اداره می شود، کاربران شخصی می توانند با حساب Google، GitHub یا AWS Builder ID وارد شوند. سازمان ها نیز امکان استفاده از AWS IAM Identity Center یا ارائه دهنده هویت سازمانی را دارند. هوش مصنوعی Kiro به پروژه های میزبانی شده روی AWS محدود نیست و روی فناوری ها و زیرساخت های مختلف کار می کند.

ابزارهای تکمیل کد معمولاً ادامه یک خط یا تابع را براساس فایل باز پیشنهاد می کنند. هوش مصنوعی Kiro علاوه بر تولید کد می تواند روابط میان فایل ها، معماری پروژه، استانداردهای تیم و هدف نهایی یک قابلیت را بررسی کند. مثلاً برای افزودن نظر کاربران، Kiro پیش از ساخت API درباره سطح دسترسی، مدل داده، Endpointها و تست ها تصمیم گیری می کند.

توسعه مبتنی بر Spec در Kiro چیست؟

مهم ترین تفاوت Kiro با بسیاری از دستیارهای کدنویسی، رویکرد Spec-driven Development یا توسعه مبتنی بر مشخصات است. در این روش، عامل هوش مصنوعی پیش از تولید کد سه سند اصلی می سازد:

1. Requirements: نیازهای کاربر، User Storyها، محدودیت ها و معیارهای پذیرش را مشخص می کند.
2. Design: معماری، جریان داده، رابط ها، Endpointها و مدل های داده را توضیح می دهد.
3. Tasks: طراحی تأییدشده را به وظایف و زیرتسک های قابل اجرا تبدیل می کند.

برای بازیابی رمز عبور، هوش مصنوعی Kiro پیش از کدنویسی زمان انقضای لینک، ذخیره امن Token، Rate Limit و شرایط تأیید ایمیل را در Spec ثبت می کند. Specs قابل ویرایش اند و با تغییر Requirements می توان Design و Tasks را نیز هماهنگ کرد؛ بنابراین تصمیم ها در تاریخچه پرامپت گم نمی شوند.

تفاوت Spec-driven Development و Vibe Coding

Vibe Coding برای نمونه اولیه یا تغییر کوچک سریع است، اما ممکن است در پروژه پیچیده نیازهای پنهان، معماری و تست ها را نادیده بگیرد. Kiro در Spec Mode پیش از تولید کد درباره خروجی شفافیت ایجاد می کند:

• در Vibe Coding ابتدا کد تولید و بعد اصلاح می شود.
• در Spec-driven Development ابتدا نیاز، طراحی و مسیر اجرا بررسی می شود و بعد کد نوشته می شود.

برای تغییر کوچک Spec مفصل لازم نیست؛ اما در پرداخت، احراز هویت یا باز طراحی دیتابیس، برنامه ریزی احتمال خطا را کاهش می دهد.

مقایسه Kiro و Cursor؛ کدام بهتر است؟

Cursor بر تکمیل سریع و تعامل مستقیم با Codebase شناخته می شود؛ مزیت هوش مصنوعی Kiro تبدیل نیاز به Requirements، Design و Tasks قابل ردیابی است.

برای تکمیل لحظه ای، Cursor روان تر است؛ برای تصمیم معماری و مستندسازی، هوش مصنوعی برنامه نویسی Kiro مزیت دارد. در صورت انتخاب Cursor، درخواست خرید اکانت کرسر را ثبت کنید. بهتر است هر دو را روی یک Task مشابه از نظر کیفیت، اصلاح انسانی و هزینه بسنجید.

مهم ترین امکانات هوش مصنوعی Kiro

نسخه فعلی Kiro مجموعه ای از قابلیت های برنامه ریزی، کنترل زمینه، کدنویسی و خودکارسازی را در یک Agent Harness مشترک ارائه می کند. تنظیمات و اطلاعات موجود در پوشه .kiro/ نیز میان رابط های مختلف این سرویس قابل استفاده اند.

Kiro Specs

Specs برای ساخت قابلیت پیچیده، Refactor، مهاجرت فنی یا رفع باگی که به تحلیل ریشه ای نیاز دارد کاربرد دارد. هوش مصنوعی Kiro می تواند درخواست اولیه را به User Story و معیار پذیرش تبدیل کند، Codebase را برای طراحی راهکار بخواند و Tasks را براساس وابستگی مرتب سازد. هر Task می تواند به Requirement مرتبط متصل شود. این ارتباط قابلیت Traceability ایجاد می کند؛ یعنی تیم می فهمد هر تغییر برای پاسخ به کدام نیاز انجام شده است.

Steering

Steering اطلاعات ثابت پروژه را به Agent می دهد؛ مانند:

• معماری و ساختار پوشه های پروژه
• زبان، فریم ورک و کتابخانه های اصلی
• قواعد نام گذاری
• الگوی خطا و تست
• الزامات امنیت، دسترس پذیری و رابط کاربری

فایل های Steering داخل پروژه قرار می گیرند و می توان آن ها را با Git میان اعضای تیم به اشتراک گذاشت.

Agent Hooks

Hooks رویداد مشخصی در پروژه را به یک وظیفه Agentic متصل می کنند. برای نمونه می توان تعیین کرد:

• بعد از تغییر کامپوننت React، تست مرتبط بررسی شود.
• پس از ویرایش API، مستندات آن به روزرسانی شود.
• هنگام ساخت فایل جدید، استاندارد نام گذاری کنترل شود.
• قبل از Commit، فایل ها از نظر وجود Secret بررسی شوند.

برای جلوگیری از تغییر ناخواسته و مصرف Credit، رویداد، دامنه فایل و معیار Hook را دقیق تعیین کنید.

MCP، Skills و Custom Agents

هوش مصنوعی برنامه نویسی Kiro با MCP به سرویس ها، مستندات و APIهای خارجی متصل می شود؛ پس منبع و مجوز هر سرور را بررسی کنید. Skills دستورالعمل های تخصصی قابل استفاده مجدد هستند و Custom Agents نقش، ابزار و دسترسی مشخص دارند. Powers نیز بسته های آماده دانش و اتصال برای فناوری هایی مانند AWS، Stripe یا Figma هستند.

Sub-agents، Checkpoints و Kiroignore

Sub-agentها وظایف مستقل را انجام می دهند، Checkpoints امکان بازگشت تغییرات را می دهند و Kiroignore دسترسی Agent به Secretها و فایل های حساس را محدود می کند. هنگام کار هم زمان چند Agent روی فایل مشترک، تعارض را بررسی کنید.

Kiro از چه مدل های هوش مصنوعی استفاده می کند؟

Kiro به یک مدل واحد محدود نیست. در حالت Auto، سیستم براساس نوع وظیفه، پیچیدگی، کیفیت، سرعت و هزینه، مدل مناسب را انتخاب می کند. طبق صفحه رسمی قیمت گذاری، مدل های فعلی Kiro شامل گزینه هایی از این خانواده ها هستند:

• GPT-۵.۶ Sol، Terra و Luna
• Claude Opus ۵ و Opus ۴.۸
• Claude Sonnet ۵، Sonnet ۴.۶ و Sonnet ۴.۵
• Claude Haiku 4.5
• DeepSeek 3.2
• MiniMax M2.5
• GLM-5
• Qwen3 Coder Next

دسترسی و ضریب مصرف مدل ها ممکن است تغییر کند. برای کار ساده مدل کم هزینه و برای تحلیل معماری یا باگ چندفایلی مدل قوی تر منطقی است. برخلاف اطلاعات های قدیمی، هوش مصنوعی Kiro اکنون مدل های Anthropic، OpenAI و Open-weight دارد.

نسخه های مختلف Kiro چه کاربردی دارند؟

پاسخ کامل به سؤال Kiro چیست فقط به معرفی Kiro IDE محدود نمی شود. این سرویس در چند محیط قابل استفاده است:

Kiro IDE مبتنی بر Code OSS است و تنظیمات و افزونه های سازگار Open VSX را وارد می کند. Kiro Web نیز به GitHub و GitLab متصل می شود و Pull Request می سازد، اما تغییرات را خودکار Merge نمی کند.

عملکرد هوش مصنوعی Kiro در مقیاس واقعی

در بررسی رسمی Kiro از ژانویه تا ژوئن ۲۰۲۶، حدود ۱٫۵ میلیون گفت‌وگو و ۴۰۶ هزار فراخوان ابزار Diagnostics روی ۷ مدل Claude تحلیل شد. این آمار نشان می‌دهد پاسخ به پرسش Kiro چیست فقط به معرفی یک ابزار تولید کد محدود نمی‌شود؛ هوش مصنوعی Kiro فرایند شناسایی خطا و ارزیابی کد را نیز در مقیاس واقعی دنبال می‌کند. بنابراین در آموزش کار با Kiro AI بهتر است پس از اجرای هر Task، گزارش Diagnostics و خطاهای شناسایی‌شده را نیز بررسی کنید.

آموزش کار با Kiro AI از نصب تا اولین پروژه

در این آموزش کار با Kiro AI یک سیستم ورود را با Spec Mode می سازیم؛ قابلیتی که با دیتابیس، Session و امنیت درگیر است. مراحل آموزش کار با Kiro AI را می توانید برای قابلیت های دیگر نیز تکرار کنید.

۱. دانلود و نصب Kiro

وارد صفحه رسمی دانلود Kiro شوید و نسخه متناسب با سیستم عامل خود را دریافت کنید. Kiro IDE برای Windows ۱۰ و ۱۱ نسخه ۶۴ بیتی، macOS با پردازنده Intel یا Apple Silicon و توزیع های پشتیبانی شده Linux ارائه می شود. پس از نصب هوش مصنوعی Kiro وارد حساب شوید، تنظیمات سازگار VS Code را Import و پوشه پروژه را باز کنید.

۲. پروژه را با Steering معرفی کنید

پیش از ارسال درخواست بزرگ، فناوری ها و محدودیت ها را در Steering ثبت کنید:

• پروژه با Next.js و TypeScript ساخته شده است
• دیتابیس PostgreSQL و ORM پروژه Prisma است
• اعتبارسنجی ورودی باید با Zod انجام شود
• Token نباید Log شود و هر API باید Unit Test داشته باشد
• کتابخانه جدید بدون تأیید نصب نشود

قواعد باید سنجش پذیر باشند؛ «کد عالی بنویس» دستور قابل آزمایشی نیست.

۳. اولین Spec را بسازید

درخواست زیر نمونه مناسبی برای شروع است:

یک سیستم ثبت نام و ورود با ایمیل و رمز عبور به پروژه اضافه کن. ایمیل باید تأیید شود، رمزها به صورت Hash ذخیره شوند، برای تلاش های ناموفق Rate Limit در نظر بگیر و تست های لازم را بنویس. قبل از تغییر کد، Requirements، Design و Tasks را برای تأیید من آماده کن. هوش مصنوعی Kiro ابتدا Requirements را می سازد. اعتبارسنجی، خطاها، انقضای Session، بازیابی رمز و معیارهای پذیرش را پیش از ورود به Design کامل کنید.

۴. Design را بررسی کنید

پس از تأیید Requirements، Kiro طرح Schema، Endpointها و Session را پیشنهاد می دهد. انتخاب JWT یا Session، نگهداری Token و Hash رمز را با معماری و مدل تهدید پروژه تطبیق دهید.

۵. Tasks را مرحله به مرحله اجرا کنید

در این مرحله از آموزش کار با Kiro AI، Kiro وظایف را براساس وابستگی مرتب می کند. ابتدا یک یا دو Task را اجرا و این موارد را بررسی کنید:

• فایل های تغییر کرده
• Diff کد
• تست ها و وابستگی های جدید
• تطابق نتیجه با Requirement

اگر ساختار درست بود ادامه دهید تا نقص Steering پیش از گسترش شناسایی شود.

۶. یک Agent Hook بسازید

سپس این Hook را تعریف کنید:

هر زمان فایلی در پوشه API ایجاد یا ویرایش شد، بررسی کن که اعتبار سنجی ورودی، مدیریت خطا و تست مرتبط داشته باشد. بدون تأیید من فایل های خارج از پوشه API و Tests را تغییر نده. این Hook رویداد، دامنه، معیار و محدودیت تغییر روشنی دارد.

۷. خروجی را مستقل آزمایش کنید

پس از تکمیل Tasks، Diff را بخوانید، تست و Edge Caseها را مستقل بسنجید و Migration را ابتدا در محیط آزمایشی اجرا کنید. پیشنهاد تصویر اختصاصی ۳: در سمت چپ یک IDE فایل های requirements.md، design.md و tasks.md نمایش داده شوند. سمت راست، کد صفحه ورود و نتیجه تست موفق قرار بگیرد. پایین تصویر مسیر API Changed → Validate → Test برای نمایش Hook اضافه شود.

قیمت هوش مصنوعی Kiro و مقایسه پلن ها

قیمت های زیر براساس صفحه رسمی Kiro در زمان به روزرسانی مقاله هستند و مالیات احتمالی را شامل نمی شوند:

پلن Free به مدل های Open-weight و Claude Sonnet ۴.۵ با محدودیت دسترسی دارد. پلن های پولی مدل های Premium را ارائه می کنند و امکان خرید Credit اضافه با نرخ ۰٫۰۴ دلار برای هر Credit دارند. بسته اضافه از ۱۲۵ Credit با قیمت ۵ دلار شروع می شود و تا ۱۲ ماه اعتبار دارد؛ Credit ماهانه منتقل نمی شود.

Credit در Kiro چیست؟

Credit معادل تعداد ثابتی پیام نیست؛ Spec پیچیده، Context بزرگ یا مدل دارای ضریب بالاتر مصرف بیشتری دارد. Free برای آزمایش و Pro برای استفاده منظم مناسب تر است، اما انتخاب نهایی را براساس مصرف واقعی انجام دهید.

خرید اشتراک Kiro از ایران

خرید مستقیم پلن پولی Kiro به کارت اعتباری بین المللی و آدرس صورتحساب پشتیبانی شده نیاز دارد و ایران در فهرست فعلی کشورهای قابل انتخاب دیده نمی شود. در صورت نداشتن ابزار پرداخت بین المللی، می توانید درخواست پرداخت پلن موردنظر را از طریق خرید اکانت هوش مصنوعی کافه ارز ثبت کنید. اگر سرویس آماده نبود، لینک قیمت و نام پلن را ارسال و پیش از خرید مدل ها و Credit همان پلن را در سایت رسمی کنترل کنید.

مزایا و معایب هوش مصنوعی Kiro

ارزیابی هوش مصنوعی برنامه نویسی Kiro باید براساس نوع پروژه، میزان پیچیدگی و نیاز تیم به مستندسازی انجام شود.

مزایای Kiro

• تبدیل ایده به Requirements، Design و Tasks
• ثبت تصمیم های فنی در کنار کد
• هماهنگی Agent با استانداردهای پروژه
• خودکارسازی تست و مستندات
• پشتیبانی از MCP، Skills و Custom Agents
• دسترسی در IDE، CLI، Web، Mobile و Crew
• Checkpoint، چند خانواده مدل و پلن رایگان

محدودیت های Kiro

• ساخت Spec برای تغییر کوچک می تواند زمان بر باشد
• مصرف Credit ثابت و کاملاً قابل پیش بینی نیست
• Hook مبهم ممکن است تغییر ناخواسته ایجاد کند
• برخی مدل ها و افزونه ها محدودند
• خروجی همچنان به تست و Code Review نیاز دارد
• پرداخت مستقیم برای کاربر ایرانی دشوار است

هوش مصنوعی Kiro برای Full-stack Developer، فریلنسر، Tech Lead و تیم دارای Codebase واقعی مناسب است؛ برای تکمیل چند خط، ابزار سبک تر کافی است.

جمع بندی؛ آیا Kiro ارزش استفاده دارد؟

هوش مصنوعی Kiro محیطی Agentic است: Specs درخواست را به نیازمندی، طراحی و Task تبدیل می کند؛ Steering قواعد پروژه را منتقل و Hooks بررسی های تکراری را خودکار می کند. نسخه Free برای شروع مناسب است، اما ۵۰ Credit برای مصرف مستمر محدود خواهد بود. ابزار را ابتدا روی پروژه غیرحساس از نظر کیفیت، مصرف و زمان ذخیره شده بسنجید.
اگر تکمیل سریع و ویرایش لحظه ای اولویت شماست، Cursor را نیز مقایسه کنید. اگر می خواهید ایده به Requirements، طراحی و اجرای قابل ردیابی تبدیل شود، هوش مصنوعی برنامه نویسی Kiro پیشنهاد متمایزتری خواهد بود.

سؤالات متداول

آیا هوش مصنوعی Kiro رایگان است؟

بله. پلن Free ماهانه ۵۰ Credit و دسترسی محدود به مدل های Open-weight و Claude Sonnet ۴.۵ ارائه می دهد.

آیا برای استفاده از Kiro به حساب AWS نیاز داریم؟

خیر. کاربران می توانند با Google، GitHub یا AWS Builder ID وارد شوند.

Kiro از چه زبان هایی پشتیبانی می کند؟

Kiro از زبان هایی مانند Python، Java، JavaScript، TypeScript، C#، Go، Rust، PHP، Ruby، Kotlin، C، C++، SQL و Shell پشتیبانی می کند.

هر Credit در Kiro چند درخواست است؟

تعداد ثابتی ندارد. درخواست ساده ممکن است کمتر از یک Credit و Task پیچیده یا مدل پرهزینه تر چند Credit مصرف کند.

تفاوت Kiro و Cursor چیست؟

Cursor بیشتر بر تکمیل سریع و ویرایش کد تمرکز دارد. Kiro روی Spec-driven Development، مستندسازی تصمیم ها، Steering و Agent Hooks تأکید می کند.

آیا Kiro برای برنامه نویس مبتدی مناسب است؟

بله؛ اما خروجی آن باید به عنوان پیشنهاد بررسی شود. اجراشدن کد به تنهایی صحت، امنیت یا مقیاس پذیری آن را اثبات نمی کند.

منابع رسمی مقاله

• وب سایت رسمی Kiro
• مستندات Kiro