从 SDLC 到 AIDLC用 Kiro OpenClaw 构建 AI 驱动的开发流程CIT 实践经验拆解亚马逊云科技官博今天3/30发了一篇重磁文章CIT 分享他们从传统 SDLC 到 AIDLCAI-Driven Development Lifecycle的转型实践。核心工具就是 Kiro——亚马逊云科技推出的 AI 原生 IDE。这篇拆解 AIDLC 的四个阶段看看 Kiro 在实际项目中怎么用以及 OpenClaw 作为 AI Agent 框架在这个体系里扮演什么角色。AIDLC 四个阶段根据 CIT 的实践经验AI 对软件开发的重塑分四个阶段阶段 1传统开发1x 效能依赖人工交接和顺序执行复杂项目迭代周期长。这是大多数团队目前的状态。阶段 2AI 增强2x 效能引入 AI 助手提升局部编码效率。写代码快了但时间又消耗在流程等待上——需求评审排队、测试环境排队、部署审批排队。瓶颈从写代码转移到了等流程。阶段 3AI 协调5x 效能AI 驱动端到端的创建工作人退居幕后负责引导方向和验证成果。环节间的等待被消除。阶段 4AI 编排20x 效能AI 自主驱动系统演进人只需设定高阶目标和合规要求。这是未来形态。关键洞察效能提升不是线性的从 2x 到 5x 到 20x每个阶段都是质变不是量变。Kiro 在 AIDLC 中的角色Kiro 是亚马逊云科技推出的 AI 原生 IDEhttps://kiro.dev它在 AIDLC 中的定位是AI 协调者——不只是补全代码而是参与需求分析、架构设计、代码生成、测试的全流程。Spec 驱动开发Kiro 的核心机制是 Spec规格说明驱动需求描述 → Kiro 生成 Spec → 人审核修改 → Kiro 按 Spec 实现 → 人验收这个流程的好处需求不再模糊Kiro 会把模糊需求拆解成具体的技术规格实现有据可查每个功能都有对应的 Spec 文档迭代有方向修改需求 修改 SpecKiro 自动调整实现Steering 规则Kiro 支持 Steering 文件类似 OpenClaw 的 SOUL.md定义项目的编码规范、架构约束、安全规则# .kiro/steering.md ## 架构规则 - 后端用 Python FastAPI - 数据库用 Amazon DynamoDB - 认证用 Amazon Cognito ## 编码规范 - 每个函数不超过 30 行 - 必须有类型注解 - 测试覆盖率 80%OpenClaw KiroAI Agent 的开发体验OpenClaw 本身就是 AIDLC 的产物——用 AI 构建 AI Agent。在 Kiro 里开发 OpenClaw 的 Skill1. 用 Kiro 写 Skill# 需求 写一个 OpenClaw Skill能够自动从 AWS 官博抓取最新文章摘要 # Kiro 生成 Spec - 输入博客 URL - 输出文章标题、摘要、发布日期 - 技术web_fetch 正则提取 - 错误处理网络超时、内容解析失败 - 测试至少 3 个测试用例 # Kiro 实现 → 生成 SKILL.md scripts/fetch_blog.py tests/2. 用 OpenClaw 运行 Kiro 开发的项目OpenClaw 可以通过 ACPAgent Communication Protocol连接 Kiro# 在 OpenClaw 中启动 Kiro 作为 ACP harnessopenclaw spawn--runtimeacp--agentkiro--task实现用户注册功能Kiro 在后台按 Spec 实现功能完成后通知 OpenClaw。团队角色变化CIT 提出了几个新角色传统角色AIDLC 角色职责变化产品经理意图定义者从写 PRD 变成定义 AI Spec开发工程师结果验证者从写代码变成审代码测试工程师AI 治理者从写测试变成定义测试策略—AI 协调领导者新角色负责人机协同编排实际收益CIT 在实践中观察到的效果交付周期缩短需求到上线的时间从周级缩到天级代码质量提升AI 生成的代码比人写的更一致遵循 Steering 规则文档自动化Spec 就是文档不需要额外写新人上手快有 Spec 和 Steering 做导航新人不需要读懂所有代码对我们的启示读完 CIT 的实践几个值得思考的点不是用 AI 写代码是AI 参与全流程——光有代码补全只能 2x要达到 5x 以上需要 AI 介入需求、设计、测试规则先于代码——Kiro 的 Steering 和 OpenClaw 的 SOUL.md 异曲同工先定义约束再让 AI 执行人的角色不是消失而是升级——从动手干变成指方向验结果工具链需要配合——KiroIDE OpenClawAgent 运行时 AgentCore云端托管形成完整闭环落地建议如果你的团队想试 AIDLC先从阶段 2 开始在 Kiro 里用 AI 辆助写代码体验效率提升定义 Steering 规则把团队的编码规范、架构约束写进 Steering 文件试 Spec 驱动下一个需求用 Kiro 生成 Spec按 Spec 实现引入 Agent用 OpenClaw 或其他 Agent 框架自动化重复性工作AWS 官博原文https://aws.amazon.com/cn/blogs/china/sdlc-aidlc-ci-t-ai-development-explore-kiro-best-practices/Kirohttps://kiro.devAmazon Bedrock AgentCorehttps://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/OpenClawhttps://github.com/openclaw/openclaw