基于 kiro-cli 的 AI 分析服务。将 kiro-cli 的 AI 能力封装为 HTTP API，业务方通过 YAML 文件定义提示词模板，零代码接入。
HTTP 请求 (文件 + prompt 名称)
↓
kiro-server (Rust/axum)
↓
保存文件到临时目录
↓
匹配提示词模板 (YAML)
↓
┌──────────────┬──────────────┐
│ kiro-cli 模式 │ 外部命令模式 │
│ 渲染提示词 │ 拼装命令 │
│ spawn kiro-cli│ spawn 外部程序│
└──────────────┴──────────────┘
↓
返回 JSON (含耗时/tokens)
cd kiro-server
cargo build --releasekiro-cli login
kiro-cli whoami # 确认登录态# my-prompts.yaml
prompts:
- name: error_screenshot
description: "分析系统错误截图"
file_types: [".png", ".jpg"]
prompt: |
请分析文件 {file_path}：
1. 识别错误类型
2. 分析可能原因
3. 给出解决方案
output:
type: stream# 校验 YAML 格式
kiro-server check -f my-prompts.yaml
# 启动服务
kiro-server serve -f my-prompts.yaml
# 指定端口
kiro-server serve -f my-prompts.yaml -p 9000
# 加载多个 YAML
kiro-server serve -f prompts-a.yaml -f prompts-b.yaml# 上传文件执行分析
curl -X POST http://localhost:8000/analyze/error_screenshot \
-F "file=@screenshot.png"
# 查看已加载的模板
curl http://localhost:8000/prompts
# 健康检查
curl http://localhost:8000/health上传文件并执行分析。
请求: multipart/form-data，字段名 file
响应:
{
"output": "kiro-cli 或外部命令的输出内容",
"duration_ms": 24466,
"input_tokens": 1500,
"output_tokens": 320
}output.type 为 file 时额外返回:
{
"output": "...",
"duration_ms": 8000,
"files": ["/tmp/kiro-output/fix.sh"]
}返回已加载的提示词模板列表。
健康检查，验证 kiro-cli 登录态。
通过提示词模板调用 kiro-cli：
prompts:
- name: error_screenshot # 唯一标识，用于 API 路径
description: "分析系统错误截图" # 描述
file_types: [".png", ".jpg"] # 支持的文件类型（文档用途）
prompt: | # 提示词模板
请分析文件 {file_path}...
output:
type: stream # stream: 返回文本 / file: 返回文件列表调用外部程序（如 Python 脚本）：
prompts:
- name: receipt_ocr_dual
description: "双引擎收据识别"
file_types: [".jpg", ".png"]
executor: "python" # 执行器
command: "receipt_ocr.py {file_path}" # 命令模板
output:
type: stream| 变量 | 说明 |
|---|---|
{file_path} |
上传文件的临时存储路径 |
{output_dir} |
输出目录（仅 output.type = "file" 时可用） |
| 类型 | 说明 | 额外字段 |
|---|---|---|
stream |
返回文本输出 | — |
file |
返回生成的文件列表 | 需指定 output_dir |
可选的 kiro-server.toml 配置文件，不存在时使用默认值：
# 生成默认配置
kiro-server init# kiro-server.toml
[server]
host = "0.0.0.0" # 监听地址
port = 8000 # 监听端口
temp_dir = "/tmp/kiro-server" # 上传文件临时目录
[kiro] # 不配置则用 kiro-cli 默认值
agent = "my-agent" # kiro-cli agent 名称
model = "claude-sonnet-4.5" # 模型
timeout = 120 # 执行超时（秒）
max_concurrent = 4 # 最大并发数
trust_all_tools = true # 自动审批（服务端必须为 true）kiro-server serve -f <yaml> [-p port] [--host addr] [-c config] 启动服务
kiro-server check -f <yaml> 校验 YAML
kiro-server list -f <yaml> 列出模板
kiro-server init 生成默认配置
kiro-server config [--config path] 查看配置
每次请求输出完整的处理链路日志：
────────────────────────────────────────────────────────────
[2026-03-18 10:14:26.102] [REQ ] POST /analyze/receipt_ocr
[2026-03-18 10:14:26.103] [FILE] 接收文件: image.jpg (125.3KB)
[2026-03-18 10:14:26.105] [FILE] 保存完成: /tmp/kiro-server/uuid.jpg (2ms)
[2026-03-18 10:14:26.106] [EXEC] 开始执行: prompt=receipt_ocr, 模式=kiro-cli
[2026-03-18 10:14:26.106] [EXEC] 命令: kiro-cli chat --no-interactive -a "..."
[2026-03-18 10:14:55.230] [EXEC] 执行完成: 29124ms | input_tokens: 1500 | output_tokens: 320
[2026-03-18 10:14:55.231] [RES ] POST /analyze/receipt_ocr ← image.jpg — 总耗时: 29129ms
提供客户端测试脚本 test_plan_a_client.py：
# 单次测试
python3 test_plan_a_client.py single /path/to/image.jpg
# 全量测试
python3 test_plan_a_client.py batch
# 指定服务器
python3 test_plan_a_client.py --server http://192.168.1.100:8000 single image.jpgkiro-server/
├── Cargo.toml # Rust 项目配置
├── README.md # 本文档
├── src/
│ ├── main.rs # CLI 入口 (clap)
│ ├── config.rs # 服务端配置 (kiro-server.toml)
│ ├── prompt.rs # 业务提示词模板 (YAML)
│ ├── engine.rs # 统一执行引擎
│ └── server.rs # HTTP 服务 (axum)
├── example-prompts.yaml # 通用示例模板
├── receipt-ocr-prompts.yaml # 收据 OCR 模板 (kiro-cli 模式)
├── receipt-ocr-external.yaml # 收据 OCR 模板 (外部命令模式)
└── test_plan_a_client.py # 客户端测试脚本
- 冷启动开销: 每次请求 spawn 新的 kiro-cli 进程，约 3-5s 固定开销
- 并发能力: 受 kiro-cli 进程数限制，默认最大 4 并发
- 登录态: 需要预先执行
kiro-cli login，token 会自动刷新 - 输出解析: kiro-cli 输出包含 ANSI 颜色码，客户端需自行清理
MIT