AWS于周四推出了Kiro机器人功能，该功能已在其开源多智能体开发环境Kiro Crew中全面上线，旨在帮助开发者协调并行编码任务、保持跨会话的上下文一致性，并自动化重复性的软件开发工作流程。
AWS在一份声明中表示，Kiro机器人的设计理念是负责开发者工作流程中的特定部分，而非仅在单个智能体会话中执行孤立任务，从而解决开发者日益依赖多个AI智能体并行处理软件开发任务所带来的协调负担问题。
开发者可以通过在Kiro Crew中打开自定义板块并选择"添加机器人"选项来创建机器人，在此过程中可以选择默认智能体或现有的自定义智能体作为其基础。
该云服务巨头表示，每个机器人都可以被分配特定的职责，例如问题分类、构建监控或发布准备工作，并可根据其预期处理的任务，自定义其名称、头像、指令、工具及权限。
开发者可以利用每个机器人并行启动多个工作智能体会话，并让其监控进度、纠正偏离计划的会话，以及整合最终结果。该公司补充道，如果某项任务需要开发者的输入或决策，机器人可以在继续处理其他不依赖该决策的任务的同时，寻求开发者的批准。
为了保持跨会话的连续性，每个机器人还通过AWS称之为"笔记"（Notes）的功能来维护自身的持久性记忆。
这些笔记记录了机器人对项目的理解，包括开发者的偏好、此前做出的决策、项目要求，以及通过其工作过程和开发者反馈所收集到的各种限制条件。该云服务巨头表示，这些积累的上下文信息有助于机器人在处理后续任务时运用相同的指令和判断标准，无需开发者反复说明其预期要求。
该云服务巨头还补充道，这种持久性上下文信息还使开发者能够通过机器人的聊天界面安排周期性活动，例如每个工作日早晨调查夜间持续集成（CI）失败情况，或在特定日期准备发布说明，使其能够将所学经验应用于后续的执行过程中。
AWS进一步补充道，开发者还可以检查、编辑或删除机器人的笔记内容，以此来完善机器人的记忆内容，并塑造其在未来会话或任务中的行为方式。
该云服务巨头还在Kiro Crew中引入了一项名为"仪表盘"（Dashboards）的功能，该功能将允许开发者描述自己希望如何可视化呈现机器人的持续活动和报告内容。
分析师认为，Kiro Crew中机器人功能的引入可能减轻并行使用多个AI智能体的开发者所承受的协调负担，将其工作重心从管理单个会话转移到监督更宏观的开发工作流程上。
HyperFrame Research公司AI技术栈业务负责人斯蒂芬妮·沃尔特（Stephanie Walter）表示："并行运行多个智能体可能会使开发者变成一名调度员，不断检查进度、重新梳理上下文并决定下一步该做什么。Kiro机器人试图接管更多此类协调工作，从而减少对单个会话的监督需求。"
HFS Research公司执行研究主管阿希什·查图尔维迪（Ashish Chaturvedi）也认同沃尔特的观点，他表示，Kiro Crew中的机器人本质上是帮助企业以类似于高效运作的工程团队管理人员的方式来组织AI智能体。
然而，IDC集团副总裁戴夫·麦卡锡（Dave McCarthy）指出，通过一个监督型机器人来协调多个工作智能体会带来他所称的"协调税"，这主要是因为并行的后台重试和工具调用可能会迅速累积Token消耗量和计算成本，这是首席信息官们需要警惕的问题。
沃尔特表示，因此，首席信息官应当权衡机器人带来的生产力提升与其运营成本之间的关系。
她说："理想情况下，企业应从一个边界明确的流程入手，并衡量全面的结果：正确完成的工作量、开发者的审查时间以及运营成本。后台活动的增多本身并不代表生产力的提高。"
她还补充道，此外，首席信息官还应权衡是否所有周期性开发工作都需要借助AI智能体来完成，或者某些任务是否通过传统自动化方式处理效果会更好。
沃尔特表示："当某项任务需要调查、解读或适应陌生情况时，智能体会发挥更大的作用。客户应当思考在哪些环节机器人能够增加判断价值，而在哪些环节普通自动化方式会更简单、更经济且更易于验证。"
查图尔维迪提醒道，除了成本方面的影响之外，机器人自主性的不断提升也可能使开发者更难追溯跨多个会话做出的决策。
他表示，虽然Kiro允许开发者检查、编辑或删除笔记内容并查看工作日志，但随着机器人的行为模式在数周的交互和反馈过程中不断演变，解释机器人为何做出某个特定决策可能会变得更加困难。
他还补充道，不同的开发者最终可能会拥有行为表现各异的机器人，这取决于各自积累的指令和纠正内容的不同。
此外，查图尔维迪对潜在的权限蔓延问题提出了警告，这种情况源于机器人请求获取更多工具的访问权限，而开发者可能会逐渐习惯于批准此类请求，而未能充分重新评估授予智能体的权限范围。麦卡锡表示，因此，首席信息官和IT负责人需要像管理人类外包人员一样管理这些机器人，实施严格的身份权限范围控制、预算防护机制以及集中化的遥测监控。
