2026年AI编程新选择：Kilo Code完全指南与实战配置
本文将指导你如何安装和使用Kilo Code，这款工具可以作为RooCode/Cline的优秀替代品，进而取代Cursor等代码智能体产品。
同时，本文也会阐述如何将Kilo Code（核心代码智能体）与CodeGeeX（代码补全）、OpenRouter（用于调用Claude/Gemini模型）以及GLM-4.6（国内高速模型）结合使用，以获得卓越的开发体验。
关于Kilo Code
Kilo Code（请注意不是Kiro）是由JP Posma等人领导的，以旧金山和阿姆斯特丹为中心的远程优先团队在运营。
它的设计理念之一，是让AI接管编程中那些重复且琐碎的工作环节。例如依赖管理、错误定位、文档更新、测试用例维护、类型检查以及翻译文件修改等任务，都可以交由智能体自动完成。
Kilo Code起源于Roo Code的一个分支，而Roo Code本身又是Cline的一个分支——这两者曾是增长最快、最受欢迎的开源Cursor替代品。Kilo Code旨在成为两者的超集，不仅包含它们的所有功能，还加入了自身的特色。
在OpenRouter 2025年9月的第三方应用调用排行榜中，Kilo Code位列第一：
这份榜单基于真实的API调用数据，具有相当的参考价值。通常，只有体验良好的工具才能获得用户的持续使用。
Cline、Roo Code和Kilo Code三者的继承关系与演进时间线如下：
Kilo Code整合了Cline和Roo Code的全部优势，解决了任务卡死的错误，提供五种智能模式，并拥有20美元的免费额度。它支持自动上下文压缩、智能任务分解、实时代码解释等功能，能有效提升编程效率。
核心特性
Kilo Code能够适应不同的需求，提供专门的模式：通用编程任务使用代码模式，规划和技术领导使用架构师模式，问答和信息提供使用询问模式，系统性诊断则使用调试模式。
用户甚至可以创建无限数量的专门角色，用于安全审计、性能优化、文档编写或其他任何定制化任务，实现了高度的灵活性。
Kilo Code提供多种编程模式：Architect负责架构设计，Code负责编写代码，Debug负责查错修复。在更高级的Orchestrator模式下，复杂项目会被自动拆解成一系列可执行的小任务，然后分配给不同的智能体来协作完成。
Kilo Code具备以下主要特点：
- 继承了RooCode的所有特性，并有所增强。
- 能够保留完整的对话上下文，并智能地进行压缩管理。
- 允许用户选择单块代码，将其加入任务中进行优化重写或修复错误。
- 通过输入自然语言指令，能够生成结构化的代码块。
- Orchestrator管家模式可以智能分解任务，并能与Spec-kit或Spec-workflow MCP结合，进行开发任务的规划与拆解。
- 内置了类似OpenRouter的大模型代理，可以访问Claude、Gemini、GPT等模型，价格相比OpenRouter便宜约5%。其内置的Z-AI可以直接访问GLM-4.6模型。
- 具备代码自动提示和补全功能。
- 支持自动文档查找，配合Context使用能获得更完整的上下文。
- 自带MCP Server应用市场，可以一键安装各种常用的MCP服务。
其关键功能详述如下：
- AI驱动的代码生成：输入自然语言描述，即可自动生成对应代码。
- 自动化重构：分析并优化现有代码，提升其质量和可维护性。
- 智能代码补全：根据当前编程上下文提供实时建议。
- 任务自动化：自动处理重复性任务，例如批量修改或代码格式化。
- Claude 4.5 支持：可以使用Anthropic的先进AI模型，以获得更精准的代码分析与生成。
- 三方大模型API支持：兼容各种第三方大模型API代理。
- 强大的工具箱：Kilo Code配备了丰富的内置工具集：
- 文件操作：读写项目文件，轻松管理代码库。
- 命令执行：在VS Code终端中执行命令。
- 浏览器控制：自动化Web测试和操作。
- 代码搜索：智能搜索代码库中的特定内容。
- 实时问答：随时提出编程相关问题并获得解答。
- 智能错误检测与修复：能够自动检测AI自身在代码生成过程中引入的错误，运行测试套件并在失败时尝试自动恢复，降低了修正AI错误所需的心智负担。
- 自动文档查找：能够自动查找相关库的官方文档，确保生成的代码遵循最佳实践，减少引用虚构或不存在的API的可能性。
- 其他特性：
- 解决了Cline中存在的任务卡死和中断问题。
- 支持MCP市场，方便用户扩展功能。
- 具备智能上下文压缩功能，无需手动繁琐设置。
- 提供五大专业模式：Code, Ask, Debug, Architect, Orchestrator。
支持的IDE与环境
Kilo Code支持主流的集成开发环境，包括VSCode和JetBrains系列。
例如在Goland中的安装界面（Android Studio、WebStorm等JetBrains IDE的安装方式类似）：
与Claude Code的对比分析
当前Claude Code非常流行，其深度集成Claude模型的能力确实强大，并拥有Subagent等高级功能。但它本质上需要通过终端交互来编写代码，可能存在以下几个问题：
- 成本与稳定性：Token消耗速度较快，长期使用成本较高。同时，依赖外部大模型服务，需考虑其政策变动或服务中断的风险（尤其在国内网络环境下）。
- 纠错成本高：这类工具倾向于生成“最终结果”，如果初始方向有误，开发者需要花费大量时间和精力去修正AI生成的大段代码。
- 操作灵活性不足：终端交互是线性的，不像在IDE中可以直接编辑、快速重试。一旦指令不准确，很难中途调整，往往需要推倒重来。
- 过程黑盒化：过度依赖最终输出，可能削弱开发者对代码演进过程的掌控感。长期来看，可能产生难以维护的代码，也不利于开发者深入理解系统复杂度。
因此，我们可能需要一种更注重过程透明度和开发者控制权的工具。Kilo Code所倡导的模式是让AI作为辅助助手，协助完成开发中的每一步，同时确保开发者能够理解和审核其工作成果。这样既能利用AI提升效率，又能保证工程质量和团队的持续成长。
安装与配置指南
在VSCode中安装
在VSCode的扩展商店中搜索并安装Kilo Code（其他基于VSCode内核的IDE，如Cursor、Windsurf、Trae等，安装方式类似，或可通过导出VSX插件后导入使用）。
安装代码补全插件 CodeGeeX
如果需要额外的代码提示和自动补全功能，可以安装CodeGeeX（智谱AI的产品），其体验良好且免费。
（当然，如果你使用Cursor，它自带代码补全功能；如果安装了Augment插件，也具备优秀的自动补全能力。）
在VSCode扩展商店中搜索CodeGeeX并安装：
安装后需要登录CodeGeeX（会跳转至智谱AI官网，可使用手机号或Gmail账号登录）：
登录成功后即可正常使用：
在编写代码时，下方会直接给出补全提示，按Tab键即可采纳（响应速度很快）：
CodeGeeX默认使用GLM-4.6模型，执行速度非常迅捷：
安装并配置Kilo Code
在VSCode扩展商店中搜索“Kilo”，然后进行安装：
安装完成后，启动Kilo Code侧边栏，点击使用API（以连接各种大模型）：
方式一：使用 OpenRouter 访问大模型（可调用Claude、Gemini、GPT等模型） 可以使用OpenRouter平台（或其他支持OpenAI API协议的服务）。配置界面大致如下，需要填入从OpenRouter获取的API Key：
方式二：使用GLM-4.6模型 前往智谱AI官方平台注册账号。注册完成后，在个人中心获取API Key：
然后在Kilo Code的配置中填入GLM-4.6的API信息：
- API 提供商：选择 “OpenAI Compatible”
- OpenAI 基础 URL：输入
https://open.bigmodel.cn/api/paas/v4 - API Key：填入您的智谱API Key
- 模型名称：输入
glm-4，并选择“使用自定义”
填写示例如下：
基础交互体验
配置完成后，你可以选择不同的工作模式，并查看当前连接的模型：
简单的交互会得到及时的回复。下图展示了使用GLM-4.6和Claude 4.5模型进行交互的场景：
在一个真实项目中修改代码的场景下，交互过程非常流畅：
它也可以协助快速搭建开发环境，并且考虑得相当细致：
工作模式详解与使用建议
使用技巧建议：对于新项目，建议先使用架构师模式进行设计，人工检查设计方案后，再使用代码模式进行具体实现。这种方式通常比直接用代码模式“一把梭”的效果更好。
Kilo Code提供的几种模式区别和说明如下：
| 模式 | 图标 | 英文名称 | 用途说明 | 适用场景 |
|---|---|---|---|---|
| 架构师模式 | ⚒️ | Architect | 在实施之前进行规划和设计 | 需要构思项目架构、设计系统结构、制定技术方案时 |
| 代码模式 | </> | Code | 编写、修改和重构代码 | 直接编写代码、修改现有代码、优化代码结构时（当前已选中） |
| 问答模式 | ❓ | Ask | 获取答案和解释说明 | 询问技术问题、寻求概念解释、获取使用建议时 |
| 调试模式 | 🐞 | Debug | 诊断和修复软件问题 | 排查程序错误、分析bug原因、修复代码缺陷时 |
| 编排者模式/管家模式 | ▶️ | Orchestrator | 跨多个模式协调任务 | 需要组合多种模式完成复杂任务、自动切换工作流程时 |
快捷键提示：
Ctrl + .- 切换到下一个模式Ctrl + Shift + .- 切换到上一个模式
使用场景建议：
- 开发新项目 → 先用 Architect 规划，再用 Code 实现。
- 解决问题 → 用 Ask 了解方案，用 Debug 定位问题，用 Code 修复。
- 处理复杂任务 → 用 Orchestrator 自动协调各模式完成。
各模式详细说明
Kilo Code提供多种专业模式，可灵活适配不同需求：
🔧 代码模式 (Code) - 通用编程任务解决方案
| 项目 | 详情 |
|---|---|
| 描述 | 扮演资深软件工程师，精通多种编程语言、设计模式与最佳实践。 |
| 工具权限 | 完整权限：读取、编辑、浏览器、命令行、多协作平台(MCP)。 |
| 适用场景 | 代码编写、功能实现、调试及常规开发任务。 |
| 特色功能 | 无工具限制，为所有编码任务提供完全的灵活性。 |
🏗️ 架构师模式 (Architect) - 技术规划与系统设计专家
| 项目 | 详情 |
|---|---|
| 描述 | 擅长系统设计与实施方案制定的技术领导者角色。 |
| 工具权限 | 读取、浏览器、MCP及受限编辑权限（仅限Markdown文件）。 |
| 适用场景 | 系统设计、高层规划与架构讨论。 |
| 特色功能 | 采用从信息收集到详细规划的结构化工作流程。 |
🤔 问答模式 (Ask) - 专业技术咨询与知识解答
| 项目 | 详情 |
|---|---|
| 描述 | 专注于解答疑问、提供解释与使用建议的互动助手。 |
| 工具权限 | 具备信息检索、知识整合与简洁回复的基础权限。 |
| 适用场景 | 询问技术问题、寻求概念解释、获取工具或模式使用建议等。 |
| 特色功能 | 能快速匹配问题与知识储备，给出清晰易懂的答案与指导。 |
🐞 调试模式 (Debug) - 系统性故障诊断专家
| 项目 | 详情 |
|---|---|
| 描述 | 专精于系统性故障排查的诊断专家。 |
| 工具权限 | 完整权限：读取、编辑、浏览器、命令行、MCP。 |
| 适用场景 | 追踪漏洞、诊断错误及解决复杂问题。 |
| 特色功能 | 采用“分析-缩小范围-修复问题”的严谨诊断方法论。 |
🔧 协调者模式 (Orchestrator) - 综合调度专家（管家模式)
| 项目 | 详情 |
|---|---|
| 描述 | 通过任务分派来协调复杂工作流的战略指挥者。 |
| 工具权限 | 仅限创建新任务和协调工作流的有限权限。 |
| 适用场景 | 将复杂项目拆解为可管理的子任务并分派至专项模式处理。 |
| 特色功能 | 通过 new_task 工具将工作委派给其他模式。 |
✨ 自定义模式 - 可无限扩展的专属场景方案 用户可以创建针对特定场景的无限自定义模式，例如：
- 安全审计
- 性能优化
- 文档编写
- 其他任何定制化开发或审查任务
自定义规则配置
概述
自定义规则是定义项目专属AI行为约束的强大工具，可确保：
- ✅ 统一代码格式化标准
- 🔒 限制对敏感文件的访问
- 📐 强制执行特定的编码规范
- 🎯 定制AI行为以满足项目独特需求
规则存放位置（参考结构）
project/
├── .kilocode/
│ ├── rules/
│ │ ├── formatting.md
│ │ ├── restricted_files.md
│ │ └── naming_conventions.md
├── src/
└── ...
规则加载优先级
- 通用规则加载顺序：
- 首选
.kilocode/rules/目录。 - 次选根目录下的旧格式文件（兼容性顺序）：
.roorules→.clinerules→.kilocoderules。
- 首选
- 模式专属规则：
- 优先加载
.kilocode/rules-${模式名}/目录。 - 次选
.kilocoderules-${模式名}文件。
- 优先加载
💡 强烈建议使用目录结构进行管理。
规则编写规范
# 使用Markdown语法编写（推荐）
## 章节标题
- 使用列表形式声明规则
- 每条规则建议单独成项
`代码块`可用于展示格式示例：
```python
def 规范示例():
print(“使用4空格缩进”)
典型规则示例
🔧 代码风格规则
# 代码格式化
- 严格使用4空格缩进
- 变量命名采用小驼峰式(camelCase)
- 所有新编写的公共函数必须包含对应的单元测试
🔐 安全限制规则
# Restricted files
Files in the list contain sensitive data, they MUST NOT be read
- supersecrets.txt
- credentials.json
- .env
# 受限文件
列表中的文件包含敏感数据，**严禁读取**：
- supersecrets.txt（超级机密文件）
- credentials.json（凭证文件）
- .env（环境变量配置文件）
📝 文档规范规则
# API文档要求
- 每个导出的函数或类必须包含JSDoc/TSDoc/Python docstring注释
- 注释中必须包含@param参数说明和@return返回值说明
最佳实践
- 团队协作：将规则文件纳入版本控制系统（如Git），确保团队所有成员使用统一的规范。
- 规则设计：
- 每条规则应尽量保持原子性，只描述一个要求。
- 将相同类型的规则集中管理在一个文件中。
- 对于复杂的规则，应配备示例进行说明。
- 版本迭代：随着项目技术栈或规范的演进，定期审查和更新规则文件。
故障排查 - 如果规则未生效，请检查：
- 规则文件是否存放在上述支持的位置。
- Markdown语法是否正确无误。
- 规则表述是否清晰、无歧义。
- 尝试重启IDE以加载最新的规则。
提示词使用技巧
提示词工程是一门为AI模型（如Kilo Code）设计高效指令的艺术。精心构思的提示词能够带来更优质的结果、减少错误，并显著提升工作效率。
核心原则
| 核心原则 | 说明 | 示例 |
|---|---|---|
| ✅ 清晰明确 | 避免模糊和笼统的表述，明确指定任务的具体目标。 | ✖ 差示例：“修复代码” ✔ 好示例：“修复 calculateTotal 函数中导致返回错误结果的数组越界bug” |
| ✅ 提供上下文 | 使用 @文件路径 的格式引用特定的文件、目录或代码片段。 |
✔ 好示例：@/src/utils.ts 将该文件中的 calculateTotal 函数重构为使用 async/await 语法。 |
| ✅ 任务拆解 | 将复杂的任务分解为一系列小而明确的步骤。 | 对于“实现用户登录功能”，可以先让AI规划模块，再分步实现接口、前端组件等。 |
| ✅ 提供示例 | 如果需要特定的代码风格、模式或输出格式，请给出清晰的参考示例。 | “请按照下面示例的格式返回JSON数据：{\"status\": \"ok\", \"data\": {...}}” |
| ✅ 指定输出格式 | 明确要求AI以特定格式（如JSON、Markdown表格、特定代码块）输出结果。 | “请将分析结果以Markdown表格的形式呈现。” |
| ✅ 迭代优化 | 如果第一次得到的结果不理想，可以调整措辞、增加细节或改变角度后再次尝试。 | 根据AI的首次回复，补充更具体的约束条件或更正理解偏差。 |
“思考-执行”流程建议
建议引导Kilo Code采用分阶段的方式来处理复杂任务：
- 分析：让AI先分析当前代码上下文、识别潜在问题或规划可行方案。
- 规划：要求AI列出完成任务所需的详细步骤。
- 执行：指导AI按照规划好的步骤逐步实施。
- 审查：在继续下一步之前，仔细检查每一步的输出结果。
自定义指令
可以通过两种方式定制Kilo Code的行为：
- 🔹 全局指令：适用于所有模式的行为基线。
- 🔹 模式专属指令：仅针对特定模式（如代码模式、架构师模式）生效的指令。
自定义指令的用途包括：
- 强制遵守项目的代码风格规范（如缩进、命名）。
- 指定项目首选使用的库或框架。
- 定义项目特有的开发约定或模式。
- 调整AI回复的语气或交互风格。
处理模糊指令
如果给出的提示词信息不足或过于含糊，Kilo Code可能会：
- ⚠ 自行做出假设：基于其训练数据和当前上下文进行“最佳猜测”执行，结果可能不符合预期。
- ⚠ 请求澄清：使用
ask_followup_question等工具主动请求用户补充更多信息。
建议：尽量从一开始就提供清晰、具体、信息充分的指令，以减少无效的来回沟通。
反馈与优化机制
如果对生成的结果不满意，可以通过以下方式优化：
- 🛑 拒绝操作：点击“拒绝”按钮并简要说明原因，这有助于AI从反馈中学习。
- ✍ 重述需求：使用更具体、更准确的指令重新描述任务。
- 🛠 手动修正后接受：直接修改AI生成的代码，然后接受变更，这也能为AI提供正向示例。
优质与劣质提示词对比
| ✅ 优质提示词示例 | ❌ 劣质提示词示例 |
|---|---|
@/src/components/Button.tsx 将这个Button组件从使用useReducer的状态管理重构为使用useState。 |
“修复按钮” |
在项目根目录下创建一个名为utils.py的新文件，并在其中添加一个计算列表平均值的函数 calculate_average。 |
“写点Python代码” |
@problems 修复当前打开的代码文件中所有由ESLint/TypeScript编译器标出的错误和警告。 |
“全部修好” |