Kiro Crew + DeepSeek Harness Multi-Agent Workflow

Inspiration

What it does

How we built it

灵感

Kiro 的 crew 模式让我想到：与其一个人写代码，不如让一群 AI 队友各司其职。我的灵感来自 DeepSeek Harness 里的多代理协作，想看看 Kiro Crew 能不能把「多代理工作流」真正跑成一个能交付产品的流程。

我学到了什么

• Kiro Crew 的代理编排和任务分配机制，以及它如何托管 DeepSeek Harness 这样的外部代理
• 如何让本地模型（无 API key）和托管模型（provider key）在同一个 harness 里共存
• 多代理协作的真实瓶颈：不是模型能力，而是上下文交接和任务边界

如何构建

1. 安装 Kiro Crew，通过向导接入 DeepSeek Harness（deepseek 代理）
2. 配置 provider 路由：本地模型直连，托管模型走 Secrets + 环境变量映射
3. 用 crew 会话把「需求分析 → 编码 → 审查」拆给不同代理，跑通一个端到端小项目

挑战

最大的挑战是让两个不同体系的代理（Kiro 的 crew 和 DeepSeek Harness）在同一台机器上互相配合——工具定义、会话状态、模型路由都要对齐。Debug 过程让我把两家文档翻了个底朝天。

Challenges we ran into

Accomplishments that we're proud of

What we learned

What's next for Kiro Crew + DeepSeek Harness Multi-Agent Workflow

Built With

• agentic-ai
• ai-coding
• deepseek
• devtools
• kiro
• llm
• multi-agent
• node.js
• typescript
• workflow