速评：全网都在转"33 秒完成事故初查"，要我说，这个数字根本不是重点。重点是那个没人细算的零头——单次事故调查成本两到四美分。
作者拿一个模拟的支付服务延迟事故做演示，200ms 飙到 4500ms，Kiro Crew 用 33 秒跑完并行诊断，然后从 git 提交历史、cron 计划、系统资源里把根因捞出来，整个工作流 4 分 36 秒收尾。人力工程师做同样的事，15 到 30 分钟起步。
数字确实漂亮。可我盯的是另一行：单次调查吃 3000 到 5000 个输入 token，按 Sonnet 定价折算，每次 0.02 到 0.04 美元。两到四美分，人民币不到三毛。一次生产事故的初步调查，成本落到这个量级——这才是真正值得琢磨的地方。33 秒当然快，但快从来不是稀缺品，人再慢，15 分钟也等得起。真正让这东西变有用的，是它便宜到了可以"不关掉"的程度。
所以那条 cron 设计才是整个演示里最狠的一招。工作日早上 8 点的系统健康检查，周一早上的基础设施周报，成本各约每天 0.05 美元。一个月一块五，换来一个每天早上自动把全系统摸一遍的"虚拟实习工程师"。以前这种巡检要么靠人值班撑着，要么靠告警被动响应，现在这个问题从"要不要做"变成了"去哪充五美分"。
把贵到只能人工做的事，变成便宜到不需要人做的事——这比"快"更接近真正的范式转移。但我还想多说一句。我真正想说其实是 137。
137 条拒绝模式。内置在系统里，专门拦住 agent 执行破坏性命令。这个数让我对作者刮目相看——不是数字本身有多大，是它说明作者清楚自己在跟什么东西打交道。写 agent 工具的分两种，一种觉得 agent 无所不能，使劲让它多干活；另一种心里清楚 agent 会犯错，所以花力气设计护栏。137 条是后者的活。这不是发布会上吹出来的功能，是踩过坑、见过事故现场的人才写得出来的东西。作者在演示里轻描淡写地拉出 git 提交记录做关联分析，背后是"工具跑快了照样会闯祸"的清醒。
还有一句：作者主动建议生产环境保持人为审批修复。自己做了一个号称能自动调查事故的工具，却建议在修复环节留个人盯着——他见过 agent 干蠢事。这剧本，眼熟。每次新工具发布，第一波舆论总是要么"革命"要么"玩具"，而 Kiro Crew 的作者自己先把"别让它自己修"这句话说了，把最大的炮火点拆了。这个分寸感值得一个好评——不是为技术叫好，是为知道自己在跟什么打交道而叫好。
五美分一天。真正打动我的不是便宜本身，是它把 AI agent 的价值从"事件驱动"改成了"常态化巡检"。以前聊 agent 落地总绕不开一个坎：模型推理太贵了，挂后台跑一天，电费都比 token 费贵。现在一个持续运行的监控 agent 日成本压到五美分，"agent 接管日常巡检"这件事第一次在算账上成立了。一次事故，人肉排查两小时起；agent 四分钟，三美分。一年出十次事故，这笔账，出过事故的人自己会算。
Flag 立在这儿：等系列第三部分聊安全模型的时候，如果作者能把这 137 条拒绝模式的编写方法论拿出来——怎么发现的、分类原则是什么、怎么跟可观测性工具联动——那比今天这个演示视频有价值得多。到时候我回来收。
Kiro Crew 真正的亮点不是跑得快，是便宜到可以一直开着。 0.05 美元一天的安全网，这个账谁都会算。33 秒那个数字，过两个月没人记得；五美分一天，会让一批小团队开始认真问一句：还有多少运维场景，早就该被这样重算一遍了。