RooCode代替者：Kilo Code+Claude+GLM+CodeGeeX 构建超级AI开发环境
作者：黑夜路人
时间：2025年10月
目标
本文会告诉你如何使用 RooCode/Cline 的优秀替代品 Kilo Code的安装使用，让 Kilo Code 取代 Cursor / RooCode 等 Code Agent 产品。
同时也会告诉你如何使用 Kilo Code（核心Code Agent） + CodeGeeX（自动补全） + OpenRouter（使用Claude/Gemini） + GLM-4.6（国内快速模型） 结合的良好执行效果。
Kilo Code 介绍
Kilo Code （注意不是Kiro）是由 JP Posma 等人在旧金山与阿姆斯特丹为中心组建的 Remote-First 团队运营。
Kilo Code 它的设计理念之一，是让 AI 接手编程中那些重复而琐碎的环节。比如依赖管理、bug 定位、文档更新、测试用例维护、类型检查和翻译文件修改等，都可以交由 agent 自动完成。
Kilo Code始于Roo Code的分支，而Roo Code本身是Cline的分支——这两个是增长最快、最受欢迎的开源Cursor替代品。我们正在构建两者的超集：包含它们的所有功能，再加上自己的特色。
OpenRouter 的2025年9月三方APP调用排行榜，Kilo Code 排在第一：
数据不会说谎，API调用都是真金白银，只有好的工具才能排在前面，群众优选。
Cline、Roo Code 和 Kilo Code 继承关系和演进时间线：
Kilo Code横空出世，完美融合Cline和Roo Code所有优势，彻底解决卡死bug，支持5种智能模式，20美金免费额度，自动触发上下文压缩、智能任务分解、实时代码解释，编程效率大幅提升！
Kilo 特性
Kilo Code适应你的需求，提供专门的模式：代码模式用于通用编程任务，架构师模式用于规划和技术领导，询问模式用于回答问题和提供信息，调试模式用于系统性问题诊断。
你甚至可以创建无限的专门角色，用于安全审计、性能优化、文档编写或任何其他任务！这简直就是一个编程界的"变形金刚"。
Kilo Code有多种编程模式可以使用，Architect 负责架构设计，Code 负责写代码，Debug 负责查错修复。
比较高级的在 Orchestrator 模式里，复杂项目会被自动拆解成一步步可执行的小任务，然后分配给不同的 agent 来完成。
Kilo Code 具备如下特点：
- 具备RooCode所有特性，青出于蓝胜于蓝；
- 保留完整上下文，智能上下文压缩；
- 可以选择单块代码进行加入task进行优化重写或fix bug（体验非常舒服）；
- 输入自然语言，能够生成块状的代码（非常爽）
- Orchestrator 管家模式能智能任务分解，也能够与Spec-kit或者spec-workflow MCP进行结合，进行开发任务规划拆解开发；
- 内置了类似于OpenRouter的大模型代理（Kilo Code），可以访问Claude/Gemini/GPT等模型，价格比OpenRouter便宜5%，并且内置的Z-AI可以直接访问GLM-4.6模型。；
- 具备代码自动提示和补全；
- 自动文档查找，再配合 Context7更完整；
- 自带MCP Server应用市场，各个常用MCP服务一键安装；
主要特性：
- AI 驱动的代码生成：输入自然语言描述，自动生成代码。
- 自动化重构：分析并优化现有代码，提升质量。
- 智能代码补全：根据上下文提供实时建议。
- 任务自动化：处理重复性任务，比如批量修改或格式化。
- Claude 4.5 支持：可以使用 Anthropic 的 AI 模型，提供更精准的代码分析。
- 三方大模型API支持：也可以支持各种三方代理的大模型API
- 强大的工具箱：Kilo Code配备了丰富的工具集
- 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内容
- 实时问答：随时提出编程相关问题
- 智能错误检测与修复：过去需要告诉AI它自己创建的错误。Kilo会自动检测错误，运行测试套件并在失败时自动恢复。这意味着什么？意味着你再也不用为AI犯的错误买单了。
- 自动文档查找：厌倦了AI工具虚构不存在的库API吗？Kilo会自动查找库文档，确保它遵循最佳实践。这就像给AI装上了"火眼金睛"，再也不会被虚假信息误导。
- 其他特性
- 完美解决Cline卡死和任务中断问题
- 支持 MCP 市场，轻松扩展功能
- 智能上下文压缩，告别手动设置烦恼
- 五大专业模式：Code/Ask/Debug/Architect/Orchestrator
支持的IDE（支持 VSCode/JetBrains）
Goland 安装 （Android Studio / WebStorm 也可以直接安装）
Kilo Code 与 Claude Code 对比
现在 Claude code 很火，也确实厉害，绑定 Claude 模型非常无敌，并且有 Subagent 这些强大功能，但是它归根结底得用终端去写代码，CC 会存在这么几个问题：
- 成本和稳定性： Token 消耗很快，长期成本是个问题。另外，依赖外部大模型，我们需要考虑其政策变动和服务中断的风险（国内很容易被封）。
- 纠错成本高：这类工具追求“一步到位”，但如果方向错了，我们去修正 AI 生成的大量代码，付出的时间和精力非常的多。
- 操作灵活性不足：终端交互是线性的，不像在 IDE 里可以随时修改和重试。一旦 Prompt 没给对，很难中途调整，只能推倒重来。
- 过程黑盒：太依赖最终结果，容易让我们失去对代码的掌控感。长此以往，可能会产生难以维护的代码，也不利于我们自身对系统复杂度的理解。
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，比如像 Kilo Code 提倡的模式：让 AI 作为助手，辅助我们完成每一步，同时确保我们能理解和审核它的工作。这样，既利用了 AI 的效率，又保证了工程质量和我们团队的持续成长。
安装 Kilo Code
在VSCode中安装（其他从VSCode中clone实现的IDE方法类似，或者是在 Cursor / Windsurf / Trae 中等操作使用是类似的，从VSCode中导出VSX插件后导入 ）
安装代码补全插件 CodeGeeX
如果需要额外的代码提示自动补全的插件，可以使用 CodeGeeX （智谱AI的产品），体验不错（还免费）。
（当然，如果你使用Cursor会自带自动补全，如果你安装了 Augment 插件，也是具备非常优秀的自动补全能力的）
搜索 CodeGeeX 插件后安装：
登录CodeGeeX（跳转到智谱AI官网登录，可以使用手机号或者是Gmail账号登）：
登录后就可以使用了：
在每个代码下面是可以直接按 Tab 键出代码补全提示（速度非常快）
它默认使用的是GLM-4.6模型，执行速度非常快：
安装Kilo Code
搜索 ：Kilo ，然后安装：
打开后点击使用API（可以使用各种优秀大模型）
方式一：使用 OpenRouter 访问大模型（访问 Claude/Gemini/GPT 模型）
可以使用OpenRouter体系（其他支持OpenAI 模型API协议的都可以），填写界面大概如下：
方式二：使用GLM-4.6模型
去智谱官方注册：https://www.bigmodel.cn/claude-code?ic=WS3SRXPKF0 （使用注册码可以优惠10%的金额）
注册完成之后在我的中获取对应的api key：
然后在 Kilo Code 中填入对应的GLM的API Key，填写信息：
API 提供商：选择 OpenAI Compatible OpenAI 基础 URL：输入 https://open.bigmodel.cn/api/coding/paas/v4 API Key：填入您的智谱 API Key 模型名称：输入 glm-4.6，并选择 使用自定义
填写示例如下：
简单交互
开始以后就可以选择模式，能够查看对应的模型：
简单交互就会有提示（看看使用GLM-4.6 和 Claude 4.5 的交互场景）
我们看在一个真实项目中改代码的场景，交互还是非常流畅舒服的：
也可以让它帮助你快速搭建环境：（它会想的很细致）
Kilo Code 模式说明
使用技巧建议：
先用架构模式设计，然后人肉检查，再用code模式撸码，效果要比code模式直接一把梭好的多。
Kilo Code 这几种模式的区别和说明：
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 | 需要先构思项目架构、设计系统结构、制定技术方案时使用 |
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、优化代码结构时使用（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、获取使用建议时使用 |
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、修复代码缺陷时使用 |
编排者模式 / 管家模式 | ▶️ | Orchestrator | 跨多个模式协调任务 | 需要组合使用多种模式完成复杂任务、自动切换不同工作流程时使用 |
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
- 复杂任务 → 用 Orchestrator 自动协调各模式完成
Kilo Code 模式详细说明
Kilo Code 提供多种专业模式，灵活适配您的需求：
🔧 代码模式（Code） - 通用型编程任务解决方案
项目 | 详情 |
描述 | 资深软件工程师，精通编程语言、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灵活性 |
🏗️ 架构师模式 - 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 |
工具权限 | 读取、浏览器、多协作平台（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场景 |
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 - 系统性故障诊断专家(Debug解决问题)
项目 | 详情 |
描述 | 专精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、多协作平台（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"的严谨方法论 |
🔧 协调者模式 - 综合调度专家 （管家模式)
项目 | 详情 |
描述 | 通过任务分派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子任务并分派至专项模式 |
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
• 安全审计
• 性能优化
• 文档编写
• 及其他任意定制化任务
Kilo Code 的 Rule 配置
自定义规则概述
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
🔒 限制敏感文件访问
📐 强制执行编码规范
🎯 定制AI行为满足项目需求
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（兼容旧版）：.roorules → .clinerules → .kilocoderules
- 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
💡 强烈建议使用目录结构
规则编写规范
# 使用Markdown语法编写（推荐） ## 章节标题 - 列表形式声明规则 - 每条规则单独成项 `代码块`展示示例： ```python def 规范示例(): print("使用4空格缩进")
典型规则示例
🔧 代码风格
# 代码格式化 - 严格使用4空格缩进 - 变量命名采用小驼峰式 - 所有新函数必须包含单元测试🔐 安全限制
# 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
# API文档要求 - 每个导出函数需包含JSDoc注释 - 必须包含@param和@return说明
最佳实践
- 团队协作：将规则文件纳入版本控制，确保团队统一
- 规则设计：
- • 每条规则保持原子性
- • 相同类型规则集中管理
- • 复杂规则需配示例说明
- 版本迭代：随项目演进定期更新规则
故障排查 - 规则未生效时检查：
- 文件是否存放在支持的位置
- Markdown语法是否正确
- 规则表述是否无歧义
- 重启IDE加载最新规则
Kilo Code 使用中的 Prompt（提示词工程）
提示词工程是一门为 AI 模型（如 Kilo Code）设计高效指令的艺术。精心编写的提示词能带来更优质的结果、减少错误，并提升工作效率。
核心原则
核心原则 | 说明 | 示例 |
✅ 清晰明确 | 避免模糊表述，明确任务目标。 | ✖ 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 bug” |
✅ 提供上下文 | 使用 @上下文引用 指定文件、目录或问题。 | ✔ 好示例：@/src/utils.ts 将 calculateTotal 函数重构为使用 async/await |
✅ 任务拆解 | 将复杂任务分解为小而明确的步骤。 | - |
✅ 提供示例 | 若需特定代码风格或模式，请给出参考示例。 | - |
✅ 指定输出格式 | 如需特定格式（如 JSON、Markdown），请在提示词中说明。 | - |
✅ 迭代优化 | 若初次结果不理想，可调整提示词再次尝试。 | - |
六项核心原则，分别是清晰明确、提供上下文、任务拆解、提供示例、指定输出格式、迭代优化。清晰明确需避免模糊表述、提供上下文需用 @引用指定内容等，为规范任务描述、提升执行准确性提供了明确指引。
"思考-执行" 流程
建议引导 Kilo Code 分阶段完成任务：
分析：让 AI 分析当前代码、识别问题或规划方案。
规划：要求 AI 列出任务执行步骤。
执行：逐步实施计划中的每一步。
审查：在继续前仔细检查每一步的结果。
自定义指令
可通过两种方式定制 Kilo Code 行为：
🔹 全局指令：适用于所有模式
🔹 模式专属指令：仅针对特定模式（如代码模式、架构师模式等）
自定义指令用途：
- 强制代码风格规范
- 指定首选库或框架
- 定义项目特定约定
- 调整 AI 语气或交互风格
处理模糊指令
若提示词含糊或信息不足，Kilo Code 可能：
⚠ 自行假设：按最佳猜测执行，结果可能不符预期
⚠ 追问澄清：使用 ask_followup_question 工具请求补充说明
建议：尽量从开始就提供清晰、具体的指令，避免无效来回沟通。
反馈机制
若结果不理想，可通过以下方式优化：
🛑 拒绝操作：点击 “拒绝” 按钮并说明原因，帮助 AI 学习
✍ 重述需求：用更具体的指令重新表述任务
🛠 手动修正：直接修改代码后再接受变更
示例对比
✅ 优质提示词 | ❌ 劣质提示词 |
@/src/components/Button.tsx 将 Button 组件从 useReducer 重构为 useState | “修复按钮” |
创建 utils.py 文件，添加计算列表平均值的 calculate_average 函数 | “写点 Python 代码” |
@problems 修复当前文件中的所有错误和警告 | “全部修好” |
---
【想要讨论AI编程和AI技术加群联系WX公众号】
