news 2026/9/12 23:42:48

Kilo Code Teams 与 Enterprise 订阅计划解析:从席位计费到企业级 AI 治理

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Kilo Code Teams 与 Enterprise 订阅计划解析:从席位计费到企业级 AI 治理

Kilo Code Teams 与 Enterprise 订阅计划解析:从席位计费到企业级 AI 治理

【免费下载链接】kilocodeKilo is the all-in-one agentic engineering platform. Build, ship, and iterate faster with the most popular open source coding agent.项目地址: https://gitcode.com/GitHub_Trending/ki/kilocode

Kilo Code 是当前开源仓库(GitHub_Trending/ki/kilocode)中的一体化 AI 工程平台,可自由选择将其作为 VS Code 或 JetBrains IDE 中的开源扩展使用。本篇指南围绕 about-plans.md 文档展开,系统梳理 Kilo Code 付费订阅计划(Teams 与 Enterprise)的完整能力边界、计费模型、团队治理功能、企业安全特性与 AI 采用度量化体系。读完本文,你将掌握:两个订阅层级的功能差异与选型依据、席位/信用额度双轨计费的底层规则、团队管理与成员权限的实操流程、企业级 SSO/审计/模型访问控制的配置要点,以及 AI Adoption Score 的评分维度与解读方法。

概览:开源扩展之外的团队级能力

Kilo Code 通过 AI 驱动的代码生成与任务自动化加速开发流程。面向个人开发者,它是一款开源 IDE 扩展;而组织若要在规模化场景下采用 AI 加速编码,往往需要更好的方式来监控、管理并协作其 AI 驱动实践——这正是付费订阅计划(Teams 与 Enterprise)的定位所在。

Kilo Code 个人开源扩展(免费) │ ├── Teams 计划($15/用户/月)——团队级监控与管理 └── Enterprise 计划(联系销售)——企业级安全与治理

需要特别强调的是:付费计划的购买与模型提供商额度相互独立,购买 Teams 或 Enterprise 订阅不包含任何模型调用额度(credits)。模型推理按提供商费率计费,购买信用额度时另收 5% 支付处理费。

Teams 计划:透明计费与团队管理

Teams 计划面向希望以透明、可管理的方式规模化采用 AI 编码的组织,月费$15/用户,核心能力如下:

  • 无推理加价(No inference markup):模型用量按提供商费率计费,信用额度购买单独收取 5% 支付处理费;
  • 无速率限制(No rate limiting):高峰时段不进行限流,也不会降低服务质量;
  • 集中化计费(Centralized billing):整个团队共用一张发票;
  • 完全透明(Complete transparency):可查看每一个请求、每笔成本与使用模式;
  • 团队管理(Team management):支持角色、权限与用量控制;
  • AI 采用度评分(AI Adoption Score):直观了解团队运用 AI 加速开发的效果。

从 collaborate/index.md 的团队功能索引可以看出,Teams 计划还配套了 团队管理、使用分析、计费与发票 以及组织级 自定义模式 等完整模块。

Enterprise 计划:企业级安全与治理增强

Enterprise 计划包含 Teams 的全部能力,并在此基础上叠加以下面向大型组织的能力:

  • 限制模型/提供商(Limit models and/or providers):控制成本并确保合规;
  • 审计日志(Audit Logs):增强可观测性;
  • SSO、OIDC 与 SCIM 支持:对接企业既有身份体系;
  • SLA 承诺(SLA commitments):针对支持工单的服务水平承诺;
  • 专属支持渠道(Dedicated support channels):私有、直接的沟通通道。

Enterprise 的定价通过 联系销售、审计日志、模型访问控制、子组织、用户组 与 迁移 等文档组成完整闭环。

两级计划速查表

能力TeamsEnterprise
无推理加价(按提供商费率计费)✅(继承)
无速率限制/高峰不降质✅(继承)
集中化计费、单张发票✅(继承)
全量用量透明(请求/成本/模式)✅(继承)
团队管理(角色/权限/用量控制)✅(继承)
AI Adoption Score✅(继承)
限制模型/提供商
审计日志
SSO / OIDC / SCIM
SLA 承诺
专属支持渠道
定价$15/用户/月联系销售

双轨计费模型:席位订阅 + 按量信用额度

根据 billing.md,Kilo Code 席位采用透明的两部分计费体系:每月按席位订阅,加上按需付费(pay-as-you-go)的 Kilo 信用额度。模型推理按提供商费率计费、无加价,购买信用额度时另收 5% 支付处理费。

几个关键规则需要牢记:

  • $1 购买的信用额度可支撑 $1 的用量,5% 处理费单独收取,不会增加组织信用余额;
  • 组织信用额度由组织 Owner 在 app.kilo.ai 的 Organization 仪表盘购买,组织内所有成员均可通过 Kilo Code 模型提供商使用组织余额,使用方式与个人信用额度完全一致,只是资金来源不同;
  • 信用额度永不过期,购买后一直保留在账户中直至用完。

组织信用额度购买流程

  1. 进入仪表盘的Organization标签页;
  2. 点击"Buy More Credits"
  3. 选择信用额度金额($50、$100、$250、$500、$1000+);
  4. 使用已保存的支付方式完成付款;
  5. 信用额度立即生效供团队使用。

成员使用组织信用额度时,需在 Kilo Code 扩展的Profiles标签页下拉菜单中切换到正确的组织档案。

席位订阅管理

要向组织添加成员,必须先有可用席位:

  • 随时加购席位:账单周期内可随时购买更多席位,按剩余天数支付**按比例分摊(pro-rated)**的费用;
  • 随时移除空席位:下一次付款将按减少后的席位数量计算,下次账单日期不变;
  • 添加席位:Organization 标签页 → "Add Seats" → 输入新增数量 → 核对本期按比例成本 → 确认;
  • 移除席位:Organization 标签页 → "Remove Seats" → 选择要移除的席位(必须先移除对应成员)→ 确认。

组织级 Kilo Pass 与自动充值

组织可以在组织层面订阅Kilo Pass,把订阅的信用容量汇集到团队共享池,而非每个成员各自持有个人 Kilo Pass(个人订阅保持独立、不受影响):

  • 每席位一个 Pass:购买容量始终与付费席位数量匹配,随席位增减自动调整;
  • 信用池化:每个服务窗口的 Kilo Pass 信用发放到组织池而非个人;
  • 子组织分配:若组织存在直接子组织,可将部分池化容量分配给每个子组织,未分配部分保留在父组织。

组织 Owner 与计费管理员可从 Organization 仪表盘的Subscriptions页面购买、分配与取消 Kilo Pass;取消在当前付费周期结束时生效;若席位缩减导致分配超出剩余容量,页面会引导完成重新平衡。

Automatic Top-Up(自动充值)可确保团队不间断使用:启用时立即产生一笔所选充值金额的一次性验证扣款;启用后每当余额低于$50.00自动充值;最小充值金额为$100.00。配置路径为:Organization Settings → Billing & Credits → Automatic Top-Up 开关 → 设置充值金额 → Save Changes。若支付失败,系统会邮件通知并自动暂停自动充值,避免重复扣款尝试,可随时从设置中恢复。

发票与服务暂停

平台任何支付(席位或信用额度)的发票均在Invoices标签页提供。若反复支付失败:有3 天宽限期解决支付问题,宽限期后服务暂停,暂停期间数据保留30 天,支付解决后立即恢复

团队治理实操:从创建组织到成员管理

十分钟搭建团队

根据 getting-started.md,准备以下前置条件:GitHub 账户或 Google Workspaces 公司邮箱、大致团队规模(用于初始席位规划)、用于计费的信用卡、团队成员安装的 VS Code 或 JetBrains IDE。

  1. 创建组织:访问 app.kilo.ai → 使用公司 Google Workspaces 或 GitHub 账户注册(建议以 GitHub 账户起步,后续可更改)→ 左侧边栏OrganizationsCreate New Organization
  2. 订阅计划:输入组织名称 → 选择初始席位数量与层级(Teams 或 Enterprise)→ 完成结账;
  3. 邀请成员:Organization →Invite Member→ 输入成员邮箱 → 分配角色(见下节);
  4. 成员安装扩展:成员接收邀请邮件 → 接受邀请 → 从 VS Code Marketplace 安装 Kilo Code → 使用受邀邮箱登录 → 开始 AI 辅助编码。

团队落地后的建议:先尝试基础任务(代码生成、调试、文档),再探索不同模式(Code、Architect、Ask、Debug),设置个人偏好(模型选择、自动审批设置),一周后在仪表盘回顾使用模式。

角色体系与成员管理

依据 team-management.md,团队中每个人要么是Owner,要么是Member

  • Owner:拥有完整管理权限,包括计费、席位分配、模型/提供商选择,只有 Owner 能进行团队管理操作
  • Member:可使用 Kilo Code 扩展,并可在使用仪表盘查看团队用量数据。

操作流程速览:

  • 添加成员:Organization 标签页 → Invite Member → 输入邮箱 → 选择初始角色(Member 或 Owner)→ Send Invitation;
  • 移除成员:Organization 标签页 → 找到离队成员 → Remove → 确认 →席位立即释放
  • 变更角色:Organization 标签页 → 点击成员名旁角色下拉框 → 选择新角色 → 确认 → 成员收到邮件通知;
  • 团队状态查看:Organization 标签页展示活跃成员及其最近活动、待接受邀请、团队角色分布。

使用分析与 AI 采用度量化

用量分析仪表盘

根据 analytics.md,使用 Kilo 席位(Enterprise 或 Teams 订阅)可通过 Kilo Gateway 提供商获得详细的用量分析。仪表盘顶部的Usage Details展示五项关键指标:Total Spent(所选周期总成本)、Total Requests(API 请求总数)、Avg Cost per Request(平均单请求成本)、Total Tokens(输入+输出总 Token 数)、Active Users(发起请求的成员数)。

  • 时间周期过滤:Past Week(近 7 天)、Past Month(近 30 天)、Past Year(近 365 天)、All(全部历史);
  • "Only my usage" 开关:启用仅看个人数据,关闭看团队全员数据;
  • By Day 视图:按日期聚合,列含 DATE/COST/REQUESTS/TOKENS(悬停区分输入与输出 Token)/USERS,点击日期行可展开当日每位成员的明细;
  • By Model & Day 视图:按模型与日期展示(如anthropic/claude-sonnet-4openai/gpt-5x-ai/grok-code-fast-1mistralai/codestral-2508),点击行可展开使用该模型的具体成员及个人统计;
  • By Project 视图:按项目聚合用量。项目名自动从项目.git/config中名为origin的 remote 解析(如git@github.com:example-co/example-repo.git解析为example-repo);也可在项目.kilo/config.json中手动覆盖:
{ "project": { "id": "my-project" } }

(历史遗留的.kilocode/config.json仍会作为回退被读取。)

需要注意用量范围:该概览包含通过 Kilo Gateway 提供商的所有用量,不包含扩展连接到其他非 Kilo Code 提供商的用量。所有成本以美元(USD)精确显示,可监控支出趋势、识别高用量周期或模型、追踪成员对成本的贡献。

AI Adoption Score:三维度加权评分

AI Adoption Dashboard 面向工程管理者、技术负责人与高管,提供单一的AI Adoption Score(0–100),量化组织 AI 成熟度。访问路径:app.kilo.ai → 选择组织 → 点击Usage标签 → 评分卡片位于用量视图顶部。

评分由三个加权维度构成(详见 understanding-your-score.md):

维度权重回答的问题测量的信号
Frequency(频率)40%开发者多久使用一次 AI?每日 Agent 交互、自动补全接受量、Cloud Agent 会话、Reviewer Agent 运行
Depth(深度)40%AI 融入实际开发的程度?每小时工作时查询数、AI 建议接受比例、合入代码库的 AI 生成行数、AI 建议行原样合入的留存率、多 Agent 链路(编码→审查→部署)
Coverage(覆盖率)20%AI 在团队中推广的广度?每周使用任一 AI Agent 的用户比例、采用 2+ 个 Agent 的用户比例、采用 4+ 个 Agent 的用户比例、工作日使用分布广度

评分计算采用以下归一化技术:

  • 按开发者归一化(Per-Developer Normalization):10 人团队中度使用与 50 人团队中度使用得分可比,原始用量不会虚增分数;
  • 异常值封顶(Outlier Capping):个别重度用户的极端用量被封顶,防止单人拉高整个团队分数;
  • 滚动窗口(Rolling Window):使用每周滚动窗口保持稳定性,平滑日常波动同时响应真实行为变化;
  • 多源聚合(Multi-Source Aggregation):聚合 IDE(自动补全与编码 Agent)、CLI(终端 AI 用量)、Reviewer Agent(AI 辅助代码审查)、Cloud Agent(浏览器 AI 会话)的事件流。

分数会因成员休假、冲刺周期、节假日等正常波动而变化;新成员入职(可能暂时拉低 Coverage)、成员离开、工作流变化、采用举措成功则属于有意义的变化。解读建议:关注趋势而非绝对值(45 分意味着"早期采用、仍有成长空间",好坏取决于与上月对比和走向);总分低时先定位拖后腿的维度(低 Frequency 建日常习惯、低 Depth 提升信任与上下文质量、低 Coverage 聚焦入职激活);相比均值更关注分布(50 分的团队可能是半数 80+ 与半数 20 的组合)。

分数层级速查:

分数区间层级含义
0–20Minimal adoptionAI 使用零散或实验性
21–50Early adoption部分开发者规律使用 AI
51–75Growing adoptionAI 成为团队工作流一部分
76–90Strong adoptionAI 深度融入开发流程
91–100AI-first engineering orgAI 是团队交付代码的核心

Enterprise 专项:SSO、审计日志与模型访问控制

SSO(OIDC 与 SCIM)

根据 sso.md,Kilo Enterprise 支持通过组织既有身份提供商(如 Okta、Google Workspace、Azure AD)实现Single Sign-On。前置条件:Kilo 组织的 Admin/Owner 权限 + 可访问身份提供商(IdP)。

配置流程分两阶段:

  1. 发起:打开 app.kilo.ai/organizations 仪表盘的 SSO 配置面板 → 点击 "Set up SSO" → 填写联系表单,Kilo 团队将协助配置;
  2. 实施:Kilo 团队启用后,指定的管理员会收到来自WorkOS的配置邮件,需要:在 WorkOS 中配置身份提供商(应用 IdP 的 Metadata)→ 在身份提供商中配置 WorkOS(复制 WorkOS 仪表盘的 Entity ID、ACS URL、Metadata)→ 在 WorkOS 中配置组织策略、用户供应、域名策略与域名验证。

⚠️重要提醒:目前不支持 IdP 发起的登录,用户必须访问 Kilo Web App(app.kilo.ai)登录;域名策略务必最后配置,若在 SSO 配置完成前设置域名策略,可能将用户锁在 Kilo 之外。启用 SSO 后:用公司邮箱域名邀请新用户、从 Organization 标签页管理团队访问与角色、在 Audit Logs 标签页查看团队活动。

审计日志

依据 audit-logs.md,审计日志记录 Kilo 席位管理中的关键动作,包括用户登录、模型/提供商/模式的增删、角色变更等,只有 Owner 可以查看与筛选。入口:Enterprise Dashboard → Audit Logs

筛选器支持按Actionsuser login/logoutuser invite/accept invite/revoke invitesettings changepurchase creditsmember remove/member change rolesso set domain/sso remove domain)、Actor Email(执行者)、Start/End Date(时间范围)组合筛选。

每个日志事件包含四个字段:Time(按本地时区显示)、Action(事件类型,如user.loginsettings.change)、Actor(执行者)、Details(上下文或附加数据,如增删的模型)。完整事件清单:组织(Create、Settings Change、Purchase Credits)、组织成员(Remove、Change Role)、用户(Login、Logout、Accept Invite、Send Invite、Revoke Invite)、自定义模式(Create、Update、Delete)、SSO 企业专属(Auto Provision、Set Domain、Remove Domain)。

模型访问控制(Blocklist 机制)

依据 model-access-controls.md,Model Access Controls 是 Enterprise 专属功能——其他计划的组织可无限制访问所有模型与提供商。系统采用blocklist(黑名单)机制:默认全部放行,管理员显式屏蔽不应访问的项;因此新加入的模型与提供商自动对团队可用,无需手动操作。

行为规则:

场景行为
未配置任何屏蔽所有模型与提供商可用(默认)
屏蔽某个提供商该提供商所有当前与未来模型均不可用
屏蔽某个具体模型仅该模型不可用,同提供商其他模型仍可访问

配置入口为组织Providers & Models页面,含两个标签页:

  • Models 标签页:列出所有提供商的全部模型,可逐模型开关访问权限、按模型名/ID/提供商搜索、筛选仅看当前允许的模型;
  • Providers 标签页:列出所有提供商,可整体开关(阻断该提供商当前及未来的全部模型)、按数据策略(是否在提示词上训练、是否保留提示词)与提供商位置/数据中心区域筛选。

页面存在未保存修改时底部会出现状态栏,点击Save立即对全体成员生效,Cancel放弃修改。典型应用场景:数据合规(屏蔽在提示词上训练或位于要求数据区域之外的提供商)、成本控制(屏蔽高成本模型防止意外大额支出)、安全策略(限制为已批准的提供商集合)。

⚠️ 约束说明:仅Owner可修改模型访问控制;个人用户无法覆盖组织级限制;屏蔽提供商会连带屏蔽其未来新增的模型,解除屏蔽立即恢复;若需向特定成员子集授予模型而非全组织,可使用 Groups,组织级控制是组授权的硬性上限、不可被组授权突破。

选型建议与落地路径

综合上述能力对比,可给出如下选型参考:

  • 团队规模不大、最关心成本透明与集中管理→ 选择Teams:无推理加价、无限流、单张发票、用量全透明、AI Adoption Score 一应俱全,$15/用户/月 成本可预期;
  • 受监管行业或大型组织,需要安全与合规治理→ 选择Enterprise:模型/提供商限制、审计日志、SSO(OIDC/SCIM)、SLA 与专属支持,以及子组织与用户组能力;
  • 无论哪个层级,都应先规划计费模型:席位订阅解决"谁能用",信用额度解决"用多少",二者相互独立、5% 处理费单列,组织信用池 + 自动充值可保证团队不间断使用;
  • 落地后持续量化:通过 Usage Details 分析按日/按模型/按项目的成本与 Token 消耗,用 AI Adoption Score 的 Frequency/Depth/Coverage 三维度定位团队短板并针对性改进。

相关延伸文档(仓库内可直接查阅):获取团队席位快速上手、团队管理与角色权限、计费与信用额度、使用分析仪表盘、AI 采用度仪表盘总览、Enterprise 迁移指南。

【免费下载链接】kilocodeKilo is the all-in-one agentic engineering platform. Build, ship, and iterate faster with the most popular open source coding agent.项目地址: https://gitcode.com/GitHub_Trending/ki/kilocode

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/12 23:40:33

AFSIM--WSF_TRACK_PROCESSOR

WSF_TRACK_PROCESSOR 完整详解(AFSIM)WSF_TRACK_PROCESSOR 航迹/跟踪处理器,是平台级核心 processor。 作用:多源航迹关联、卡尔曼滤波、航迹融合、航迹生命周期管理;把本机传感器探测编队数据链收到的外部航迹&#…

作者头像 李华
网站建设 2026/9/12 23:40:18

YOLOv7改进实践:注意力机制、损失函数与轻量化部署指南

简介:基于YOLOv7改进的完整研究资料包,面向目标检测方向的科研人员、算法工程师及进阶学习者,可作为课题研究、算法优化和工程选型的参考。内容以YOLOv7改进为核心,涵盖源码、实验图片、详细说明与研究报告,系统涉及结…

作者头像 李华
网站建设 2026/9/12 23:39:21

眼底血管分割实战:Unet切片数据集训练与推理全流程解析

简介:面向眼底血管分割任务的Unet完整资料包,包含已切片好的数据集、训练代码、推理脚本及训练结果文件。数据集对应眼底血管二分割任务,模型仅训练10个epochs,全局像素准确度达0.95,miou为0.67,若增大训练…

作者头像 李华
网站建设 2026/9/12 23:39:06

鸿蒙部署 MicroG 完整教程:解决 Google 服务签名问题

鸿蒙部署 MicroG 完整教程:解决 Google 服务签名问题 【免费下载链接】GmsCore Free implementation of Play Services 项目地址: https://gitcode.com/GitHub_Trending/gm/GmsCore 如果你在一台鸿蒙(HarmonyOS)设备上装过 MicroG&…

作者头像 李华
网站建设 2026/9/12 23:38:39

React Native列表在OpenHarmony上的高性能封装实践

1. 为什么要在OpenHarmony上重新造List这个轮子先说结论:React Native在OpenHarmony上跑通Hello World只是第一步,真正决定能不能上生产的是列表页。FlatList在Android和iOS上表现稳定,但换到OpenHarmony环境后,问题不是“性能差一…

作者头像 李华