如何接入 Kimi 到 WorkBuddy

如何接入 Kimi 到 WorkBuddy

Kimi 是月之暗面（Moonshot AI）推出的国产大模型，以 超长上下文（128K） 和 原生 Tool Calling 著称。moonshot-v1 系列模型完全兼容 OpenAI SDK 格式，支持 8K / 32K / 128K 三档上下文，是国内首批支持长文档处理的大模型之一。本教程教你把 Kimi 接入腾讯桌面端 AI 助手 WorkBuddy，在桌面 GUI 中直接使用。

Kimi 接入 WorkBuddy 有两种方式，选一种就行：

前置准备

不管选哪种方式，都需要这几样东西：

• 操作系统为 Windows 10 20H2+ 或 macOS 12+
• 已注册 Moonshot 开放平台 账号（与 Kimi 聊天端账号独立）
• 准备好中国大陆手机号（+86，用于实名认证）
• 电脑能上网（国内可直连，不用梯子）

步骤一：获取 Kimi API Key

两种方式都要先领一张 Kimi 的「通行证」（API Key）。

1.1 注册并登录

1. 访问 Moonshot 开放平台，点击右上角「注册」
2. 使用中国大陆手机号（+86）完成验证码验证
3. 进行实名认证：
   • 个人用户：填写身份证号，通常即时通过
   • 企业用户：上传营业执照，审核约 1-3 个工作日

1.2 创建 API Key

1. 登录后进入控制台，点击左侧菜单 「API 密钥」
2. 点击 「创建密钥」 按钮
3. 为密钥命名（建议按用途命名，如 workbuddy-生产、test-开发）
4. 页面会显示一串以 sk- 开头的长字符串，这就是你的通行证

1.3 了解可用模型

注：新用户注册赠送 ¥15 体验金，相当于 125 万 tokens（8k 模型）或 62.5 万 tokens（32k 模型）的使用量。预付费充值按实际 token 扣费。

步骤二：安装 WorkBuddy

如果你还没装 WorkBuddy 桌面端，先装上。

1. 下载客户端

1. 访问 WorkBuddy 官网，点击首页「下载客户端」
2. 根据系统选择对应版本：
   • Windows 用户：下载 .exe 安装包（支持 Windows 10 20H2+ / Windows 11）
   • Mac 用户：下载 .dmg 安装包（支持 macOS 12 Monterey+）

2. 安装并登录

1. 双击安装包按提示完成安装
2. 启动 WorkBuddy，使用微信或 QQ 扫码登录
3. 登录成功后即可看到主聊天界面

步骤三：接入 Kimi

从这里开始，方式 A 和方式 B 分开走，选一种跟着做即可。

方式 A：应用端交互接入（推荐新手）

WorkBuddy 自带模型供应商管理界面，跟着它一步步填就能接好，全程不用手写配置。

A1. 打开 WorkBuddy 桌面端

双击桌面 WorkBuddy 图标启动应用，进入主界面。

A2. 进入「模型配置」

点击右上角的设置（齿轮）图标 → 进入「模型配置」标签（部分版本叫「供应商」）。

A3. 点击「添加自定义供应商」

在供应商列表下方，点击 「+ 新增」 或 「添加自定义供应商」 按钮。

A4. 填入供应商名称

输入一个便于识别的名字，例如 Moonshot Kimi，回车确认。

A5. 填入 baseURL

在 API 地址栏填入：

A6. 粘贴 Moonshot API Key

把步骤一领到的 sk- 开头的 API Key 粘贴到「API Key」输入框，回车确认。

A7. 选择模型

在模型列表中点击「添加模型」，填入模型 ID：

回车确认。也可继续添加 moonshot-v1-32k 和 moonshot-v1-128k 作为备选模型以应对不同上下文需求。

A8. 测试连接

点击页面下方的 「测试连接」 按钮。出现绿色「连接成功」字样就说明接通了！

A9. 保存并设为默认

点击 「保存」，然后在模型下拉菜单中将 moonshot-v1-8k 设为默认模型即可开始使用。

方式 B：配置文件手动接入（进阶）

如果你更喜欢直接改配置文件，可以跳过 GUI，手动编辑 WorkBuddy 的本地配置文件。

B1. 找到配置文件路径

WorkBuddy 的配置文件在不同系统下的位置：

• macOS：~/.workbuddy/config.json
• Windows：%APPDATA%/WorkBuddy/config.json（在文件资源管理器地址栏粘贴 %APPDATA%/WorkBuddy 即可跳转）

B2. 备份原配置

修改前先备份：

1# Windows PowerShell
2Copy-Item "$env:APPDATA\WorkBuddy\config.json" "$env:APPDATA\WorkBuddy\config.json.bak"

1# macOS
2cp ~/.workbuddy/config.json ~/.workbuddy/config.json.bak

B3. 编写 Kimi 模型配置

打开 config.json，推荐用环境变量方式（最安全，避免 Key 明文写入）：

1{
2  "models": [
3    {
4      "name": "moonshot-v1-8k",
5      "provider": "openai-compatible",
6      "baseURL": "https://api.moonshot.cn/v1",
7      "apiKeyEnv": "MOONSHOT_API_KEY",
8      "maxTokens": 2048,
9      "temperature": 0.7
10    },
11    {
12      "name": "moonshot-v1-32k",
13      "provider": "openai-compatible",
14      "baseURL": "https://api.moonshot.cn/v1",
15      "apiKeyEnv": "MOONSHOT_API_KEY",
16      "maxTokens": 4096,
17      "temperature": 0.7
18    },
19    {
20      "name": "moonshot-v1-128k",
21      "provider": "openai-compatible",
22      "baseURL": "https://api.moonshot.cn/v1",
23      "apiKeyEnv": "MOONSHOT_API_KEY",
24      "maxTokens": 8192,
25      "temperature": 0.7
26    }
27  ],
28  "defaultModel": "moonshot-v1-8k"
29}

然后设置环境变量：

1# PowerShell（临时，当前会话有效）
2$env:MOONSHOT_API_KEY = "sk-你的实际Key"
3
4# 或设为系统永久环境变量（重启终端仍有效）
5[System.Environment]::SetEnvironmentVariable("MOONSHOT_API_KEY", "sk-你的实际Key", "User")

1# macOS / Linux（临时）
2export MOONSHOT_API_KEY="sk-你的实际Key"
3
4# 写入 ~/.zshrc 永久生效（macOS 默认 shell）
5echo 'export MOONSHOT_API_KEY="sk-你的实际Key"' >> ~/.zshrc
6source ~/.zshrc

B4. 关键参数说明

B5. 重启 WorkBuddy 加载配置

关闭 WorkBuddy 客户端再重新打开，它会自动加载新的 config.json。如配置出错会在启动日志中提示。

步骤四：测试验证

4.1 启动 WorkBuddy 并选择模型

打开 WorkBuddy 桌面端，确认顶部模型下拉框已切到 moonshot-v1-8k。

4.2 发送测试消息

在 WorkBuddy 主聊天框中发送一条测试消息：

预期正常回复应包含：

• ✅ 自称为 Kimi 或由 Moonshot AI 提供
• ✅ 提及超长上下文（128K）等核心能力
• ✅ 响应在 2-5 秒内返回

如果收到来自 Kimi 的回复，恭喜你——接入成功！🎉

4.3 Python 快速验证（可选）

绕过 WorkBuddy 直接验证 API Key 是否有效：

1from openai import OpenAI
2
3client = OpenAI(
4    api_key="你的Moonshot API Key",   # 替换为实际 Key
5    base_url="https://api.moonshot.cn/v1"
6)
7
8response = client.chat.completions.create(
9    model="moonshot-v1-8k",
10    messages=[
11        {"role": "system", "content": "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。"},
12        {"role": "user", "content": "说一句'Hello, Kimi!'"}
13    ],
14    temperature=0.3,
15    max_tokens=100
16)
17
18print("✅ 连接成功！模型回复：")
19print(response.choices[0].message.content)

运行前确保已安装依赖：

1pip install openai
2python test_kimi.py

场景应用示例

🧩 场景 1：超长文档智能分析

利用 moonshot-v1-128k 的 128K 超长上下文处理整份技术文档或法律合同：

使用示例：

1请对以下技术架构文档进行结构化摘要，提取：
21. 核心架构设计
32. 技术选型决策
43. 潜在风险点
5文档内容：[粘贴数十万字的技术文档]

效果：

• 单次处理整本技术书籍或法律合同
• 准确提取架构决策与技术债务
• 适合代码库迁移评审、合同审查、长篇论文分析

🧩 场景 2：智能代码助手

将 moonshot-v1-8k 设为默认模型，辅助日常编程：

使用示例：

1请用 Python 写一个读取 CSV 文件并按某列分组求均值的函数，
2包含异常处理和注释，并解释每行代码的作用。

效果：

• 生成完整可运行的函数代码
• 自动添加参数说明和类型注解
• 提供使用示例和边界处理
• 支持 Python、JavaScript、Java、C# 等主流语言

🧩 场景 3：Tool Calling 智能体

利用 Kimi 原生的 Tool Calling 能力构建智能 Agent：

使用示例：

效果：

• 模型自动拆解用户意图，分别调用天气和股票查询工具
• Function Calling 返回格式稳定，解析失败率低
• 适合构建客服机器人、智能助手等 Agent 应用

最佳实践

💰 成本优化技巧

1. 善用免费额度：新用户赠送 ¥15 体验金，足够跑数千次测试调用
2. 按上下文长度选模：
   • 短对话（< 6K tokens）→ moonshot-v1-8k（最便宜）
   • 中等文档（6K-30K tokens）→ moonshot-v1-32k
   • 长文档（30K-130K tokens）→ moonshot-v1-128k
3. 控制输出长度：输出 token 比输入贵 5 倍，合理设置 maxTokens（一般 2048-4096 即够用）
4. 凭证隔离：开发和生产使用不同 API Key，便于追踪用量和排查泄露
5. 充值方式：Moonshot 支持预付费充值，国内用户支付便捷

🔒 安全建议

1. 永远不要将 API Key 提交到 Git 仓库 —— 确保 .gitignore 包含 .env 和 config.json
2. 定期轮换 Key —— 在 Moonshot 控制台定期更新密钥
3. 设置用量告警 —— 在开放平台设置预算上限，防止意外超额
4. 生产与测试 Key 分离 —— 便于追踪用量和排查泄露
5. 输入过滤：对用户输入做敏感词过滤，避免 prompt injection 攻击

🐛 故障排查速查表

扩展与进阶

📚 更多学习资源

🚀 进阶玩法

• 多模态视觉理解：使用 moonshot-v1-8k-vision-preview 等视觉模型识别截图、图表、UI 设计稿
• Tool Calling 智能体：Kimi 原生支持 Function Calling，可对接外部 API 构建复杂 Agent
• 联网搜索能力：Kimi 内置联网搜索，可在对话中获取实时信息（如股市行情、新闻）
• 多模型混合部署：在 config.json 中同时配置 Kimi + DeepSeek + GLM，根据任务类型动态切换
• 流式输出（Streaming）：开启 SSE 流式返回，提升长文本的交互体验
• 文件内容提取：Moonshot 提供文件上传 + 内容提取 API，可结合知识库构建 RAG 应用