在 Open Interpreter 中使用 Kimi K3Kimi Code 订阅与 Moonshot API 双路径完整指南【免费下载链接】openinterpreterA coding agent for open models like Kimi K3 and GLM 5.3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreterKimi K3 是 Kimi 面向代理式编码agentic coding与知识工作的旗舰模型。本仓库将供应商官方推荐的 Kimi Code harness 用 Rust 重新实现并内置于 Open Interpreter即本仓库codex-rs代码基座使 K3 在类似 Codex 的终端界面中获得原生的请求结构、工具集合、思考历史与默认设置无需安装或运行外部的 Kimi Code CLI。阅读本文后你将掌握两条接入 K3 的路径Kimi Code 订阅登录、Moonshot Platform API 密钥、对应的 CLI 与交互式配置方法以及上下文、推理、价格、计算机使用QA 技能、ACP 与 Codex SDK 集成等实操细节。Kimi K3 与 Kimi Code harness一文看懂两者的关系Kimi 官方对 K3 的推荐用法是通过 Kimi Code 订阅与对应 harness 完成编码任务。Open Interpreter 没有简单地「转发」官方 CLI而是在 Rust 代码库中重新实现了这一 harness。仓库里与 Kimi 直接相关的核心模块包括codex-rs/core/src/harness/kimi_code.rsKimi Code 风格请求的构造器负责系统提示词渲染、工具清单注入、思考参数与 prompt 缓存键生成codex-rs/core/src/harness/kimi_cli.rsKimi CLI 风格的消息构建基础两者共用codex-rs/tools/src/harness.rsharness 枚举定义其中KimiCode与KimiCli分别对应配置名kimi-code与kimi-clicodex-rs/core/src/harness/request.rs与codex-rs/core/src/harness/routing.rs把 Chat 类 wire API 的流量路由到KimiCode/KimiCli两种 Chat harnesscodex-rs/app-server/src/interpreter_catalog.rs向用户呈现的 harness 目录其中kimi-code的说明为「Use the Kimi Code-style tool harness」仅支持 Chat wire API。因此在使用 K3 时Open Interpreter 会自动为 Kimi 系供应商选择kimi-codeharness同理 Moonshot Platform 供应商也会推断出该 harness你可以随时用/harness确认或更改。使用 Kimi Code 订阅开始安装、登录与选模型安装与启动在 macOS/Linux 上安装 Open Interpreter打开项目目录并启动终端 UIcurl -fsSL https://www.openinterpreter.com/install | sh cd my-project i在 Windows 上使用 PowerShell 安装然后在项目中运行iirm https://www.openinterpreter.com/install.ps1 | iex仓库内置了对应安装脚本可对照查看实现scripts/install/install-open-interpreter.sh与scripts/install/install-open-interpreter.ps1。首次登录选择 Kimi For Coding首次启动时按以下顺序完成配置在供应商列表中选择Kimi For Coding在浏览器中完成 Kimi 登录设备授权流程由仓库内的codex-rs/login/src/kimi_code.rs实现走 OAuth device authorization获取user_code、device_code、verification_uri登录后令牌保存在本地credentials/kimi-code.json并带 5 分钟刷新阈值与自动续期逻辑在模型列表中选择Kimi K3。在已有会话中可以打开/model做相同的选择。切换到 K3 时请启动新会话以便使用全新的提示缓存和思考历史原因见下文「上下文与推理」一节这与仓库内基于会话 ID 的 prompt 缓存实现直接相关。如果你已经拥有兼容的 Kimi Code API 密钥可以跳过交互式登录直接启动KIMI_API_KEY... interpreter \ -c model_providerkimi-for-coding \ -m k3Open Interpreter 会自动为 Kimi 供应商选择kimi-codeharness因此无需安装或运行外部的 Kimi Code CLI。这一点在供应商目录中可直接印证codex-rs/model-provider-info/provider_catalog.json中kimi-for-coding供应商的env_key为KIMI_API_KEYbase_url指向https://api.kimi.com/coding/v1wire_api为chat其模型列表内k3Kimi K3标注为 Reasoning、Tool calling、Image input、Video inputcontext_window高达 10485761M 令牌且thinking_toggle开启。使用 Moonshot Platform API 密钥Kimi K3 也可以通过 Moonshot Platform API 以kimi-k3的模型 ID 使用。在 provider 目录中moonshotai供应商的env_key为MOONSHOT_API_KEYbase_url为https://api.moonshot.ai/v1kimi-k3同样拥有 1M 上下文与 thinking 开关。交互式使用MOONSHOT_API_KEY... interpreter \ -c model_providermoonshotai \ -m kimi-k3针对单个非交互式任务例如自动审查仓库并修复最严重 bugMOONSHOT_API_KEY... interpreter exec \ -c model_providermoonshotai \ -m kimi-k3 \ Review this repository and fix the highest-impact bug.说明interpreter exec用于一次性执行任务后退出适合 CI、脚本与自动化场景。此供应商同样会自动推断使用 Kimi Code harness。你可以使用/harness确认或更改当前的 harness——该命令对应的可选项在codex-rs/app-server/src/interpreter_catalog.rs中注册kimi-code与kimi-cli均在列。上下文与推理切换模型为什么建议开新会话Kimi 目前建议在选择 K3 时使用全新会话因为切换模型会使现有的提示缓存失效。从实现层面看codex-rs/core/src/harness/kimi_code.rs会为每次请求生成prompt_cache_key其格式为session_{conversation_id}同时系统提示词还以「会话 ID 工作目录 技能集合哈希」为键做进程内缓存。因此提示缓存与会话 ID 强绑定更换模型如从 K2.5 切到 K3意味着历史 token 缓存不可复用新会话还能获得全新的思考历史避免旧模型的思考痕迹影响 K3 行为。K3 的推理与思考参数在 K3 的请求构造中kimi_code.rs::build_request会向 Chat 接口发出如下关键字段{ model: model slug, messages: [ ... ], max_completion_tokens: 32768, prompt_cache_key: session_conversation_id, stream: true, stream_options: { include_usage: true }, tools: [ ... ], thinking: { type: enabled, keep: all } }也就是说思考thinking默认开启且完整保留keep: all以便模型在后续轮次继续使用思考历史max_completion_tokens固定为 32768。K3 在启动时使用最大推理力度。仓库测试kimi_code_request_matches_current_kimi_k3_transport_options_and_tools断言了上述 transport 选项与工具清单的一致性包括thinking参数、max_completion_tokens以及请求中不携带reasoning_effort。上下文窗口与方案授权Kimi Code 订阅在 Moderato 方案提供256K上下文窗口在 Allegretto 以及更高级别方案上提供最高 1M 令牌的上下文窗口provider 目录中记录的模型上下文即为 1048576。授权与推理细节以 Kimi 当前官方模型配置为准。价格截至 2026 年 7 月 16 日Kimi 官方列出的 Kimi Code 订阅价格如下方案月付年付按月计Kimi Code 积分K3 上下文Moderato$19$151×256KAllegretto$39$315×最高 100 万Allegro$99$7915×最高 100 万Vivace$199$15930×最高 100 万Kimi 对 K3 的直接 API 定价为每百万次缓存命中输入令牌$0.30每百万次缓存未命中输入令牌$3.00每百万输出令牌$15.00。价格与方案授权可能变动购买前请以 Kimi 官方的当前会员定价与 K3 发布公告为准。对照上文可知提示缓存不仅影响「新会话建议」也直接影响 API 计费单价命中与未命中相差 10 倍因此在长会话中善用缓存能显著降低成本。计算机使用让 K3 操作真实界面Kimi K3 可以使用 Open Interpreter 捆绑的 QA 技能来操作和测试界面测试网页应用时可在真实浏览器中使用agent-browser测试原生桌面应用时可使用trycua进行计算机操作Computer Use。典型用法是直接让模型像用户一样跑通流程并修复问题Run this app, test the sign-in flow like a user, and fix anything that breaks.需要注意普通的沙箱与审批设置仍然适用相关机制见 沙箱指南 与 权限指南请保持请求具体审查涉及账户或外部系统的操作避免模型在未授权的情况下改动真实资源。从实现上看这类「会话技能」会经由codex-rs/core/src/harness/kimi_code.rs的session_skills_listing汇入系统提示词追加在 Kimi Code 内置技能如check-kimi-code-docs、update-config、write-goal之后并以skill: description\n Path: path的格式呈现给模型仓库测试kimi_code_request_renders_open_interpreter_session_skills与kimi_code_request_renders_kimi_code_builtin_skills专门验证了这一注入逻辑。ACP 与 Codex SDK把 K3 带进任意编辑器通过 ACP 使用通过配置启动interpreter acp即可在任何受支持的编辑器或客户端中使用 Kimi K3具体机制参见 ACP 指南。ACPAgent Client Protocol让编辑器/客户端与编码 Agent 之间通过标准协议互通K3 因而能像本地 Agent 一样出现在编辑器侧栏、接管工具调用并返回结果。通过 Codex SDK 使用现有的 Codex SDK 集成只需把二进制覆盖指向 Open Interpreter-const codex new Codex(); const codex new Codex({ codexPathOverride: interpreter });随后按下述两种组合之一配置模型model_provider设置为kimi-for-coding模型使用k3model_provider设置为moonshotai模型使用kimi-k3。完整的 TypeScript 与 Python 示例可参阅 Codex SDK 指南。同一份 SDK 指南覆盖了通过环境变量或配置文件注入KIMI_API_KEY/MOONSHOT_API_KEY的方法方便在 CI 与自动化流水线中复用。常见问题与最佳实践选择哪个供应商已订阅 Kimi Code 选kimi-for-coding浏览器登录或KIMI_API_KEY按量计费或已有 Moonshot 密钥选moonshotaiMOONSHOT_API_KEY模型kimi-k3。如何确认当前 harness使用/harness查看或切换正常情况下两个供应商都会自动落到kimi-code。为什么要新建会话切换模型会使按session_{conversation_id}构建的 prompt 缓存失效新会话同时带来干净的思考历史避免旧模型的思考痕迹污染 K3 输出。怎么运行浏览器/桌面自动化利用捆绑 QA 技能 agent-browser网页或trycua桌面请求务必具体、可控并遵守沙箱与审批策略。想了解更深层的 harness 路由机制可阅读 harness 文档 与 供应商文档或直接查看codex-rs/core/src/harness/下kimi_code.rs、kimi_cli.rs、request.rs、routing.rs的源码与测试。【免费下载链接】openinterpreterA coding agent for open models like Kimi K3 and GLM 5.3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreter创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
在 Open Interpreter 中使用 Kimi K3Kimi Code 订阅与 Moonshot API 双路径完整指南【免费下载链接】openinterpreterA coding agent for open models like Kimi K3 and GLM 5.3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreterKimi K3 是 Kimi 面向代理式编码agentic coding与知识工作的旗舰模型。本仓库将供应商官方推荐的 Kimi Code harness 用 Rust 重新实现并内置于 Open Interpreter即本仓库codex-rs代码基座使 K3 在类似 Codex 的终端界面中获得原生的请求结构、工具集合、思考历史与默认设置无需安装或运行外部的 Kimi Code CLI。阅读本文后你将掌握两条接入 K3 的路径Kimi Code 订阅登录、Moonshot Platform API 密钥、对应的 CLI 与交互式配置方法以及上下文、推理、价格、计算机使用QA 技能、ACP 与 Codex SDK 集成等实操细节。Kimi K3 与 Kimi Code harness一文看懂两者的关系Kimi 官方对 K3 的推荐用法是通过 Kimi Code 订阅与对应 harness 完成编码任务。Open Interpreter 没有简单地「转发」官方 CLI而是在 Rust 代码库中重新实现了这一 harness。仓库里与 Kimi 直接相关的核心模块包括codex-rs/core/src/harness/kimi_code.rsKimi Code 风格请求的构造器负责系统提示词渲染、工具清单注入、思考参数与 prompt 缓存键生成codex-rs/core/src/harness/kimi_cli.rsKimi CLI 风格的消息构建基础两者共用codex-rs/tools/src/harness.rsharness 枚举定义其中KimiCode与KimiCli分别对应配置名kimi-code与kimi-clicodex-rs/core/src/harness/request.rs与codex-rs/core/src/harness/routing.rs把 Chat 类 wire API 的流量路由到KimiCode/KimiCli两种 Chat harnesscodex-rs/app-server/src/interpreter_catalog.rs向用户呈现的 harness 目录其中kimi-code的说明为「Use the Kimi Code-style tool harness」仅支持 Chat wire API。因此在使用 K3 时Open Interpreter 会自动为 Kimi 系供应商选择kimi-codeharness同理 Moonshot Platform 供应商也会推断出该 harness你可以随时用/harness确认或更改。使用 Kimi Code 订阅开始安装、登录与选模型安装与启动在 macOS/Linux 上安装 Open Interpreter打开项目目录并启动终端 UIcurl -fsSL https://www.openinterpreter.com/install | sh cd my-project i在 Windows 上使用 PowerShell 安装然后在项目中运行iirm https://www.openinterpreter.com/install.ps1 | iex仓库内置了对应安装脚本可对照查看实现scripts/install/install-open-interpreter.sh与scripts/install/install-open-interpreter.ps1。首次登录选择 Kimi For Coding首次启动时按以下顺序完成配置在供应商列表中选择Kimi For Coding在浏览器中完成 Kimi 登录设备授权流程由仓库内的codex-rs/login/src/kimi_code.rs实现走 OAuth device authorization获取user_code、device_code、verification_uri登录后令牌保存在本地credentials/kimi-code.json并带 5 分钟刷新阈值与自动续期逻辑在模型列表中选择Kimi K3。在已有会话中可以打开/model做相同的选择。切换到 K3 时请启动新会话以便使用全新的提示缓存和思考历史原因见下文「上下文与推理」一节这与仓库内基于会话 ID 的 prompt 缓存实现直接相关。如果你已经拥有兼容的 Kimi Code API 密钥可以跳过交互式登录直接启动KIMI_API_KEY... interpreter \ -c model_providerkimi-for-coding \ -m k3Open Interpreter 会自动为 Kimi 供应商选择kimi-codeharness因此无需安装或运行外部的 Kimi Code CLI。这一点在供应商目录中可直接印证codex-rs/model-provider-info/provider_catalog.json中kimi-for-coding供应商的env_key为KIMI_API_KEYbase_url指向https://api.kimi.com/coding/v1wire_api为chat其模型列表内k3Kimi K3标注为 Reasoning、Tool calling、Image input、Video inputcontext_window高达 10485761M 令牌且thinking_toggle开启。使用 Moonshot Platform API 密钥Kimi K3 也可以通过 Moonshot Platform API 以kimi-k3的模型 ID 使用。在 provider 目录中moonshotai供应商的env_key为MOONSHOT_API_KEYbase_url为https://api.moonshot.ai/v1kimi-k3同样拥有 1M 上下文与 thinking 开关。交互式使用MOONSHOT_API_KEY... interpreter \ -c model_providermoonshotai \ -m kimi-k3针对单个非交互式任务例如自动审查仓库并修复最严重 bugMOONSHOT_API_KEY... interpreter exec \ -c model_providermoonshotai \ -m kimi-k3 \ Review this repository and fix the highest-impact bug.说明interpreter exec用于一次性执行任务后退出适合 CI、脚本与自动化场景。此供应商同样会自动推断使用 Kimi Code harness。你可以使用/harness确认或更改当前的 harness——该命令对应的可选项在codex-rs/app-server/src/interpreter_catalog.rs中注册kimi-code与kimi-cli均在列。上下文与推理切换模型为什么建议开新会话Kimi 目前建议在选择 K3 时使用全新会话因为切换模型会使现有的提示缓存失效。从实现层面看codex-rs/core/src/harness/kimi_code.rs会为每次请求生成prompt_cache_key其格式为session_{conversation_id}同时系统提示词还以「会话 ID 工作目录 技能集合哈希」为键做进程内缓存。因此提示缓存与会话 ID 强绑定更换模型如从 K2.5 切到 K3意味着历史 token 缓存不可复用新会话还能获得全新的思考历史避免旧模型的思考痕迹影响 K3 行为。K3 的推理与思考参数在 K3 的请求构造中kimi_code.rs::build_request会向 Chat 接口发出如下关键字段{ model: model slug, messages: [ ... ], max_completion_tokens: 32768, prompt_cache_key: session_conversation_id, stream: true, stream_options: { include_usage: true }, tools: [ ... ], thinking: { type: enabled, keep: all } }也就是说思考thinking默认开启且完整保留keep: all以便模型在后续轮次继续使用思考历史max_completion_tokens固定为 32768。K3 在启动时使用最大推理力度。仓库测试kimi_code_request_matches_current_kimi_k3_transport_options_and_tools断言了上述 transport 选项与工具清单的一致性包括thinking参数、max_completion_tokens以及请求中不携带reasoning_effort。上下文窗口与方案授权Kimi Code 订阅在 Moderato 方案提供256K上下文窗口在 Allegretto 以及更高级别方案上提供最高 1M 令牌的上下文窗口provider 目录中记录的模型上下文即为 1048576。授权与推理细节以 Kimi 当前官方模型配置为准。价格截至 2026 年 7 月 16 日Kimi 官方列出的 Kimi Code 订阅价格如下方案月付年付按月计Kimi Code 积分K3 上下文Moderato$19$151×256KAllegretto$39$315×最高 100 万Allegro$99$7915×最高 100 万Vivace$199$15930×最高 100 万Kimi 对 K3 的直接 API 定价为每百万次缓存命中输入令牌$0.30每百万次缓存未命中输入令牌$3.00每百万输出令牌$15.00。价格与方案授权可能变动购买前请以 Kimi 官方的当前会员定价与 K3 发布公告为准。对照上文可知提示缓存不仅影响「新会话建议」也直接影响 API 计费单价命中与未命中相差 10 倍因此在长会话中善用缓存能显著降低成本。计算机使用让 K3 操作真实界面Kimi K3 可以使用 Open Interpreter 捆绑的 QA 技能来操作和测试界面测试网页应用时可在真实浏览器中使用agent-browser测试原生桌面应用时可使用trycua进行计算机操作Computer Use。典型用法是直接让模型像用户一样跑通流程并修复问题Run this app, test the sign-in flow like a user, and fix anything that breaks.需要注意普通的沙箱与审批设置仍然适用相关机制见 沙箱指南 与 权限指南请保持请求具体审查涉及账户或外部系统的操作避免模型在未授权的情况下改动真实资源。从实现上看这类「会话技能」会经由codex-rs/core/src/harness/kimi_code.rs的session_skills_listing汇入系统提示词追加在 Kimi Code 内置技能如check-kimi-code-docs、update-config、write-goal之后并以skill: description\n Path: path的格式呈现给模型仓库测试kimi_code_request_renders_open_interpreter_session_skills与kimi_code_request_renders_kimi_code_builtin_skills专门验证了这一注入逻辑。ACP 与 Codex SDK把 K3 带进任意编辑器通过 ACP 使用通过配置启动interpreter acp即可在任何受支持的编辑器或客户端中使用 Kimi K3具体机制参见 ACP 指南。ACPAgent Client Protocol让编辑器/客户端与编码 Agent 之间通过标准协议互通K3 因而能像本地 Agent 一样出现在编辑器侧栏、接管工具调用并返回结果。通过 Codex SDK 使用现有的 Codex SDK 集成只需把二进制覆盖指向 Open Interpreter-const codex new Codex(); const codex new Codex({ codexPathOverride: interpreter });随后按下述两种组合之一配置模型model_provider设置为kimi-for-coding模型使用k3model_provider设置为moonshotai模型使用kimi-k3。完整的 TypeScript 与 Python 示例可参阅 Codex SDK 指南。同一份 SDK 指南覆盖了通过环境变量或配置文件注入KIMI_API_KEY/MOONSHOT_API_KEY的方法方便在 CI 与自动化流水线中复用。常见问题与最佳实践选择哪个供应商已订阅 Kimi Code 选kimi-for-coding浏览器登录或KIMI_API_KEY按量计费或已有 Moonshot 密钥选moonshotaiMOONSHOT_API_KEY模型kimi-k3。如何确认当前 harness使用/harness查看或切换正常情况下两个供应商都会自动落到kimi-code。为什么要新建会话切换模型会使按session_{conversation_id}构建的 prompt 缓存失效新会话同时带来干净的思考历史避免旧模型的思考痕迹污染 K3 输出。怎么运行浏览器/桌面自动化利用捆绑 QA 技能 agent-browser网页或trycua桌面请求务必具体、可控并遵守沙箱与审批策略。想了解更深层的 harness 路由机制可阅读 harness 文档 与 供应商文档或直接查看codex-rs/core/src/harness/下kimi_code.rs、kimi_cli.rs、request.rs、routing.rs的源码与测试。【免费下载链接】openinterpreterA coding agent for open models like Kimi K3 and GLM 5.3项目地址: https://gitcode.com/GitHub_Trending/op/openinterpreter创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
