【2026年】Kimi 保姆级入门+实战教程
安装 Kimi Code
先到 Kimi Code 官网 复制一行安装命令，在终端执行就好：
安装完成后，在终端输入 kimi 进入 Kimi Code，然后输入 /login 命令通过网页登录：
登录成功后，输入 /model 切换模型为 K3。目前 K3 的 thinking 仅支持 max 模式，后续会开放 low 和 high：
切换成功，可以在下方看到当前模型已经是 K3，上下文窗口显示 1M
Kimi Code 支持 Skills 技能扩展。在 Kimi Code 中输入 /skill 可以查看已安装的技能：
项目实战测评
从简单的前端页面逐步升级到复杂的全栈产品：
交互式动画讲解网站
3D 版动画知识讲解
文案拆解为网页 PPT
网页 PPT 生成工具（内置 AI 大模型）
全栈 AI 编程工具
1、交互式动画讲解网站
第一个项目，让 K3 生成一个用交互式动画讲解知识的网站。
以讲解 K3 模型引入的「注意力残差」机制为例，让模型自己用动画解释自己的核心技术。
提示词中，我告诉 AI 先用 Firecrawl 技能联网搜索注意力残差的技术细节，确保讲解内容准确，不会因为训练数据的时效性而瞎编：
🔔
K3 完成任务后，可以看到它确实调用了 Firecrawl 联网搜索了相关论文和解读，还通过截图验证了桌面端和移动端的渲染效果，发现问题后自主修复了布局细节。
这其实就是 K3 的多模态工程能力在发挥作用，官方博客里管这个叫「vision in the loop」，开发完截图看一眼效果对不对，不对就改，相当于 AI 自带了一双眼睛来检查自己的作品。
来看看成品效果
K3 把注意力残差的原理拆分成了几个阶段来讲解，每个阶段配有交互式动画。
第一部分用了「煮汤」的类比来解释问题。标准 Transformer 的残差连接会把每一层的输出都等权加到信息流里，层数一多，早期层的信号就被后面的信息淹没了。网站把这个过程类比成 100 位厨师接力往一个大锅里加调料，到最后第一位厨师加的高汤原味几乎尝不到了。
用户可以通过滑块控制加料速度，实时看到信息如何被稀释：
第二部分进入核心机制的交互演示。用户可以拖动滑块给不同层分配注意力权重，实时看到 softmax 归一化后的注意力分布变化：
最后还有分块注意力残差的工程落地方案可视化，用户可以调节总层数和块数，直观感受分块策略对显存的影响：
一个提示词就搞定了，前后不到 5 分钟。我对这个效果是很满意的，点和线之间的连接很准确，动画过渡也很流畅，审美在线。
之前我都是用 Claude 做这种交互式动画网站，还经常会有元素错位的情况。K3 在前端这块确实有两把刷子，难怪能在 Arena 前端榜拿第一，之后这种动画完全可以放心交给它来做了。
2、3D 版动画知识讲解
还是用跟第一个测试同样的知识点，这次换成 3D 场景来呈现。
提示词中除了让 AI 联网搜索，还要求用 Context7 查询所用 3D 库的最新文档，避免用过时的 API：
这次执行前，我先开启了 /yolo 模式。
开启后，AI 会自动批准安全的工具调用，不用我一个个手动点确认了，适合跑这种已知安全的开发任务：
来看看成品效果。界面没有多余的元素，重点全在 3D 动画演示上。左下角有步骤控制面板，可以逐步推进讲解：
我可以通过鼠标拖拽自由调整视角，3D 空间中的节点和连线把 Transformer 各层的信息流动展示得很清晰：
两个动画讲解网站都是单次提示词就搞定的，速度很快，效果也不错。
这类前端创意项目本来就是 AI 编程最擅长的场景，Kimi 在前端生成方面的口碑一直不错，K3 延续了这个优势。
3、文案拆解为网页 PPT
我做视频教程时，偶尔会需要把文章内容做成演示画面。
这次，我干脆直接把技术文章丢给 K3，让它按照文章讲解顺序，拆解成一个可以全屏演示的网页 PPT，后续可以当做视频录制的画面素材。
提示词很简单：
很快 AI 就搞定了，成品效果很有科技感。你会发现，K3 自动识别了文章的结构层次，每页 PPT 都标记出了重点内容，代码块也用了高亮显示：
以后要给别人讲东西的时候，比起甩一篇密密麻麻的文章过去，用这种 PPT 来辅助表达清晰多了。
此外，翻页动画比较丝滑，支持键盘左右键和空格翻页。移动端的布局也很合理：
如果你希望 PPT 中有图片，跟 AI 说一下把文章中的图片添加到合适的位置就好。
4、网页 PPT 生成工具（内置 AI）
接下来要测测它的全栈工程能力了，让 AI 开发一个集成大模型的完整应用。
这次使用 Kimi Code 内置的 /goal 命令来执行，完整提示词如下：
这个命令会让 AI 进入自主目标模式，跨多轮持续工作直到任务完成，不需要人工干预，很适合这种复杂的长程开发任务。
注意，提示词里我直接把 Kimi Code 的 API Key 写进去了，这样 AI 能自主调通大模型接口完成测试：
K3 完成后，从日志中可以看到它做了两组端到端的 Playwright 测试，桌面端和移动端都验证通过了。API Key 也很贴心地写入了 .env 并加入了 .gitignore，不会泄露到版本控制里：
看下成品界面。非常精简，核心就是一个粘贴文案的输入框。我把之前写过的 Loop Engineering 教程粘进去，点击生成 PPT：
AI 把文案拆成了 11 页 PPT，每页都有标题和要点：
可以随时切换内置的主题配色，全屏演示和导出 HTML 功能也都能正常运行：
5、全栈 AI 编程工具
让 K3 基于 VS Code 的开源代码，开发一个类似 Cursor 的 Web AI 编程工具，支持 Editor Window 代码编辑器和 Agents Window 对话工作台两种模式。
提示词中要求先用 Firecrawl 搜索 Cursor 3 的产品设计，再用 Context7 查询 VS Code 扩展 API 文档：
这个任务跑了半个多小时。K3 先克隆了 VS Code 源码作为参考，通过 Firecrawl 搜索了 Cursor 官方博客和第三方指南了解产品设计，然后一步步构建了完整的 Web IDE，每完成一步都通过浏览器截图来验证效果：
默认打开的是 Editor Window，也就是代码编辑器界面。有文件树、多标签页和语法高亮，可以正常浏览和编辑代码：
切换到 Agents Window，这就是我们非常熟悉的 AI 对话工作台了。
我让它开发一个贪吃蛇游戏，可以看到 AI 调用了 RUN_COMMAND 工具，先执行 ls -la 来了解当前项目结构：
接下来 AI 会执行更多命令，分析当前项目的文件结构，然后在当前工作空间基础上完成开发任务：
虽然跟 Cursor 这种成熟产品比还有很大差距，但核心的 Editor + Agent 双窗口能力是跑通的。
这个项目是 7 个 Case 里最复杂的长程任务，K3 能够理解 VS Code 这么庞大的代码库，从联网搜索产品设计、查阅 API 文档到独立完成开发，半个多小时一路跑下来没有卡死或跑偏，这对模型的长上下文稳定性和自主规划能力要求很高。