Kimi CLI如何把自然语言变成可执行的终端动作一个终端AI助手的内核走查【免费下载链接】kimi-cliKimi Code CLI is your next CLI agent.项目地址: https://gitcode.com/GitHub_Trending/ki/kimi-cliKimi CLI 是一个用 Python 写的终端 AI 助手替天天泡在终端里的开发者解决知道要做什么但终端不听话的核心问题。你正盯着屏幕traceback 有 80 行手指悬在键盘上——你不想再背一个grep的变体而是想把问题直接丢给终端。现在你只需要说一句帮我查清这个报错的原因并修好它会读代码、动手改、跑测试改错了还会回滚。它一个回合能跑十几个 LLM 步骤每步都落检查点、可倒带——代价是一句话而不是四十分钟的文档翻阅。初始化配置界面几行对话完成 API 平台选择与环境配置能力全景它到底能干什么模块职责关键路径Soul 主循环驱动 LLM 多步推理处理重试与打断src/kimi_cli/soul/kimisoul.py上下文与检查点历史持久化、步骤回滚、自动压缩src/kimi_cli/soul/context.py工具系统文件、shell、web、计划等内置工具src/kimi_cli/tools/Wire 协议用类型化事件流连接后端与 UIsrc/kimi_cli/wire/ACP 集成把 agent 暴露给 IDE 调用src/kimi_cli/acp/Hooks在用户输入、回合结束等节点介入src/kimi_cli/hooks/ 全景看完往下钻进内核。这个项目最值钱的机制有三个主循环让任务跑起来检查点让任务跑得住压缩让任务跑得久。内核拆解长任务怎么跑得稳Agent 主循环一个回合的骨架你敲下的那句话入口是run()。它先触发UserPromptSubmit钩子——你的钩子说拦截这个回合就不发生放行后进入_agent_loop。它先等后台加载完 MCP 工具再进入步骤循环每步开头检查步数上限发出StepBegin事件核对 token 预算写一个检查点然后调 LLM网络错误交给 tenacity 指数退避重试、执行 LLM 返回的工具调用最后看一眼你有没有中途塞进转向消息。LLM 不再调用工具时循环收尾返回带停止原因和步数的TurnOutcome。终端 UI 只是订阅 wire 事件流完全不用关心循环细节。D-Mail让模型往回拨时间这是全项目最有意思的部分。上下文增量写盘每一步先checkpoint()记下当前版本号。SendDMail工具允许模型主动给过去发一封时间邮件class DMail(BaseModel): message: str Field(descriptionThe message to send.) checkpoint_id: int Field(descriptionThe checkpoint to send the message back to., ge0)模型发现走错路——比如改错了文件——不用在残局上硬凑直接发一封 D-Mail。主循环执行revert_to()把上下文倒回那个检查点把这封消息作为新的用户消息注入从那个时刻重走。等于倒带然后说一句该怎么做。约束卡得很死同时只能有一封在途检查点编号必须小于当前数量防止模型无限倒带。自动压缩长对话怎么不撑爆第二个保命机制管的是长对话。判断条件就是两行算术def should_auto_compact(token_count, max_context_size, *, trigger_ratio, reserved_context_size): return ( token_count max_context_size * trigger_ratio or token_count reserved_context_size max_context_size )token 数达到上下文上限的设定比例、或者剩余空间不够预留量任一命中就触发压缩调一次 LLM 把历史压成摘要只保留最近 2 条消息原文回合继续。聊到天荒地老不失忆靠的就是这一步。场景实战三种真实用法场景一把 bug 报告直接扔给它背景仓库里一个测试红了很久你连它在哪个模块都不知道。操作把 traceback 贴进去说一句查清这个测试失败的原因并修复然后跑相关测试验证。它读文件、定位、改动、执行测试中途走偏还能靠 D-Mail 回滚最后给你一份带改动 diff 的结论。场景二用 ACP 接进 IDE这是非常规用法。终端里跑kimi acp它就以 ACPAgent Client Protocol一种 IDE 调用 agent 的协议服务器身份启动再到你的 IDE 配置里Zed、JetBrains 都支持把启动命令指向kimi、参数填[acp]记得先在终端/login完成登录。之后编辑器通过协议跟 agent 对话代码编辑和问题诊断发生在 IDE 里。ACP 集成编辑器与 agent 通过协议对话编辑动作发生在 IDE 内部场景三挂一个外部 MCP 服务器背景agent 需要本地代码之外的数据。一行命令kimi mcp add --transport http context7 https://mcp.context7.com/mcp。下个回合主循环会在后台加载 MCP 服务器连上后模型就能直接调用它提供的工具。加载与主循环解耦不挡你的对话。四行命令跑起来git clone https://gitcode.com/GitHub_Trending/ki/kimi-cli cd kimi-cli ./scripts/install.sh kimi擅长带检查点回滚的多步自主任务ACP、MCP、hooks、子 agent 的多协议扩展面。不擅长内置 shell 模式不支持cd这类内建命令要求 Python 3.12且 README 已注明项目将逐步由 Kimi Code CLI 接替。打开终端敲下kimiagent 在等你的第一句话。【免费下载链接】kimi-cliKimi Code CLI is your next CLI agent.项目地址: https://gitcode.com/GitHub_Trending/ki/kimi-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Kimi CLI如何把自然语言变成可执行的终端动作一个终端AI助手的内核走查【免费下载链接】kimi-cliKimi Code CLI is your next CLI agent.项目地址: https://gitcode.com/GitHub_Trending/ki/kimi-cliKimi CLI 是一个用 Python 写的终端 AI 助手替天天泡在终端里的开发者解决知道要做什么但终端不听话的核心问题。你正盯着屏幕traceback 有 80 行手指悬在键盘上——你不想再背一个grep的变体而是想把问题直接丢给终端。现在你只需要说一句帮我查清这个报错的原因并修好它会读代码、动手改、跑测试改错了还会回滚。它一个回合能跑十几个 LLM 步骤每步都落检查点、可倒带——代价是一句话而不是四十分钟的文档翻阅。初始化配置界面几行对话完成 API 平台选择与环境配置能力全景它到底能干什么模块职责关键路径Soul 主循环驱动 LLM 多步推理处理重试与打断src/kimi_cli/soul/kimisoul.py上下文与检查点历史持久化、步骤回滚、自动压缩src/kimi_cli/soul/context.py工具系统文件、shell、web、计划等内置工具src/kimi_cli/tools/Wire 协议用类型化事件流连接后端与 UIsrc/kimi_cli/wire/ACP 集成把 agent 暴露给 IDE 调用src/kimi_cli/acp/Hooks在用户输入、回合结束等节点介入src/kimi_cli/hooks/ 全景看完往下钻进内核。这个项目最值钱的机制有三个主循环让任务跑起来检查点让任务跑得住压缩让任务跑得久。内核拆解长任务怎么跑得稳Agent 主循环一个回合的骨架你敲下的那句话入口是run()。它先触发UserPromptSubmit钩子——你的钩子说拦截这个回合就不发生放行后进入_agent_loop。它先等后台加载完 MCP 工具再进入步骤循环每步开头检查步数上限发出StepBegin事件核对 token 预算写一个检查点然后调 LLM网络错误交给 tenacity 指数退避重试、执行 LLM 返回的工具调用最后看一眼你有没有中途塞进转向消息。LLM 不再调用工具时循环收尾返回带停止原因和步数的TurnOutcome。终端 UI 只是订阅 wire 事件流完全不用关心循环细节。D-Mail让模型往回拨时间这是全项目最有意思的部分。上下文增量写盘每一步先checkpoint()记下当前版本号。SendDMail工具允许模型主动给过去发一封时间邮件class DMail(BaseModel): message: str Field(descriptionThe message to send.) checkpoint_id: int Field(descriptionThe checkpoint to send the message back to., ge0)模型发现走错路——比如改错了文件——不用在残局上硬凑直接发一封 D-Mail。主循环执行revert_to()把上下文倒回那个检查点把这封消息作为新的用户消息注入从那个时刻重走。等于倒带然后说一句该怎么做。约束卡得很死同时只能有一封在途检查点编号必须小于当前数量防止模型无限倒带。自动压缩长对话怎么不撑爆第二个保命机制管的是长对话。判断条件就是两行算术def should_auto_compact(token_count, max_context_size, *, trigger_ratio, reserved_context_size): return ( token_count max_context_size * trigger_ratio or token_count reserved_context_size max_context_size )token 数达到上下文上限的设定比例、或者剩余空间不够预留量任一命中就触发压缩调一次 LLM 把历史压成摘要只保留最近 2 条消息原文回合继续。聊到天荒地老不失忆靠的就是这一步。场景实战三种真实用法场景一把 bug 报告直接扔给它背景仓库里一个测试红了很久你连它在哪个模块都不知道。操作把 traceback 贴进去说一句查清这个测试失败的原因并修复然后跑相关测试验证。它读文件、定位、改动、执行测试中途走偏还能靠 D-Mail 回滚最后给你一份带改动 diff 的结论。场景二用 ACP 接进 IDE这是非常规用法。终端里跑kimi acp它就以 ACPAgent Client Protocol一种 IDE 调用 agent 的协议服务器身份启动再到你的 IDE 配置里Zed、JetBrains 都支持把启动命令指向kimi、参数填[acp]记得先在终端/login完成登录。之后编辑器通过协议跟 agent 对话代码编辑和问题诊断发生在 IDE 里。ACP 集成编辑器与 agent 通过协议对话编辑动作发生在 IDE 内部场景三挂一个外部 MCP 服务器背景agent 需要本地代码之外的数据。一行命令kimi mcp add --transport http context7 https://mcp.context7.com/mcp。下个回合主循环会在后台加载 MCP 服务器连上后模型就能直接调用它提供的工具。加载与主循环解耦不挡你的对话。四行命令跑起来git clone https://gitcode.com/GitHub_Trending/ki/kimi-cli cd kimi-cli ./scripts/install.sh kimi擅长带检查点回滚的多步自主任务ACP、MCP、hooks、子 agent 的多协议扩展面。不擅长内置 shell 模式不支持cd这类内建命令要求 Python 3.12且 README 已注明项目将逐步由 Kimi Code CLI 接替。打开终端敲下kimiagent 在等你的第一句话。【免费下载链接】kimi-cliKimi Code CLI is your next CLI agent.项目地址: https://gitcode.com/GitHub_Trending/ki/kimi-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
