我第一次打开 Kimi 的时候，其实没抱太大期待。市面上的 AI 助手那会儿已经不少了，ChatGPT、Claude、文心一言，各有各的路子。朋友在微信上甩给我一个链接，说“你试试这个，读长文特别猛”。我当时正在啃一份两百多页的行业研报，PDF 拖进去，十几秒，它把核心结论按层级列了出来，还顺手标了几处数据打架的地方。那一刻我意识到，这东西的定位跟我想的不太一样。
这章我想聊的是 Kimi 的基础用法。不绕弯子，就把我踩过的坑、摸索出来的顺手操作，原原本本讲一遍。你要是刚注册，或者注册了但一直没认真用，跟着走一遍，基本能上手。
1.1 Kimi 是什么：产品定位、核心能力与适用人群
Kimi 是月之暗面（Moonshot AI）做的 AI 助手产品。它的招牌能力是长上下文处理，早期版本就能一口气吃下 20 万汉字，后续模型支持的上下文长度更夸张。这个特性直接决定了它的产品定位——不是陪你闲聊的玩具，更像一个能扛住大量信息的“工作台”。你扔给它一本书、一份合同、一堆会议记录，它能读完、记住、然后回答你关于这些内容的任何问题。
核心能力我归纳成四条：长文本理解、文件解析、联网搜索、对话推理。长文本是地基，文件和联网是输入渠道，推理是输出质量。四条串起来，形成了“你给我材料，我帮你消化”的闭环。这个闭环对几类人特别有用：做研究的学生、写报告的职场人、需要快速消化资料的记者和律师、还有想把 AI 接进工作流的开发者。你要是只想找个陪聊的，Kimi 也能干，但有点大材小用。
适用人群这块，我观察下来有个共同点：手头信息量大、时间紧、需要快速抓重点。我有个做投资的朋友，每天几十份财报和新闻，以前靠助理筛，现在先让 Kimi 过一遍，自己只看它标出来的异常点。这不是替代人，是把人的注意力省下来，用在真正需要判断的地方。
1.2 注册登录、网页端与客户端基础操作
注册流程不复杂。网页端打开 kimi.moonshot.cn，手机号或者邮箱都能注册，验证码一填就进去了。我建议直接用手机号，后面客户端登录能同步，省得记两套账号。登录之后你会看到一个很干净的界面，中间是输入框，左边是历史会话列表，右上角有设置入口。没有花里胡哨的功能堆砌，这点我挺喜欢。
客户端方面，Kimi 有 iOS、Android、桌面端（Mac 和 Windows），还有浏览器插件。我的使用习惯是：手机端用来随手问、语音输入、拍题；桌面端用来处理长文档和写东西，屏幕大，看它输出的长内容不累；浏览器插件用来划词提问，看网页的时候遇到不懂的直接选中就能问。多端会话是同步的，我在电脑上开的话题，手机上能接着聊。
有个细节值得说一下。网页端支持拖拽上传文件，直接把 PDF、Word、Excel、PPT、TXT 拖进输入框就行，图片也行。客户端也支持，但手机端上传大文件体验一般，网络不好的时候容易卡。我的建议是：小文件随手传，大文件还是用电脑。
1.3 基础对话、文件上传、联网搜索与长文本处理
基础对话就是你打字它回话，跟所有 AI 助手一样。但 Kimi 有个特点，它默认会把上下文记得比较牢。你前面提过的设定，后面它能接住。我试过在同一个会话里先让它分析一份报告，再让它基于报告写一封邮件，再让它把邮件改成英文，三轮下来它没掉链子。这种连续性是长上下文能力带来的红利。
文件上传是 Kimi 的强项。PDF、Word、Excel、PPT、TXT、图片，基本覆盖了日常格式。上传之后它会自动解析，你直接问就行，不用自己复制粘贴。我传过扫描版的 PDF，它也能识别文字，虽然偶尔有个别错字，但整体可用。Excel 表格它也能读，能帮你算数、找异常、做汇总。图片的话，它能识别里面的文字和大致内容，拍个白板照片让它整理成笔记，效果不错。
联网搜索需要手动开。输入框旁边有个开关，点开之后它才会去网上找信息。这个设计我理解，是为了让用户自己控制什么时候需要实时信息。开了联网之后，问“今天有什么新闻”“某公司最新股价”这类问题就有着落了。长文本处理不用多说，前面已经聊过，你扔给它几十万字，它读完之后回答问题的准确度，在我用过的产品里算是第一梯队。
1.4 常见使用场景：写作、学习、资料总结与代码辅助
写作场景我用得最多。不是让它从头写，而是让它帮我改。写完一段话，扔给它，说“帮我把这段改得更利落，别用形容词堆砌”，它给出来的版本通常比我自己的初稿干净。还有一种用法是给它素材让它组织，比如把几个零散的想法丢进去，让它搭个文章框架，我再往里填内容。效率提升很明显。
学习场景我主要用在两件事上：一是读论文，二是整理知识点。论文 PDF 传进去，问它“这篇的核心贡献是什么”“实验部分有什么问题”，它答得挺到位。知识点整理的话，我会把课堂笔记或者教材章节传进去，让它出思维导图或者问答卡片。我有个考 CPA 的朋友，把教材拆成章节一份份传，让 Kimi 出模拟题，据说正确率还行。
资料总结和代码辅助是我日常的另外两块。资料总结就是前面说的，长文档丢进去，让它出摘要、列要点、找矛盾。代码辅助的话，它能读懂代码、解释逻辑、找 bug、写测试。我写过一段 Python 处理 Excel 的脚本，跑出来结果不对，贴给它看，它指出了我循环里索引写错了一位。这种小 bug 自己查要花时间，它一眼就看出来了。
1.5 新手常见问题与效率提升建议
新手问得最多的问题是“为什么它有时候答得不准”。原因通常有两个：一是你没给够背景信息，它只能猜；二是问题太模糊，它不知道你要什么。我的经验是，把它当成一个刚入职的聪明助理，你得把背景、目标、约束都交代清楚。别指望它读心。
第二个常见问题是“长文本到底能多长”。官方给的数据是一回事，实际使用中我发现，文件太大解析时间会变长，而且如果你问的问题需要它跨很大范围检索，响应速度会下来。我的做法是，超长文档先分段，或者先让它做个全局摘要，再针对具体章节追问。这样既快又准。
效率提升的建议我列几条。一是建多个会话，不同任务分开，别在一个会话里又写代码又聊天气，上下文会互相干扰。二是善用“继续”和“展开”这类指令，它回答到一半你让它继续，比重新问一遍省事。三是把常用的提示词存下来，比如“总结以下内容，输出三个要点，每个要点不超过两句话”，每次粘贴就行。四是遇到不满意别急着换问题，先让它改，说“太长了”“太正式了”“换个角度”，它调整起来比你想的灵活。
最后说一句心态上的事。Kimi 是个工具，不是万能答案机。它擅长的是处理信息、组织语言、提供思路，不擅长的是替你做决定、替你承担责任。把它的输出当成初稿或者参考，你自己再过一遍，这样用起来最踏实。
我刚开始用 Kimi 那阵子，提问特别随意。想到什么打什么，它回什么我看什么。后来发现，同一个问题，换种问法，它给出的东西质量差很多。这章聊聊提示词，不是教科书那种，就是我自己摸出来的门道。你照着试，大概率能少走弯路。
2.1 提示词基础结构：角色、目标、背景、约束与输出格式
我习惯把提示词拆成五块来看：角色、目标、背景、约束、输出格式。听起来有点正式，用起来其实很自然。比如我想让它帮我改简历，我不会只说“帮我改改简历”。我会先给它一个角色：“你是一个有十年经验的互联网招聘官”。再给目标：“帮我把这段项目经历改得更有说服力”。背景：“我应聘的是产品经理岗位，这段经历是关于用户增长实验的”。约束：“别用太夸张的形容词，保持真实感”。输出格式：“用 STAR 结构写，控制在 200 字以内”。这样它出来的东西，基本不用大改。
角色设定这件事，我试过很多次。你不给角色，它默认就是一个通用助手，回答偏中性。你给了角色，它的用词、视角、甚至关注的细节都会变。我让 Kimi 当“严格的审稿人”和当“热心的写作教练”，同一个问题得到两种完全不同的反馈。前者挑毛病，后者给建议。你要哪种，自己选。
目标那块，越具体越好。别写“帮我分析一下”，写“找出这段话里的三个逻辑漏洞”。背景是它判断的依据，你给得越足，它猜得越少。约束是防止它跑偏，比如字数、语气、不能出现什么词。输出格式是收尾一步，你要它输出表格、列表、还是连续段落，直接说。我试过不说格式，它给我一大段文字，我自己还得拆。说清楚“输出 Markdown 表格”，省事很多。
2.2 常用提示词模板：总结、改写、翻译、头脑风暴与数据分析
总结类的提示词，我最常用的是这个：“把下面内容总结成三个要点，每个要点一句话，不要遗漏关键数据”。这个模板几乎万能，报告、文章、会议记录都能套。有时候我会加一句“按重要性排序”，它出来的东西更清楚。还有个小技巧，如果原文很长，我会先让它“分段总结”，再让它“合并成一段总览”。这样做出来的摘要，比直接让它总结一整篇更细。
改写类的模板，我手头有几个。一个是“把这段改得更口语化，像跟朋友聊天”。一个是“去掉所有形容词，只留事实”。还有一个是“换一个角度重写，保持原意不变”。翻译类的模板，我会说“翻译成英文，保持商务语气，专业术语用行业通用译法”。头脑风暴的时候，我通常说“给我十个点子，越奇怪越好，不用考虑可行性”。数据分析的话，我一般把表格传进去，再让它“找出异常值，按列给出解释，并用一句话说明可能的原因”。
这些模板不用死记。你只要记住一个原则：告诉它你要什么，不要什么，以及给谁看。我有个朋友做市场，她每次让 Kimi 写文案，都会说“写给 25 到 35 岁的女性看，语气轻松但别卖萌”。她跟我说，就这一句话，文案质量提升了一半。模板是骨架，你的具体需求是血肉。
2.3 长文本与文件提示词：分段处理、引用追问与信息抽取
长文本是 Kimi 的看家本事，但提示词写不好，照样白搭。我处理一份两百页的 PDF，不会直接问“这份文件讲了什么”。我会先让它“按章节列出目录和每章的核心结论”。它做完这一步，我就知道整份文件的骨架了。我挑感兴趣的章节，问“第三章提到的那个模型，它的假设条件是什么”。这种分段处理的方式，比一次性问一个大问题要准得多。
引用追问是我用得最顺手的技巧。它回答完一个问题，我会接着问“你刚才说的那个数据，在原文第几页”。它会去翻，告诉我页码或者段落。有时候它记错了，我会说“你再确认一下，原文好像不是这么写的”。它会重新查一遍。这个来回的过程，其实是在帮它锁定信息。我拿它审合同的时候，每条关键条款都这么追问一次，放心很多。
信息抽取的场景，我举个自己的例子。我有一堆用户访谈的录音转文字稿，十几份，每份几千字。我把它们一份份传给 Kimi，提示词写的是：“从这份访谈里提取用户提到的所有痛点，按出现频率排序，每个痛点附一句原话”。它做完之后，我把所有结果拼起来，直接得到一张痛点清单。这个活以前要花我一天，现在一个下午搞定。文件格式支持得也好，Word、PDF、TXT 直接拖进去就行。
2.4 提示词优化方法：迭代、少样本示例、思维链与避坑指南
迭代是优化提示词最实在的方法。我很少一次就写出完美的提示词。通常是先问一版，看它哪里不对，再改提示词。比如它回答太啰嗦，我就在后面加一句“压缩到三段以内”。它漏了关键点，我就加“必须包含成本和时间线”。改个两三轮，结果就差不多了。别指望第一版就惊艳，把对话当成打磨的过程。
少样本示例很好用。你想让它按某个格式输出，直接给它一个例子。比如“参考下面这个格式：问题：xxx 原因：xxx 建议：xxx”。它看到例子，模仿能力很强。思维链这个技巧，我一般用在复杂问题上。我会说“一步步推理，先分析原因，再给方案，说清风险”。它就会把思考过程展开。有些场景不需要它展示思考过程，你直接要结论就行。
避坑指南我攒了几条。有个坑是别问“你觉得呢”，它不知道你心里的标准。还有个坑是别在一个会话里塞太多不相关的任务，上下文会打架。又有个坑是它说“我无法回答”的时候，换个问法通常就能答，比如把“预测股价”改成“分析影响股价的几个因素”。再有个坑是它给出的数据一定要自己核一遍，特别是数字和引用。我吃过亏，它编了一个看起来很真的统计数字，我差点信了。
2.5 提示词实战案例与效果评估
我拿一个真实案例来说。上个月我要写一份竞品分析，涉及五个产品，每个产品有一堆文档和用户评价。我的提示词分了三轮来问。开场那轮，我让它“作为资深行业分析师，阅读以下五份材料，输出每个产品的核心功能对比表”。下一轮，我让它“针对每个产品，找出用户评价里提到最多的三个优点和三个缺点，附上原话”。收尾那轮，我让它“综合以上信息，给出一页纸的竞争格局总结，指出我们的机会点”。整个过程花了大概四十分钟，出来的东西我改了改就直接用了。
效果评估我主要看三件事。一个是省时间没有。以前这种活我要做一整天，现在缩短到一两个小时。另一个是质量有没有下降。我对比过自己写的和它写的，它写的结构更全，但深度有时候不够，需要我补判断。还有个是可复用性。这套提示词我存下来了，下次换个行业，改改背景信息就能用。我有个做咨询的朋友，把这套流程变成了自己的标准操作。
说个感受收尾。提示词这东西，门槛不高，但天花板也不低。你花十分钟琢磨一下怎么问，得到的回报可能是一小时的节省。我现在的习惯是，每次遇到一个新任务，先想一下“如果我是个刚来的助理，我需要知道什么才能干好这件事”。把这个清单写下来，就是一份不错的提示词。Kimi 很聪明，但它需要你指个方向。
from openai import OpenAI
client = OpenAI(
api_key="你的密钥",
base_url="https://api.moonshot.cn/v1"
)
response = client.chat.completions.create(
model="moonshot-v1-8k",
messages=[
{"role": "system", "content": "你是一个有用的助手"},
{"role": "user", "content": "帮我写一段自我介绍"}
],
temperature=0.7
)
print(response.choices[0].message.content)
评论
发表评论