1. 注冊/登錄： 使用手機號或郵箱完成注冊和登錄流程。
  2. 進入控制臺： 登錄成功后，點擊頁面右上角頭像或導航欄進入 “控制臺”。
  3. 查看 API Key：
  1. （可選）創(chuàng)建應用： 為了更好地管理和區(qū)分不同項目的調用，你可以在控制臺中創(chuàng)建獨立的“應用”(Application)，每個應用可以擁有自己獨立的 API Key。

安全警示：

二、 配置開發(fā)環(huán)境

官方提供了 Python SDK，極大簡化了調用流程。我們以 Python 環(huán)境為例：

  1. 安裝 Python： 確保你的系統(tǒng)已安裝 Python (推薦 Python 3.7 或更高版本)。
  2. 安裝 Moonshot SDK： 使用 pip 安裝官方 Python 包：
pip install moonshot
pip install moonshot -i https://pypi.tuna.tsinghua.edu.cn/simple

三、 核心 API 調用實戰(zhàn)

掌握了 API Key 并配置好環(huán)境，現(xiàn)在讓我們開始進行核心的 API 調用。Kimi K2 API 主要圍繞 Chat Completions 接口展開。

1. 純文本對話

這是最基本也是最常用的功能：向模型發(fā)送一段或多段文本消息，并獲取模型的文本回復。

from moonshot import Moonshot



# 步驟 1: 初始化客戶端 - 替換 '你的API Key' 為你在控制臺獲取的真實 Key

client = Moonshot(api_key="你的API Key")  # 例如: "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"



# 步驟 2: 構建對話歷史 (messages)

# 每條消息是一個字典 (dict)，包含 'role' (角色) 和 'content' (內容)

# role 可選: 'system' (系統(tǒng)設定), 'user' (用戶), 'assistant' (模型之前的回復)

messages = [

    {

        "role": "system",

        "content": "你是一個樂于助人的AI助手。你的回答需要簡潔、清晰、有邏輯性。",  # 設定AI的角色和行為

    },

    {

        "role": "user",

        "content": "請解釋一下量子計算的基本原理是什么？它與傳統(tǒng)計算機有什么主要區(qū)別？",  # 用戶的問題

    },

]



# 步驟 3: 發(fā)起 API 請求

# 使用 chat.completions.create 方法

# 必選參數(shù): model (指定模型), messages (對話歷史)

# 可選參數(shù): max_tokens (限制回復最大長度), temperature (控制隨機性), top_p (控制多樣性)等

completion = client.chat.completions.create(

    model="moonshot-v1-8k",  # 指定模型ID, 例如 'moonshot-v1-8k', 'moonshot-v1-32k', 'moonshot-v1-128k'

    messages=messages,

    max_tokens=1024,  # 限制模型回復的最大token數(shù)

    temperature=0.3,   # 值越低(接近0)輸出越確定/保守; 值越高(接近1)輸出越隨機/有創(chuàng)意

)



# 步驟 4: 提取模型回復

# 返回的 completion 對象包含多個屬性，回復內容在 choices[0].message.content

response_text = completion.choices[0].message.content



# 打印模型回復

print("Kimi 的回答：")

print(response_text)

關鍵參數(shù)詳解:

2. 文件上傳與處理 (多模態(tài))

Kimi K2 的核心亮點之一是能夠理解上傳文件的內容（如 PDF, DOCX, XLSX, PPTX, TXT, 圖片等）。這極大地擴展了其應用場景。

調用步驟：

  1. 上傳文件： 使用 files API 將你的文件上傳到平臺，獲取一個臨時的 file_id。
  2. 在對話中引用文件： 在構造 messages 時，在 user 消息的 content 中，使用特定的格式 @file-{file_id} 來引用你上傳的文件。你可以要求模型讀取文件內容、總結、回答問題、提取信息等。
from moonshot import Moonshot

import os



client = Moonshot(api_key="你的API Key")



# 步驟 1: 上傳文件

# 指定要上傳的文件路徑 (替換為你的實際文件路徑)

file_path = "./path/to/your/file.pdf"  # 支持 PDF, DOCX, XLSX, PPTX, TXT, 圖片等



# 使用 files.create 方法上傳

# 參數(shù): file (一個打開的文件對象), purpose (固定為 'file-extract')

with open(file_path, "rb") as file_to_upload:

    uploaded_file = client.files.create(file=file_to_upload, purpose="file-extract")



# 獲取上傳文件的唯一標識符 (file_id)

file_id = uploaded_file.id

print(f"文件已上傳，ID: {file_id}")



# 步驟 2: 在對話中引用文件并提問

messages = [

    {

        "role": "system",

        "content": "你是一個專業(yè)的文檔分析助手。請根據(jù)用戶提供的文檔回答問題。"

    },

    {

        "role": "user",

        # 使用 @file-{file_id} 格式引用上傳的文件，并提問

        "content": f"請閱讀附件中的文檔：@file-{file_id}。\n\n總結這份文檔的主要觀點，并列出三個關鍵論據(jù)。"

    }

]



# 步驟 3: 發(fā)起對話請求 (與非文件調用相同)

completion = client.chat.completions.create(

    model="moonshot-v1-128k",  # 處理長文檔強烈推薦使用 128k 模型

    messages=messages,

    max_tokens=2048,

    temperature=0.2  # 文件分析任務通常需要更確定性的輸出

)



# 步驟 4: 提取并打印回復

response_text = completion.choices[0].message.content

print("Kimi 的文檔分析結果：")

print(response_text)



# (可選) 步驟 5: 刪除上傳的文件 (如果需要清理)

# client.files.delete(file_id)

文件處理要點:

四、 進階技巧與最佳實踐

1. 流式響應 (Streaming)

對于需要實時顯示結果的場景（如聊天應用），使用流式傳輸可以顯著提升用戶體驗。響應會分成多個 chunks 陸續(xù)返回。

from moonshot import Moonshot



client = Moonshot(api_key="你的API Key")



messages = [{"role": "user", "content": "用生動的語言描述一下秋天的景色。"}]



# 設置 stream=True

stream = client.chat.completions.create(

    model="moonshot-v1-8k",

    messages=messages,

    max_tokens=500,

    stream=True,  # 開啟流式傳輸

)



print("Kimi 正在生成回復...")

collected_chunks = []  # 用于收集返回的塊

for chunk in stream:

    if chunk.choices and chunk.choices[0].delta and chunk.choices[0].delta.content:

        # 提取當前 chunk 中的文本內容

        chunk_content = chunk.choices[0].delta.content

        print(chunk_content, end="", flush=True)  # 實時打印到屏幕 (end="" 避免換行, flush=True 立即顯示)

        collected_chunks.append(chunk_content)



# 將所有塊組合成完整回復 (可選)

full_reply = "".join(collected_chunks)

2. 管理超長上下文 (128K)

3. 構建多輪對話

API 本身是無狀態(tài)的。實現(xiàn)多輪對話的關鍵在于在每次請求時，將完整的歷史對話記錄（包括之前用戶說的話和模型的回復） 都包含在 messages 列表中發(fā)送。

# 初始化對話

conversation_history = [

    {"role": "system", "content": "你是一個風趣幽默的聊天伙伴。"}

]



def chat_with_kimi(user_input):

    # 1. 將用戶最新輸入添加到歷史記錄

    conversation_history.append({"role": "user", "content": user_input})



    # 2. 發(fā)送包含完整歷史的請求

    completion = client.chat.completions.create(

        model="moonshot-v1-8k",

        messages=conversation_history,

        max_tokens=300

    )



    # 3. 獲取模型回復

    kimi_reply = completion.choices[0].message.content



    # 4. 將模型的回復也添加到歷史記錄中，供下一輪使用

    conversation_history.append({"role": "assistant", "content": kimi_reply})



    return kimi_reply



# 模擬對話循環(huán)

while True:

    user_message = input("你說：")

    if user_message.lower() in ["退出", "exit", "bye"]:

        break

    response = chat_with_kimi(user_message)

    print("Kimi：", response)

4. 錯誤處理

健壯的程序必須處理可能的 API 錯誤。

from moonshot import Moonshot, APIError, RateLimitError, APITimeoutError



client = Moonshot(api_key="你的API Key")



try:

    completion = client.chat.completions.create(

        model="moonshot-v1-8k",

        messages=[{"role": "user", "content": "你好！"}]

    )

    print(completion.choices[0].message.content)

except RateLimitError as e:

    # 處理速率限制錯誤 (請求過快)

    print(f"請求太快被限制了！請稍后再試。錯誤信息: {e}")

    # 可以添加等待重試邏輯 (e.g., time.sleep)

except APIError as e:

    # 處理其他API錯誤 (如無效請求、認證失敗、服務器錯誤等)

    print(f"調用API出錯！狀態(tài)碼: {e.status_code}, 錯誤信息: {e.message}")

    if e.status_code == 401:

        print("請檢查你的API Key是否正確！")

except APITimeoutError as e:

    # 處理請求超時

    print(f"請求超時: {e}")

except Exception as e:

    # 捕獲其他未預料到的異常

    print(f"發(fā)生未知錯誤: {e}")

五、 總結

Kimi K2 API 為開發(fā)者打開了一扇通往強大國產大模型能力的大門。通過本文的指南，你應該已經掌握了：

  1. 獲取 API Key 的詳細流程和安全須知。
  2. 配置 Python 開發(fā)環(huán)境 和安裝官方 SDK。
  3. 進行核心的 文本對話 API 調用，理解關鍵參數(shù)。
  4. 利用 文件上傳 功能實現(xiàn) 多模態(tài)文檔處理。
  5. 應用 流式響應、管理長上下文、構建多輪對話、錯誤處理、代理設置 等進階技巧。

持續(xù)探索：

Kimi K2 的 128K 上下文和文件處理能力使其在處理復雜、信息密集的任務上具有獨特優(yōu)勢。無論是構建智能知識助手、自動化文檔處理流水線，還是開發(fā)創(chuàng)新的對話應用，Kimi K2 API 都提供了堅實可靠的基礎。現(xiàn)在就開始你的集成之旅，釋放國產大模型的潛能吧！

參考資料：

  1. Moonshot AI Kimi-K2 GitHub 主頁: https://moonshotai.github.io/Kimi-K2/ (提供項目概覽和資源鏈接)
  2. Moonshot AI 開放平臺文檔 – 獲取 API Key: https://platform.moonshot.cn/docs/guide/agent-support#%E8%8E%B7%E5%8F%96-api-key
  3. Moonshot AI 開放平臺文檔 (主站): https://platform.moonshot.cn/docs (最全面的API參考、指南和更新)

上一篇：

如何使用rest api發(fā)送電子郵件

下一篇：

如何通過 Evernote API 進行筆記的批量操作
#你可能也喜歡這些API文章!

我們有何不同？

API服務商零注冊

多API并行試用

數(shù)據(jù)驅動選型，提升決策效率

查看全部API→
??

熱門場景實測，選對API

#AI文本生成大模型API

對比大模型API的內容創(chuàng)意新穎性、情感共鳴力、商業(yè)轉化潛力

25個渠道
一鍵對比試用API 限時免費

#AI深度推理大模型API

對比大模型API的邏輯推理準確性、分析深度、可視化建議合理性

10個渠道
一鍵對比試用API 限時免費