Kimi API 还没用起来？请看这篇无门槛快速入门指南
Kimi API 已经发布一个多月了，有没有用它做点有意思的事情？不管你会不会写代码，看完这篇文章，你都可以充分发挥 Kimi API 的效用——话说 Kimi 赠送给我们的免费额度可不能浪费呀，对吧？
准备工作
大家应该都有 Kimi 智能助手的账号吧？我们用相同账号登录 Kimi 开放平台 (opens in a new tab)，在左栏点击 “账户总览”，应该可以看到平台赠送的 15 元体验额度：
接下来我们需要获取自己的 API Key。我们在左栏点击 “API Key 管理”，然后点 “新建”，创建一个新的 API Key。每个用户可以创建多个 API Key，方便分配给不同的使用场景。
创建完成后记得立即复制保存，因为 Key 只会显示一次。这个 Key 就是你调用 API 的身份凭证，相当于你的账号密码，不要泄露给他人。
初次尝试
获取 API Key 之后，我们来简单测试一下。大家对 Postman 这个接口测试工具应该不陌生，我们依次操作如下：
- 新建一个 POST 请求，在地址栏输入 API 地址：
https://api.moonshot.cn/v1/chat/completions
- 进入 Authorization 标签页，选择 “Bearer Token” 方式，在 “Token” 字段填入刚刚创建的 API Key。这是一种常见的 API 认证方式，通过请求头来携带 API Key 信息。
- 进入 Body 标签页，选择 “raw”，并在最右侧选择 “JSON” 类型，在内容区填入以下数据：
{
"model": "moonshot-v1-8k",
"messages": [
{ "role": "user", "content": "你是谁？" }
]
}
- 最后点击 “Send” 发出请求。稍等几秒钟，我们应该能看到 Kimi 的回答了。
跑完这个测试，相信你对 Kimi API 已经有了一个直观感受——这不就是一个 “HTTP Request 形态” 的对话助手嘛！没错，我们与各个大模型 API 的交互都是类似的方式。你是不是正在摩拳擦掌，准备大干一场呢？
新手进阶
基本概念
如果你在 AI 应用开发这个领域还是新手，那在开始之前，需要掌握一些基本概念。譬如：Kimi 提供了几个模型？这些模型有什么区别？有哪些 API？上下文窗口和 Token 是什么意思？API 如何计费？
如果你还不太了解，不用担心，魔法哥的上期文章“解答Kimi API常见问题” (opens in a new tab)正好解答了这些基础问题，不妨先去看看。
Kimi 的 API 设计
魔法哥曾不一次称赞 Kimi 在 API 设计方面的策略——不重新发明轮子，直接兼容行业标杆 OpenAI。这意味着海量基于 GPT API 的项目都可以无缝切换到 Kimi API。
对于开发者来说，这种兼容性也是一项巨大的优势。我们可以享受到 OpenAI 开发生态的丰富资源，拿来就用。看完下面的内容，你一定会有更深的感受。
好，接下来，魔法哥假设你是以下三种不同的角色（后端、前端、编程小白），为你找到最合适的上手 Kimi API 的路径。
后端工程师
打开 Kimi 的官方 API 文档 (opens in a new tab)，以 “Chat Completion” API 为例，我们可以看到两种调用 API 的方式：
(1) 通过 curl 直接请求 HTTP API 端点，
(2) 通过 OpenAI 官方的 Python SDK 来调用。
如果你是一名 Python 程序员，第二种方式会更加便捷。如果你恰好做过基于 GPT API 的项目，那更是秒懂——操作方式都是一样的，只需要把以下三项配置替换成 Kimi 的即可。
from openai import OpenAI
client = OpenAI(
# 👇 这里指定 Kimi 的 API Key
api_key="{KIMI_API_KEY}",
# 👇 这里指定 Kimi 的 API 地址
base_url="https://api.moonshot.cn/v1",
)
completion = client.chat.completions.create(
# 👇 这里指定 Kimi 的模型名称
model="moonshot-v1-8k",
messages=[
{ "role": "user", "content": "..." }
],
)如果你使用其他语言，也可以查找 OpenAI 的其他语言版本的 SDK，再参考上面的代码修改配置即可。Kimi 官方也开源了一个 Cookbook 仓库 (opens in a new tab)，里面有 Java 和 Go 的示例代码，可以参考。
即使没有现成的 SDK，我们也完全可以参照 HTTP API 的输入输出格式，直接请求 API，或封装一套自己的 SDK。
看到这里，相信你已经信心满满了吧！类似上期文章提到的 “批量处理文本” 和 “自动回复邮件” 这两种应用场景，对你来说应该不在话下了。
前端工程师
如果你是一名前端工程师，魔法哥建议你先从现有的开源项目来熟悉 “Chat Completion” API 的使用，进而掌握聊天机器人的开发技巧。
我们在 GitHub 上用 “OpenAI web” 或 “ChatGPT web” 作为关键词，可以搜到很多基于 GPT API 的聊天机器人开源项目，都是很好的学习对象。
这些项目大多是纯前端的，用户在页面上配置好大模型 API 的调用方式，然后就可以和机器人对话了。
这里采用 NextChat 这个项目来讲解，因为它的配置项比较齐全，而且它还提供了一个在线演示网站 (opens in a new tab)。我们点左下角的配置按钮，把 Kimi API 配进去：
然后回到主界面，尝试和机器人对话。你会发现，NextChat 可以基于 Kimi API 完美运行！
在这之后，我们就可以一边体验功能，一边浏览源码，一边调试，一边学习。通过这种方式，你可以快速掌握大模型 API 的使用方法，进而开发出自己的 AI 应用。
编程小白
假如你没有任何编程基础，看到这里一定心里痒痒，但又不知如何下手。别着急，魔法哥教你两个小妙招。
上期文章提到，现在已经有大量基于大模型 API 开发的工具，比如智能体搭建平台、浏览器插件等等。我们不需要自己从零开发，只需要在这些工具中配置好大模型 API 的访问途径，就可以享受这些工具的带来便利了。
接下来，我们举两个例子，让你快速上手。
用 Dify 搭建智能体
首先请出的是 Dify，这是一款零代码智能体搭建平台。我们登录 Dify 的操作台 (opens in a new tab)，在右上角打开个人菜单，选择 “设置”，然后在 “模型供应商” 页面就可以把 Kimi 设置为主力模型了。操作步骤如下：
我们在页面底部找到 “Moonshot AI”（Moonshot 其实就是 Kimi 的出品公司）：
点击 “配置”，输入 Kimi 的 API Key，保存。此时在顶部的 “模型列表” 就可以看到 Moonshot AI 已经点亮：
接下来就可以在右上角的 “系统模型设置” 中把 moonshot-v1-8k 设置为系统推理模型了：
随后，我们在 “工作室” 界面创建一个新的聊天助手，比如我这里用模板创建了一个 “会议记录总结助手”。进入它的编排界面，在右上角可以选择 Kimi 作为它的主力模型：
我们在 “调试与预览” 区域与这个聊天助手对话，就可以看到 Kimi 的回答了：
经过少许调试，这个聊天助手就可以上岗为我们服务了。在 “概览” 页面可以找到它的公开访问 URL，你可以把它加入自己的收藏夹待命，也可以分享给朋友。总之，不需要写一行代码，你就可以快速搭建一个由 Kimi 驱动的智能体。
由于 Kimi 官方的智能体搭建平台还未上线，现阶段 Dify 就是一个很好的替代方案。如你所见，Dify 是一个功能强大的平台，最近还上线了工作流编排功能，潜力巨大。
当然，有时候你可能并不想动太多脑筋，只是想让 Kimi API 帮你改善日常体验，那么下面这款浏览器插件就非常适合你了。
OpenAI Translator 划词翻译插件
对于经常浏览外文网页的小伙伴来说，这个插件值得推荐。顾名思义，它是基于 OpenAI 的 GPT API 开发的，不过我们也可以很方便地把 Kimi API 配进去。
我们打开 Chrome 应用商店 (opens in a new tab)，搜索 “OpenAI Translator”。安装之后，点击插件图标，在插件弹窗的左下角找到齿轮图标，点击就可以进入设置界面。
我们按照图中的配置，就可以启用 Kimi API 作为插件的翻译引擎了。保存配置，打开外文网页，选择任意一段文本，点击弹出的小花花图标，就可以看到插件的翻译结果了。
怎么样，效果不错吧？类似的 AI 工具还有很多，如果它们支持 OpenAI，通常都可以用 Kimi API 跑起来。Kimi 赠送的免费额度可以用很久呢，一定要用起来哦。
小结
看到这里，你已经是一个大模型 API 的开发和应用专家了！祝愿大家都能借助 Kimi API 玩转大模型，开发出更多有意思的 AI 应用。
魔法哥最近一年都在做 AI 领域的研发和探索，会陆续跟大家分享心得。新朋友请关注公众号，下次更新不迷路：
原文取自：Kimi API 还没用起来？请看这篇无门槛快速入门指南 (opens in a new tab)
原文公众号：CSS魔法
文章作者：魔法哥
