kimi-writer
kimi-writer 是一款基于 kimi-k2-thinking 模型打造的自主 AI 写作智能体,能够独立规划并执行小说、书籍及短篇故事集的创作任务。它主要解决了长篇幅创作中逻辑连贯性难维持、上下文易丢失以及人工干预频繁等痛点,让创作者从繁琐的架构搭建中解放出来,专注于创意本身。
这款工具特别适合科幻作家、网文作者、内容创作者以及希望探索 AI 叙事潜力的开发者使用。其核心亮点在于强大的深度推理能力与智能化的上下文管理机制:kimi-writer 不仅能实时流式展示思考与写作过程,还具备自动压缩上下文、断点续写(恢复模式)及令牌用量监控功能,确保在长达 20 万令牌的窗口内稳定运行。通过内置的项目创建、文件写入等工具,它能自动管理工作空间,将抽象的灵感转化为结构完整的章节文件。无论是从零开始生成一部科幻小说集,还是在中途中断后继续未完的故事,kimi-writer 都能以高度自治的方式高效完成,是辅助长篇内容生产的得力助手。
使用场景
一位独立科幻作家计划在两周内完成一部包含五个相互关联短篇的系列小说,但受限于构思复杂度和写作速度,项目一度停滞。
没有 kimi-writer 时
- 构思与写作割裂:需要手动在大纲、人物小传和正文间切换,难以保持长篇幅逻辑的一致性,常出现前后设定冲突。
- 上下文记忆丢失:写到第三个故事时,往往遗忘第一个故事埋下的伏笔或细节,导致需要反复翻阅前文,打断创作心流。
- 中断恢复困难:一旦因电脑故障或灵感枯竭被迫中断,重新梳理剧情脉络和未完成任务耗时极长,容易产生弃坑念头。
- 格式整理繁琐:完成初稿后,需花费大量时间手动分章、创建文件并统一排版,挤占了核心创作时间。
使用 kimi-writer 后
- 自主闭环创作:kimi-writer 接收“创作 5 篇关联科幻短篇”指令后,自动规划整体架构并连续执行写作,确保世界观深度统一。
- 智能上下文管理:内置的压缩机制在接近令牌限制时自动总结前情,让 AI 在撰写后续章节时能精准呼应前文伏笔,无需人工干预。
- 无缝断点续写:利用恢复模式(Recovery Mode),即使进程意外中断,也能通过保存的时间戳摘要立即从断点处继续,完美衔接剧情。
- 自动化工程交付:Agent 直接调用工具创建项目文件夹,按章节自动生成格式规范的 Markdown 文件,交稿即成品。
kimi-writer 将作家从繁琐的结构维护和格式工作中解放出来,使其能专注于核心创意的打磨,实现高质量长文本的自动化产出。
运行环境要求
- Linux
- macOS
- Windows
不需要本地 GPU(基于 API 调用)
未说明

快速开始
基米写作代理
一款由 kimi-k2-thinking 模型驱动的自主代理,用于创作小说、书籍和短篇故事集。
功能
- 🤖 自主写作: 代理可独立规划并执行创意写作任务
- 📚 多种格式: 可创建小说、书籍或短篇故事集
- ⚡ 实时流式输出: 随着生成过程实时展示代理的推理与写作内容
- 💾 智能上下文管理: 在接近令牌限制时自动压缩上下文
- 🔄 恢复模式: 可从保存的上下文摘要中恢复中断的工作
- 📊 令牌监控: 实时跟踪令牌使用情况,并自动优化
- 🛠️ 工具使用: 代理可以创建项目、编写文件并管理其工作空间
安装
先决条件
我们推荐使用 uv 进行快速的 Python 包管理:
# 如果尚未安装 uv,请先安装
curl -LsSf https://astral.sh/uv/install.sh | sh
设置
- 安装依赖项:
推荐使用 uv:
uv pip install -r requirements.txt
或使用 pip:
pip install -r requirements.txt
- 配置您的 API 密钥:
创建一个包含您的 API 密钥的 .env 文件:
# 复制示例文件
cp env.example .env
# 编辑 .env 并添加您的 API 密钥
# 文件内容应为:
MOONSHOT_API_KEY=your-api-key-here
可选: 设置自定义基础 URL(默认为 https://api.moonshot.ai/v1):
# 添加到您的 .env 文件中:
MOONSHOT_BASE_URL=https://api.moonshot.ai/v1
使用方法
新建项目
通过内联提示运行:
# 推荐使用 uv
uv run kimi-writer.py "创作5篇关于人工智能的科幻短篇故事集"
# 或直接使用 python
python kimi-writer.py "创作5篇关于人工智能的科幻短篇故事集"
或者以交互模式运行:
uv run kimi-writer.py
# 或:python kimi-writer.py
然后在提示时输入您的指令。
恢复模式
如果代理被中断,或您想继续之前的工作:
uv run kimi-writer.py --recover output/my_project/.context_summary_20250107_143022.md
# 或:python kimi-writer.py --recover output/my_project/.context_summary_20250107_143022.md
工作原理
代理的工具
代理拥有三种工具:
- create_project: 创建项目文件夹以组织写作内容
- write_file: 以三种模式编写 Markdown 文件:
create: 创建新文件(若文件已存在则失败)append: 向现有文件追加内容overwrite: 替换整个文件内容
- compress_context: 自动触发以管理上下文大小
代理循环
- 代理接收您的提示
- 使用 kimi-k2-thinking 对任务进行推理
- 决定调用哪些工具并执行
- 检查结果,并持续进行直到任务完成
- 最多 300 次迭代,并自动压缩上下文
上下文管理
- 令牌限制: 200,000 个令牌
- 自动压缩: 当达到 180,000 个令牌时触发(占限制的 90%)
- 备份: 每 50 次迭代自动保存一次上下文摘要
- 恢复: 所有摘要均按时间戳保存,以便后续恢复
项目结构
kimi-writer/
├── kimi-writer.py # 主代理程序
├── tools/
│ ├── __init__.py # 工具注册表
│ ├── writer.py # 文件写入工具
│ ├── project.py # 项目管理工具
│ └── compression.py # 上下文压缩工具
├── utils.py # 工具函数(令牌计数等)
├── requirements.txt # Python 依赖项
├── env.example # 示例配置文件
├── .gitignore # Git 忽略规则
└── README.md # 本文件
# 使用过程中生成的内容:
output/ # 所有 AI 生成的项目都会存放于此
├── your_project_name/ # 由代理创建
│ ├── chapter_01.md # 由代理编写
│ ├── chapter_02.md
│ └── .context_summary_*.md # 自动保存的上下文摘要
└── another_project/
└── ...
示例
示例 1: 小说
uv run kimi-writer.py "撰写一部以维多利亚时代伦敦为背景的10章悬疑小说"
示例 2: 短篇故事集
uv run kimi-writer.py "创作7篇相互关联的科幻短篇故事,探讨记忆的主题"
示例 3: 书籍
uv run kimi-writer.py "编写一本包含15章的Python编程综合指南"
高级功能
实时流式输出
实时观看代理的思考与写作过程:
- 🧠 推理流: 观看代理在规划任务时的思维过程
- 💬 内容流: 逐字逐句见证故事的创作
- 🔧 工具调用进度: 在生成大量内容时提供实时更新(显示字符/单词数)
- ⚡ 无需等待: 即时反馈——不再需要盯着空白屏幕发呆
迭代计数器
代理会显示其进度:第 X 次迭代/300次
令牌监控
实时显示令牌使用情况:当前令牌数:45,234/200,000(22.6%)
优雅中断
按下 Ctrl+C 即可中断。代理会保存当前上下文以便后续恢复。
获得最佳效果的技巧
明确具体: 清晰的提示能带来更好的结果
- 好的:
创作一部以现代东京为背景的5章爱情小说 - 不太好的:
写点有趣的东西
- 好的:
放手让其工作: 代理会自主规划并完成整个任务
轻松恢复: 如果被中断,只需使用
--recover标志配合最新的上下文摘要即可恢复检查进度: 生成的文件会实时出现在项目文件夹中
故障排除
提示“未设置 MOONSHOT_API_KEY 环境变量”
请确保在项目根目录下创建了一个包含您的 API 密钥的 .env 文件:
MOONSHOT_API_KEY=your-actual-api-key-here
出现“401 Unauthorized”或认证错误
- 请确认
.env文件中的 API 密钥是否正确 - 确保使用正确的基础 URL:
https://api.moonshot.ai/v1 - 您可以从 https://platform.moonshot.cn/ 获取 API 密钥
“创建项目文件夹时出错”
请检查当前目录的写入权限
代理似乎卡住了
代理最多可运行 300 次迭代。对于非常复杂的任务,这是正常现象。请查看项目文件夹以了解进展情况。
令牌限制问题
代理会在 180,000 个令牌时自动压缩上下文。如果您看到压缩提示,则说明系统正在正常工作。
技术细节
- 模型: kimi-k2-thinking
- 温度: 1.0(针对此模型优化)
- 每次调用的最大令牌数: 65,536(64K)
- 上下文窗口: 200,000 个令牌
- 最大迭代次数: 300
- 压缩阈值: 180,000 个令牌
您可以根据需要进行自定义。
许可证
MIT 许可证,附带署名要求——详情请参阅 LICENSE 文件。
商业使用:如果您将本软件用于商业产品中,必须明确注明作者为 Pietro Schirano (@Doriandarko)。
API 使用:本项目使用了 Moonshot AI 的 API。请参阅 Moonshot AI 的服务条款以获取 API 使用的相关指南。
致谢
- 创建者:Pietro Schirano (@Doriandarko)
- 技术支持:Moonshot AI 的 kimi-k2-thinking 模型
- 仓库地址:https://github.com/Doriandarko/kimi-writer
点星历史
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。