Kimi K3.1 Pro 中文编程 Agent：百万上下文怎么接入

先给结论

如果你的搜索意图是“用中文模型读完整代码库，再结合截图或长文档完成修改”，Kimi K3.1 Pro 是一个适合做长上下文编程 Agent 的候选。TeamoRouter 使用的 API model ID 是 kimi-k3.1-pro，当前目录显示它支持文本、图片和视频输入，最大上下文为 100 万 token。模型、路由供应商和价格会变化，接入前请以模型详情为准。

什么时候值得用百万上下文

• 代码库定位。先放入目录树、关键接口和失败测试，再让模型规划需要读取的文件，减少把无关依赖全部塞进一次请求。
• 中文需求到补丁。把产品说明、接口约束和现有实现放在同一上下文中，要求输出 unified diff，并附带测试命令。
• 截图与文档一起分析。可以把错误截图、接口文档和日志作为同一任务的输入，先提取事实，再决定修复路径。
• 长流程 Agent。把“观察、计划、执行、复盘”拆成阶段，每个阶段保留结构化结果，失败时只重试当前步骤。

上下文很大不等于每次都应该发送全部内容。按任务分层加载通常更快，也更容易控制成本。

OpenAI 兼容调用

curl https://api.teamorouter.com/v1/chat/completions \\
  -H "Authorization: Bearer $OPENAI_API_KEY" \\
  -H "Content-Type: application/json" \\
  -d '{
    "model": "kimi-k3.1-pro",
    "messages": [{
      "role": "user",
      "content": "请先分析这个仓库的模块边界，再给出最小修复计划，并列出需要运行的测试。"
    }]
  }'

如果使用 OpenAI SDK，只需把 base_url 指向 https://api.teamorouter.com/v1，模型字段保持 kimi-k3.1-pro。不要把 OpenRouter 的供应商前缀复制到 TeamoRouter 的 model ID 中。

多模态 Agent 的输入顺序

建议按下面的顺序组织请求。

1. 事实层。先放错误信息、截图或原始文档，要求模型只提取可验证事实。
2. 代码层。提供相关文件和接口契约，明确哪些文件允许修改。
3. 计划层。要求输出步骤、风险和成功条件，不要直接执行所有工具调用。
4. 执行层。每次只执行一个可验证动作，回传结果后再进入下一步。

这种结构能避免模型把截图中的猜测直接当成代码事实，也方便在工具失败后从计划层继续。

价格和可用性怎么核对

本文发布时核对了 TeamoRouter 的实时模型目录，确认 kimi-k3.1-pro 的显示名称、Moonshot 归属、100 万上下文和 token 计费字段。具体输入、输出、缓存价格以及当前供应商可用性都可能变化，因此文章不固化单价。发布前打开模型详情，再查看实时价格和路由状态。

如果返回 model_not_found，先检查是否误写成 kimi-k3.1 或带了供应商前缀。如果请求超时，先减少首轮上下文，只保留目录树、相关文件和失败日志，再逐步补充材料。

常见问题

它能直接看图片和视频吗？

实时目录当前把该模型标为文本、图片和视频输入。具体请求格式仍以接口返回和模型详情页为准，建议先用一张截图做最小调用，再接入完整 Agent。

百万上下文是否适合每次全量上传？

不建议。全量上传会增加延迟和费用，也会让模型更难区分关键文件。先检索相关片段，再在需要跨模块推理时扩大上下文范围。

可以用它替代专门的代码模型吗？

它更适合需要长文档、代码库和多模态材料同时参与的任务。对短函数补全，先用更快的模型做草稿，再让 Kimi K3.1 Pro 负责跨文件审查，通常更容易控制成本。