จุดแข็ง
- context 1M โทเค็น
- อินพุตข้อความ รูปภาพ และวิดีโอ
- การเรียกใช้เครื่องมือ
- เผยแพร่ weights แล้ว
เหมาะที่สุดสำหรับ
- การเขียนโค้ดระยะยาว
- งานด้านความรู้
- การใช้เหตุผลเชิงลึกและเวิร์กโฟลว์เอเจนต์
รันใน EDDI
เส้นทางที่เร็วที่สุดคือ Manager: เปิด agent wizard หรือ Platform Operator แล้วเลือกผู้ให้บริการและโมเดล หากต้องการกำหนดค่าเอง ให้ทำตามขั้นตอนเหล่านี้สำหรับผู้ให้บริการที่คุณต้องการ
Moonshot AI · type: "moonshot"
Model id: kimi-k3, kimi-k2.6
1. เก็บ credential
เพิ่ม API key ของผู้ให้บริการลงใน Secrets Vault ใน Manager หรือด้วย PUT /secretstore/secrets/default/moonshot-key โดยใช้ชื่อตามด้านล่าง การกำหนดค่าจะอ้างอิงคีย์เป็น ${vault:…} คีย์จึงไม่ปรากฏเป็นข้อความธรรมดาเลย
${vault:moonshot-key}2. กำหนดค่า LLM task
ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "moonshot",
"parameters": {
"apiKey": "${vault:moonshot-key}",
"modelName": "kimi-k3",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}หรือสร้างทั้งเอเจนต์ในการเรียกครั้งเดียว
setup_agent เขียน rules, การกำหนดค่า LLM และเวิร์กโฟลว์ แล้ว deploy เอเจนต์ให้ เรียกผ่าน MCP หรือ POST /administration/agents/setup
setup_agent(
agentName: "My kimi-k3 agent",
systemPrompt: "You are a helpful assistant.",
provider: "moonshot",
model: "kimi-k3",
apiKey: "${vault:moonshot-key}"
)หมายเหตุสำหรับ EDDI
- ผู้ให้บริการรายนี้กำหนดให้ส่งการใช้เหตุผลของโมเดลกลับไประหว่างลูปเครื่องมือ preset ของ EDDI ทำให้คุณแล้ว: คง
returnThinkingและsendThinkingไว้ที่ค่าเริ่มต้น
โมเดลที่เกี่ยวข้อง
แหล่งที่มา
ข้อมูลในหน้านี้มาจากเอกสารของผู้ผลิต ตรวจสอบเมื่อ 2026-09-30 โมเดลเปลี่ยนแปลงเร็ว จึงควรยืนยันขีดจำกัดกับผู้ผลิตก่อนนำไปใช้ ราคาไม่ได้แสดงไว้ที่นี่: ดูหน้าราคาของผู้ผลิต