2026 年如何搭建一个多智能体编码栈（译）

2026 年如何搭建一个多智能体编码栈（译） 2026 年如何搭建一个多智能体编码栈（译） Modified April 29 测试 3：给一个现有代码库生成测试套件这是纯苦力活。也是我之前最不应该继续用 Claude 去高价处理的那类任务。 Kimi Code 处理得很干净。不花哨，不颠覆世界。就是稳定、扎实，而且成本只是之前的一小部分。两周之后我的结论是：对于我每天 85% 90% 的 coding task 来说，输出质量和我以前用的方案在功能上几乎没有差别。剩下那 10% 15%，也就是那些真正复杂、真正需要深度架构推理的任务，我依然交给 Claude。而当大多数工作都能在成本上下降 85% 左右时，这已经不是微小改进了。它直接改变了我的工作方式。那个替我省下数小时的 MCP 技巧接下来这部分，才是让我整个迁移几乎没有摩擦的关键。 Kimi Code 原生支持 Model Context Protocol，也就是 MCP。而且它对 MCP 的兼容是完整的。更重要的是，它的配置格式和你本来就在用的格式基本兼容。所以，如果你手头已经有一份来自 Claude Code 或其他工具的 MCP 配置，你只需要一条命令就能带过来： Code block Bash Copy kimi mcp config file your existing config.json 你所有的 MCP server、所有工具连接、所有东西，都会立刻转移过去。或者你也可以逐个添加 server。查看当前已经连接了哪些： Code block Bash Copy kimi mcp list 测试某个连接： Code block Bash Copy kimi mcp test context7 你的整套工具生态会跟着你一起移动。也是在那一刻，我意识到这不是某种孤立的小实验。它直接插进了我已经搭好的所有东西里。我每天都在用的工作流命令当你真的进入 agent 之后，下面这些命令和特性，才是日常真正有意义的部分： Ctrl X切换 shell mode。你可以在不离开 agent 的情况下直接跑任意 terminal 命令。不用切窗口。也不会丢上下文。这听上去像个小功能，但它真的会改变体验。 /sessions查看并切换 session。这是实打实的 session 管理，不是那种“每次都从头开始”的假管理。 continue精准恢复你上一个 session 停下来的位置。 /compact这是最被低估的那个功能。当你的上下文窗口快要塞满时，/compact 会让 agent 对历史对话做总结，但保留关键上下文。这样你就能释放出更多空间，继续工作，而不用重新开一个 session。状态栏里还有 context usage indicator，所以你随时都知道什么时候该用它。 kimi yolo自动批准所有文件修改。只有当你真的信任 agent 在做什么、并且你想把速度拉到最大时才该用。对于陌生代码库，这很危险。但在你自己的项目里，这非常强。 kimi acp用 ACP 模式启动，用于 IDE 集成。如果你用的是 Zed 或 JetBrains，就靠这个接进去。那个远远超出我预期的功能我必须单独讲一下 Agent Swarm。因为这是一个在大多数开发者当前正在使用的工具里，几乎没有真正对应物的功能。 Agent Swarm 允许 K2.6 协调最多 100 个子 agent，并行处理复杂任务。不是串行。是并行。真正让我惊住的那个案例是：有人喂给它 40 篇学术 PDF，最后拿回了一篇 10 万字的 literature review，外加一份带完整引用的数据集。而且是在单个 session 里完成的。还有一些现在真实在跑的例子： • 把 100 份 job description 处理成 100 份定制化 CV • 把一篇 astrophysics paper 转成一份 40 页报告，附带 20000 行数据集和 14 张 publication grade chart • 用一条 prompt 直接生成 10 张 tabloid 风格的杂志封面，并带真实历史标题这已经是那种正常情况下你得自己写脚本、再花数小时手工 orchestration 才能做的 batch processing 级别。而现在，它只是一条 prompt。目前 Agent Swarm 主要跑在 web interface 里，CLI 支持正在路上。如果你的工作流里有任何需要大批量处理文件、文档或数据的场景，光这一点就值得你花时间去看。那个几乎没人提到的点：设计品味我一开始根本没打算测它的 frontend 能力。我关注的本来只是 backend 和 tooling。但后来我在动态里看到有人用 K2.6 做了一个 portfolio site，我第一反应是：这不可能是 AI 生成的。所以我也用 Kimi 的 agent interface 自己试了一遍。 K2.6 会写 GLSL shader、WebGL、Three.js。它理解设计语言。你跟它说 “brutalist”、“liquid metal” 或 “cinematic”，它给出来的东西真的会符合这些美学。不是那种泛泛的 AI slop 风格。而是真的像一个人类设计师做出来的。它生成的 web app 还会自动带上数据库和认证。你拿到的不是静态页面。你拿到的是一个带真实后端 plumbing 的可工作应用。我让它做了一个带 shader hero animation 的 portfolio site。一次命中。这个结果如果丢给设计工作室，报价会是几千美元。从那一刻开始，我就不再把 K2.6 看成“只是个 coding model”。它是一个完整的 full stack creative tool。我现在真正使用的栈两周之后，我现在的工作流大概是这样：对于高吞吐 coding work，也就是重构、测试、样板代码、API、文档、文件处理这类任务，我都路由给 Kimi Code。这大约占了我日常工作的 85%。它的输出质量完全符合我的需求。而成本只是我之前付费的一小部分。对于复杂架构推理，也就是深度多 agent orchestration、极长 agentic loop、要求极高可靠性的任务，以及全新的系统设计，我依然路由给 Claude。这大约是剩下的 15%。在最难的推理任务上，Claude 依然有优势。而且只要确实需要，我完全愿意为它付这个钱。对于 batch processing，也就是一切涉及大量文件、文档或并行执行的任务，我用 Agent Swarm。这在我现在的栈里没有别的东西能替代。最终结果是：我的每周 API 支出下降了大约 85%。我的输出量反而上升了，因为我不再限制自己使用 agent 的频率。我交付得更多、更快，而且更便宜。这根本不是在找“最好”的工具。而是在搭一套 stack，让每个任务都跑在正确的工具上，并且用正确的成本去完成。诚实结论我会给你一个非常直接的版本。因为我觉得你应该听到真实判断。 K2.6 明显赢的地方： • 成本。比 Opus 4.7 便宜 7 倍。比 GLM 5.1 还便宜接近 50%。而且仍然处于同一性能层级。这没什么可争论的。 • 开源。完整权重在 Hugging Face 上。Apache 2.0。想自己托管就自己托管，想改就改，没有 vendor lock in。 • 批处理。Agent Swarm 目前在 Claude 或 GPT 生态里，没有真正对应的东西。 • 前端设计。它生成 web application 的审美质量，确实是 best in class。 • 效率。达到同样结果时，步骤数比 K2.5 少了 35%。更少步骤就意味着更少 token，也意味着更低成本。 Claude 依然明显更强的地方： • 最复杂的英语指令遵循。当任务要求你在数百步 agentic execution 里，始终完美遵守极其细的约束时，Claude 依然更可靠。 • 生态成熟度。Anthropic 在西方的开发者生态更成熟。 • 上下文窗口。Claude 最高可到 1M token。K2.6 是 262K。对于大多数任务来说，262K 已经绰绰有余；但对于超大型代码库分析，Claude 仍然占优。真正难分胜负的地方： • SWE Bench 和常规 coding benchmark。数字差距只有零点几。这里硬要选出一个赢家，其实并不诚实。真正的问题 2026 年的 AI coding agent 市场，已经不是关于忠诚度的问题了。它关乎 leverage。如果你还在把常规 coding task 一股脑丢给高溢价 API，而明明有开源模型能给你同样的结果，那你其实是在烧钱。今年真正会拉开差距的开发者，是那些搭出了多 Agent Stack 的人。把正确的任务放到正确的工具上，用正确的价格去执行。而不是选一个队伍，然后拒绝看其他任何东西。两周前，我还在为 85% 的 coding work 多花 7 倍的钱。现在不会了。工具就摆在那里。Benchmark 是公开的。配置只要 5 分钟。唯一的问题是：你会自己动手去测，还是等到所有人都先测完以后再说？大多数看到这篇内容的人，还是会继续为每一个任务付全价。而那些搭出真实 stack 的人，会在 30 天内把他们甩得远远的。我会拆解每一个重要的 AI 工具和工作流，这样你就不用一个人摸索。关注我 @eng khairallah1，获取更多 developer tools、workflow 和 techniques。没有废话，只有真正有效的东西。希望这篇内容对你有帮助❤️ 测试 3：给一个现有代码库生成测试套件这是纯苦力活。也是我之前最不应该继续用 Claude 去高价处理的那类任务。 Kimi Code 处理得很干净。不花哨，不颠覆世界。就是稳定、扎实，而且成本只是之前的一小部分。两周之后我的结论是：对于我每天 85% 90% 的 coding task 来说，输出质量和我以前用的方案在功能上几乎没有差别。剩下那 10% 15%，也就是那些真正复杂、真正需要深度架构推理的任务，我依然交给 Claude。而当大多数工作都能在成本上下降 85% 左右时，这已经不是微小改进了。它直接改变了我的工作方式。那个替我省下数小时的 MCP 技巧接下来这部分，才是让我整个迁移几乎没有摩擦的关键。 Kimi Code 原生支持 Model Context Protocol，也就是 MCP。而且它对 MCP 的兼容是完整的。更重要的是，它的配置格式和你本来就在用的格式基本兼容。所以，如果你手头已经有一份来自 Claude Code 或其他工具的 MCP 配置，你只需要一条命令就能带过来：你所有的 MCP server、所有工具连接、所有东西，都会立刻转移过去。或者你也可以逐个添加 server。查看当前已经连接了哪些：测试某个连接：你的整套工具生态会跟着你一起移动。也是在那一刻，我意识到这不是某种孤立的小实验。它直接插进了我已经搭好的所有东西里。我每天都在用的工作流命令当你真的进入 agent 之后，下面这些命令和特性，才是日常真正有意义的部分： Ctrl X切换 shell mode。你可以在不离开 agent 的情况下直接跑任意 terminal 命令。不用切窗口。也不会丢上下文。这听上去像个小功能，但它真的会改变体验。 /sessions查看并切换 session。这是实打实的 session 管理，不是那种“每次都从头开始”的假管理。 continue精准恢复你上一个 session 停下来的位置。 /compact这是最被低估的那个功能。当你的上下文窗口快要塞满时，/compact 会让 agent 对历史对话做总结，但保留关键上下文。这样你就能释放出更多空间，继续工作，而不用重新开一个 session。状态栏里还有 context usage indicator，所以你随时都知道什么时候该用它。 kimi yolo自动批准所有文件修改。只有当你真的信任 agent 在做什么、并且你想把速度拉到最大时才该用。对于陌生代码库，这很危险。但在你自己的项目里，这非常强。 kimi acp用 ACP 模式启动，用于 IDE 集成。如果你用的是 Zed 或 JetBrains，就靠这个接进去。那个远远超出我预期的功能我必须单独讲一下 Agent Swarm。因为这是一个在大多数开发者当前正在使用的工具里，几乎没有真正对应物的功能。 Agent Swarm 允许 K2.6 协调最多 100 个子 agent，并行处理复杂任务。不是串行。是并行。真正让我惊住的那个案例是：有人喂给它 40 篇学术 PDF，最后拿回了一篇 10 万字的 literature review，外加一份带完整引用的数据集。而且是在单个 session 里完成的。还有一些现在真实在跑的例子： • 把 100 份 job description 处理成 100 份定制化 CV • 把一篇 astrophysics paper 转成一份 40 页报告，附带 20000 行数据集和 14 张 publication grade chart • 用一条 prompt 直接生成 10 张 tabloid 风格的杂志封面，并带真实历史标题这已经是那种正常情况下你得自己写脚本、再花数小时手工 orchestration 才能做的 batch processing 级别。而现在，它只是一条 prompt。目前 Agent Swarm 主要跑在 web interface 里，CLI 支持正在路上。如果你的工作流里有任何需要大批量处理文件、文档或数据的场景，光这一点就值得你花时间去看。那个几乎没人提到的点：设计品味我一开始根本没打算测它的 frontend 能力。我关注的本来只是 backend 和 tooling。但后来我在动态里看到有人用 K2.6 做了一个 portfolio site，我第一反应是：这不可能是 AI 生成的。所以我也用 Kimi 的 agent interface 自己试了一遍。 K2.6 会写 GLSL shader、WebGL、Three.js。它理解设计语言。你跟它说 “brutalist”、“liquid metal” 或 “cinematic”，它给出来的东西真的会符合这些美学。不是那种泛泛的 AI slop 风格。而是真的像一个人类设计师做出来的。它生成的 web app 还会自动带上数据库和认证。你拿到的不是静态页面。你拿到的是一个带真实后端 plumbing 的可工作应用。我让它做了一个带 shader hero animation 的 portfolio site。一次命中。这个结果如果丢给设计工作室，报价会是几千美元。从那一刻开始，我就不再把 K2.6 看成“只是个 coding model”。它是一个完整的 full stack creative tool。我现在真正使用的栈两周之后，我现在的工作流大概是这样：对于高吞吐 coding work，也就是重构、测试、样板代码、API、文档、文件处理这类任务，我都路由给 Kimi Code。这大约占了我日常工作的 85%。它的输出质量完全符合我的需求。而成本只是我之前付费的一小部分。对于复杂架构推理，也就是深度多 agent orchestration、极长 agentic loop、要求极高可靠性的任务，以及全新的系统设计，我依然路由给 Claude。这大约是剩下的 15%。在最难的推理任务上，Claude 依然有优势。而且只要确实需要，我完全愿意为它付这个钱。对于 batch processing，也就是一切涉及大量文件、文档或并行执行的任务，我用 Agent Swarm。这在我现在的栈里没有别的东西能替代。最终结果是：我的每周 API 支出下降了大约 85%。我的输出量反而上升了，因为我不再限制自己使用 agent 的频率。我交付得更多、更快，而且更便宜。这根本不是在找“最好”的工具。而是在搭一套 stack，让每个任务都跑在正确的工具上，并且用正确的成本去完成。诚实结论我会给你一个非常直接的版本。因为我觉得你应该听到真实判断。 K2.6 明显赢的地方： • 成本。比 Opus 4.7 便宜 7 倍。比 GLM 5.1 还便宜接近 50%。而且仍然处于同一性能层级。这没什么可争论的。 • 开源。完整权重在 Hugging Face 上。Apache 2.0。想自己托管就自己托管，想改就改，没有 vendor lock in。 • 批处理。Agent Swarm 目前在 Claude 或 GPT 生态里，没有真正对应的东西。 • 前端设计。它生成 web application 的审美质量，确实是 best in class。 • 效率。达到同样结果时，步骤数比 K2.5 少了 35%。更少步骤就意味着更少 token，也意味着更低成本。 Claude 依然明显更强的地方： • 最复杂的英语指令遵循。当任务要求你在数百步 agentic execution 里，始终完美遵守极其细的约束时，Claude 依然更可靠。 • 生态成熟度。Anthropic 在西方的开发者生态更成熟。 • 上下文窗口。Claude 最高可到 1M token。K2.6 是 262K。对于大多数任务来说，262K 已经绰绰有余；但对于超大型代码库分析，Claude 仍然占优。真正难分胜负的地方： • SWE Bench 和常规 coding benchmark。数字差距只有零点几。这里硬要选出一个赢家，其实并不诚实。真正的问题 2026 年的 AI coding agent 市场，已经不是关于忠诚度的问题了。它关乎 leverage。如果你还在把常规 coding task 一股脑丢给高溢价 API，而明明有开源模型能给你同样的结果，那你其实是在烧钱。今年真正会拉开差距的开发者，是那些搭出了多 Agent Stack 的人。把正确的任务放到正确的工具上，用正确的价格去执行。而不是选一个队伍，然后拒绝看其他任何东西。两周前，我还在为 85% 的 coding work 多花 7 倍的钱。现在不会了。工具就摆在那里。Benchmark 是公开的。配置只要 5 分钟。唯一的问题是：你会自己动手去测，还是等到所有人都先测完以后再说？大多数看到这篇内容的人，还是会继续为每一个任务付全价。而那些搭出真实 stack 的人，会在 30 天内把他们甩得远远的。我会拆解每一个重要的 AI 工具和工作流，这样你就不用一个人摸索。关注我 @eng khairallah1，获取更多 developer tools、workflow 和 techniques。没有废话，只有真正有效的东西。希望这篇内容对你有帮助❤️ 原帖链接：https://x.com/eng khairallah1/status/2049055333054857612 原帖链接：https://x.com/eng khairallah1/status/2049055333054857612 每个人都在争论，到底哪个 AI coding agent 才是最好的。先收藏这个 :) Claude Code 的用户说 Claude 最强。Cursor 的用户说 Cursor 最强。GPT 的用户说 GPT 最强。每个人都选了一个阵营，然后像宗教一样死守在那里。但真正把最多工作交付出来的开发者，并不忠于某一个工具。他们会同时运行多个 agent，然后把不同任务路由给那个在最低成本下能给出最好结果的工具。这句话说出来以后，听上去非常显而易见。但几乎没有人真的在这样做。直到大约两周前，我自己也没有这样做。我当时所有事情都用 Claude Code。写测试、重构模块、生成样板代码、搭 API，所有事情都交给 Claude。而且它产出的工作质量确实非常高。我对结果本身没有任何抱怨。问题出在账单上。当你整天、每天都在跑 agentic coding task 的时候，token 成本会很快叠加起来。而当输入价格是每百万 token 5 美元、输出价格是每百万 token 25 美元时，“整天每天都在用”会贵到一个程度，让你开始下意识限制 agent 能做多少事。而这恰恰违背了整件事的初衷。于是我开始寻找一个开源替代方案。不是为了替代 Claude。而是为了接住那 80% 的任务。因为对于这 80% 来说，我根本不需要 Claude 级别的推理能力，我只是一直在为超出实际需求的能力付费。然后，我找到的东西完全出乎了我的意料。我发现了什么，以及为什么我差点直接忽略它我先说实话。第一次有人告诉我去看看 Kimi K2.6 的时候，我几乎立刻就想把它划掉。一个来自北京 Moonshot AI 的 coding model？我当时确实心存怀疑。然后我去看了 benchmark。 Kimi K2.6 在 SWE Bench Verified 上拿到了 80.2%。Claude Opus 4.6 是 80.8%。GPT 5.2 是 80.0%。这些数字几乎可以看作同一个水平。我们讨论的差距，不过是零点几个百分点。而价格差异却能达到 7 倍。然后我又去看了 OpenRouter 的 programming leaderboard。 Kimi K2.6 当时排在第 1。接着我又看了价格。输入每百万 token 0.80 美元。输出每百万 token 3.60 美元。我当场就不怀疑了。这个模型自带一个 terminal first 的 coding agent，叫做 Kimi Code。它是开源的。Apache 2.0 许可证。完整源码在 GitHub 上。你可以检查它、修改它、自己部署它。整套东西像 Claude Code 一样，都是直接在 terminal 里运行。我把它装起来，指向一个真实项目，然后开始测试。我到底是怎么配置它的安装过程简单到几乎有点离谱。你只需要 Python 3.10+，基本就够了。只要一条命令：然后启动：你就进去了。第一次启动时，它会要求你运行 /login 做认证。之后每个 session 都能秒开。我还顺手从 VS Code marketplace 装了它的扩展，这样我也能在编辑器里直接使用它。它原生支持 Zed，并且通过 ACP 集成 Cursor 和 JetBrains。所以不管你的开发环境长什么样，它都能嵌进去。总配置时间：不到 5 分钟。这两周的真实测试我给它上的是真测试。不是玩具项目。不是“给我写个 to do app”这种东西。我喂给它的是我自己实际工作流里的真任务。下面是我丢给它的内容，以及最后的结果。测试 1：从零构建一个完整的 REST API 数据库模型、认证、CRUD endpoint、错误处理，以及测试。这种任务通常会在 Claude 那边吃掉两到三个小时的 agent 时间。 Kimi Code 先完整规划了整体结构。然后它再一个文件一个文件地执行，同时持续引用自己前面做过的决策。没有幻觉式 import。没有坏掉的依赖。没有互相打架的文件。 K2.6 有一个 thinking mode，会在真正开始写代码前先推理整个问题。这个“先规划”的步骤，就是差别所在。它不是一上来就开始生成。它先做架构，再开始写。所以最后交出来的是一个只需要做小修小补的可工作 API，而不是一个需要大扫除的半成品。测试 2：跨 12 个文件重构一个模块这正是大多数 coding agent 最容易彻底崩掉的地方。它们通常会在第 3 个文件里改了某样东西，然后把第 7 个文件搞坏，或者干脆忘记自己前面改过什么。 K2.6 在整个过程里都保持了连贯性。和我过去常见的情况相比，它把平均 step count 降低了大约 35%。更少的无效步骤，意味着更少的 token 消耗，而这又会让成本节省继续叠加。

在小宇宙note 阅读完整内容