كيفية استخدام Kimi K2.5 API

يبحث المطورون بشكل متزايد عن واجهات برمجة تطبيقات (APIs) قوية تتعامل مع المدخلات المعقدة متعددة الوسائط وتقدم مخرجات ذكية. يبرز Kimi K2.5 API كأداة متعددة الاستخدامات من Moonshot AI، حيث تُمكّن التطبيقات من معالجة النصوص والصور ومقاطع الفيديو بقدرات استدلال متقدمة. تُمكّنك واجهة برمجة التطبيقات هذه من بناء حلول متطورة تعتمد على الذكاء الاصطناعي، بدءًا من تصحيح الأخطاء المرئي في التعليمات البرمجية وصولًا إلى تنسيق أسراب الوكلاء لتنفيذ المهام المتوازية.

💡

هل ترغب في المتابعة؟ قم بتنزيل Apidog لاختبار مكالمات Kimi K2.5 API الخاصة بك بصريًا. يتيح لك Apidog تهيئة الطلبات، وفحص الاستجابات، وتصحيح مشكلات المصادقة، وإنشاء تعليمات برمجية جاهزة للإنتاج — كل ذلك دون كتابة تعليمات نمطية. إنها أسرع طريقة لتجربة إمكانيات K2.5 قبل الالتزام بالتعليمات البرمجية.

تنزيل التطبيق

ما هو Kimi K2.5؟

يمثل Kimi K2.5 أحدث نموذج مفتوح المصدر ومتعدد الوسائط من Moonshot AI، وقد تم بناؤه من خلال التدريب المسبق المستمر على حوالي 15 تريليون رمز مرئي ونصي مختلط فوق بنية Kimi-K2-Base. على عكس سابقه، يدمج K2.5 بسلاسة فهم الرؤية واللغة مع قدرات وكيل متقدمة، مما يجعله قويًا بشكل خاص للمطورين الذين يبنون تطبيقات مدعومة بالذكاء الاصطناعي.

يقدم النموذج العديد من الميزات الرائدة التي تميزه عن واجهات برمجة التطبيقات الأخرى للذكاء الاصطناعي. تعني تعدد وسائطه الأصلية أنه تم تدريبه مسبقًا على رموز الرؤية واللغة من البداية، بدلاً من إضافة قدرات الرؤية كفكرة لاحقة. يؤدي هذا النهج إلى أداء فائق في المعرفة المرئية، والاستدلال متعدد الوسائط، واستخدام الأدوات الوكيلة القائمة على المدخلات المرئية.

لماذا Kimi K2.5 مهم للمطورين:

توفر مفتوح المصدر: على عكس العديد من النماذج الرائدة، أوزان K2.5 متاحة للعامة على Hugging Face
واجهة برمجة تطبيقات متوافقة مع OpenAI: استبدال مباشر يتطلب الحد الأدنى من تغييرات التعليمات البرمجية
فعال من حيث التكلفة: تسعير تنافسي عند 0.60 دولار لكل مليون رمز إدخال
نافذة سياق بحجم 256 ألف: التعامل مع المستندات والمحادثات الشاملة
قدرة سرب الوكلاء (Agent Swarm): تقسيم المهام المعقدة إلى مهام فرعية متوازية

الميزات والقدرات الرئيسية

الذكاء الأصيل متعدد الوسائط

يتفوق K2.5 في المعرفة المرئية، والاستدلال متعدد الوسائط، واستخدام الأدوات الوكيلة القائمة على المدخلات المرئية. هذا ليس مجرد تعرف على الصور - بل هو فهم عميق للسياق المرئي يمكن أن يدعم اتخاذ القرارات المعقدة.

الترميز باستخدام الرؤية

إحدى القدرات البارزة لـ K2.5 هي إنشاء التعليمات البرمجية من المواصفات المرئية. وجهه نحو نموذج تصميم واجهة المستخدم، ويمكنه إنتاج تعليمات برمجية وظيفية للواجهة الأمامية. اعرض عليه سير عمل فيديو، ويمكنه تنسيق الأدوات لمعالجة البيانات المرئية. وهذا يجعله ذا قيمة خاصة لـ:

تحويل تصاميم Figma إلى مكونات React
إنشاء HTML/CSS من التصاميم الهيكلية (wireframes)
بناء مسارات تصور البيانات من أمثلة المخططات
أتمتة مهام معالجة الصور

هندسة سرب الوكلاء

ينتقل K2.5 من التوسع أحادي الوكيل إلى مخطط تنفيذ ذاتي التوجيه ومنسق يشبه السرب. عند مواجهة المهام المعقدة، يمكنه:

تقسيم المشكلة إلى مهام فرعية متوازية
إنشاء وكلاء متخصصين في المجال ديناميكيًا
تنسيق التنفيذ عبر وكلاء متعددين
تجميع النتائج في مخرجات متماسكة

تمكن هذه البنية K2.5 من التعامل مع المهام التي قد ترهق أنظمة الوكيل الواحد، مثل إعادة هيكلة التعليمات البرمجية الشاملة، أو إنشاء وثائق متعددة الملفات، أو مسارات تحليل البيانات المعقدة.

أداء المعيار

البدء باستخدام Kimi K2.5 API

الخطوة 1: أنشئ حسابك في Moonshot AI

قم بزيارة platform.moonshot.ai واشترك للحصول على حساب. عملية التسجيل مباشرة:

انقر على "تسجيل" أو "تسجيل حساب"
قدم بريدك الإلكتروني وأنشئ كلمة مرور
تحقق من عنوان بريدك الإلكتروني
أكمل أي معلومات ملف شخصي مطلوبة

الخطوة 2: أنشئ مفتاح API الخاص بك

بمجرد تسجيل الدخول:

انتقل إلى قسم "مفاتيح API" في لوحة التحكم الخاصة بك
انقر على "إنشاء مفتاح API جديد"
أعطِ مفتاحك اسمًا وصفيًا (مثل "kimi-k2-5-development")
انسخ مفتاح API الخاص بك وقم بتخزينه بأمان — لن تراه مرة أخرى

نصيحة أمنية: لا تقم أبدًا بإدخال مفاتيح API إلى التحكم في الإصدار. استخدم متغيرات البيئة أو مدير الأسرار.

الخطوة 3: إعداد بيئتك

لـ Python:

pip install --upgrade 'openai>=1.0'

لـ Node.js:

npm install openai@latest

الخطوة 4: تهيئة مفتاح API الخاص بك

قم بتعيين مفتاح API الخاص بك كمتغير بيئة:

لنظامي macOS/Linux:

export MOONSHOT_API_KEY="your-api-key-here"

لـ Windows (PowerShell):

[System.Environment]::SetEnvironmentVariable("MOONSHOT_API_KEY", "your-api-key-here", "User")

لـ Windows (موجه الأوامر):

setx MOONSHOT_API_KEY "your-api-key-here"

أمثلة كود Python

إكمال الدردشة الأساسي

إليك مثال بسيط للبدء باستخدام Kimi K2.5:

import os
from openai import OpenAI

# Initialize the client with Moonshot AI endpoint
client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

# Create a chat completion
response = client.chat.completions.create(
    model="kimi-k2.5-preview",
    messages=[
        {
            "role": "system",
            "content": "You are Kimi, an AI assistant developed by Moonshot AI. You are helpful, harmless, and honest."
        },
        {
            "role": "user",
            "content": "Explain the concept of mixture-of-experts architecture in neural networks."
        }
    ],
    temperature=0.6,
    max_tokens=2048,
)

print(response.choices[0].message.content)

تدفق الاستجابات

للتطبيقات في الوقت الفعلي، استخدم التدفق لعرض الاستجابات فور إنشائها:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

# Stream the response
stream = client.chat.completions.create(
    model="kimi-k2.5-preview",
    messages=[
        {"role": "user", "content": "Write a Python function to implement binary search."}
    ],
    stream=True,
    temperature=0.3,
)

# Process the stream
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

محادثة متعددة الأدوار

حافظ على السياق عبر التبادلات المتعددة:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

conversation_history = [
    {"role": "system", "content": "You are a helpful coding assistant."}
]

def chat(user_message):
    conversation_history.append({"role": "user", "content": user_message})

    response = client.chat.completions.create(
        model="kimi-k2.5-preview",
        messages=conversation_history,
        temperature=0.6,
    )

    assistant_message = response.choices[0].message.content
    conversation_history.append({"role": "assistant", "content": assistant_message})

    return assistant_message

# Example conversation
print(chat("How do I create a REST API in Python?"))
print(chat("Can you show me how to add authentication to that?"))
print(chat("What about rate limiting?"))

تطبيق غير متزامن (Async)

للتطبيقات عالية الأداء، استخدم async/await:

import os
import asyncio
from openai import AsyncOpenAI

async def main():
    client = AsyncOpenAI(
        api_key=os.environ.get("MOONSHOT_API_KEY"),
        base_url="https://api.moonshot.ai/v1",
    )

    # Run multiple requests concurrently
    tasks = [
        client.chat.completions.create(
            model="kimi-k2.5-preview",
            messages=[{"role": "user", "content": f"What is {topic}?"}],
        )
        for topic in ["REST API", "GraphQL", "gRPC"]
    ]

    responses = await asyncio.gather(*tasks)

    for response in responses:
        print(response.choices[0].message.content[:200])
        print("-" * 50)

asyncio.run(main())

أمثلة JavaScript/Node.js

إكمال الدردشة الأساسي

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.MOONSHOT_API_KEY,
  baseURL: 'https://api.moonshot.ai/v1',
});

async function chat(userMessage) {
  const response = await client.chat.completions.create({
    model: 'kimi-k2.5-preview',
    messages: [
      {
        role: 'system',
        content: 'You are Kimi, a helpful AI assistant.',
      },
      {
        role: 'user',
        content: userMessage,
      },
    ],
    temperature: 0.6,
  });

  return response.choices[0].message.content;
}

// Usage
const answer = await chat('How do I implement a binary search tree in JavaScript?');
console.log(answer);

التدفق باستخدام Node.js

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.MOONSHOT_API_KEY,
  baseURL: 'https://api.moonshot.ai/v1',
});

async function streamChat(userMessage) {
  const stream = await client.chat.completions.create({
    model: 'kimi-k2.5-preview',
    messages: [{ role: 'user', content: userMessage }],
    stream: true,
  });

  for await (const chunk of stream) {
    const content = chunk.choices[0?.delta?.content;
    if (content) {
      process.stdout.write(content);
    }
  }
}

await streamChat('Explain microservices architecture');

استخدام Fetch API (متصفح/وظائف Edge)

async function callKimiAPI(prompt) {
  const response = await fetch('https://api.moonshot.ai/v1/chat/completions', {
    method: 'POST',
    headers: {
      'Authorization': `Bearer ${process.env.MOONSHOT_API_KEY}`,
      'Content-Type': 'application/json',
    },
    body: JSON.stringify({
      model: 'kimi-k2.5-preview',
      messages: [{ role: 'user', content: prompt }],
      temperature: 0.6,
    }),
  });

  const data = await response.json();
  return data.choices[0].message.content;
}

// Usage
const result = await callKimiAPI('What are the best practices for API design?');
console.log(result);

اختبار Kimi K2.5 API باستخدام Apidog

يتطلب اختبار واجهات برمجة تطبيقات الذكاء الاصطناعي بفعالية فهم هياكل الطلبات/الاستجابات، والتعامل مع التدفق، وإدارة المصادقة، وتصحيح الأخطاء. يوفر Apidog حلاً شاملاً لتطوير واجهات برمجة التطبيقات يجعل العمل مع Kimi K2.5 أمرًا بسيطًا.

إعداد Kimi K2.5 في Apidog

الخطوة 1: إنشاء مشروع جديد

افتح Apidog وأنشئ مشروعًا جديدًا باسم "تكامل Kimi K2.5"
هذا ينظم جميع نقاط نهاية Kimi ذات الصلة في مكان واحد

الخطوة 2: تهيئة متغيرات البيئة

انتقل إلى "إعدادات البيئة"
أضف متغير بيئة جديد:

الاسم: MOONSHOT_API_KEY
القيمة: مفتاح API الخاص بك
حدده كـ "حساس" لإخفاء القيمة

الخطوة 3: إنشاء نقطة نهاية إكمال الدردشة

أضف طلب POST جديد
عنوان URL: https://api.moonshot.ai/v1/chat/completions
الرؤوس (Headers):

Authorization: Bearer {{MOONSHOT_API_KEY}}
Content-Type: application/json

الخطوة 4: تهيئة نص الطلب

{
  "model": "kimi-k2.5-preview",
  "messages": [
    {
      "role": "system",
      "content": "You are a helpful AI assistant."
    },
    {
      "role": "user",
      "content": "Hello, how can you help me today?"
    }
  ],
  "temperature": 0.6,
  "max_tokens": 2048,
  "stream": false
}

تصحيح الأخطاء باستخدام Apidog

تساعدك واجهة Apidog المرئية في:

فحص بنية الاستجابة: شاهد استجابة JSON الكاملة مع تمييز بناء الجملة
قياس زمن الاستجابة: تتبع أوقات الاستجابة لتحسين الأداء
عرض الرؤوس (Headers): تصحيح مشكلات المصادقة وحدود المعدل
حفظ حالات الاختبار: إنشاء مجموعات طلبات قابلة لإعادة الاستخدام لاختبار الانحدار
توليد الكود: تصدير كود عمل بلغات Python و JavaScript و cURL والمزيد

إنشاء اختبارات آلية

باستخدام مشغل الاختبار في Apidog، يمكنك التحقق من تكامل Kimi K2.5 الخاص بك:

// Post-response test script in Apidog
pm.test("Response status is 200", function () {
    pm.response.to.have.status(200);
});

pm.test("Response contains choices", function () {
    const response = pm.response.json();
    pm.expect(response.choices).to.be.an('array');
    pm.expect(response.choices.length).to.be.greaterThan(0);
});

pm.test("Response content is not empty", function () {
    const response = pm.response.json();
    pm.expect(response.choices[0].message.content).to.not.be.empty;
});

استدعاء الأدوات وقدرات الوكلاء

إحدى أقوى ميزات Kimi K2.5 هي قدرته على استدعاء أدوات خارجية. وهذا يُمكّن من بناء وكلاء ذكاء اصطناعي متطورين يمكنهم التفاعل مع الأنظمة الخارجية.

تعريف الأدوات

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

# Define available tools
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather for a location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "City and country, e.g., 'London, UK'"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "Temperature unit"
                    }
                },
                "required": ["location"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "search_database",
            "description": "Search a database for information",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "Search query"
                    },
                    "limit": {
                        "type": "integer",
                        "description": "Maximum number of results"
                    }
                },
                "required": ["query"]
            }
        }
    }
]

# Make a request with tools
response = client.chat.completions.create(
    model="kimi-k2.5-preview",
    messages=[
        {"role": "user", "content": "What's the weather like in Tokyo?"}
    ],
    tools=tools,
    tool_choice="auto",
)

# Handle tool calls
if response.choices[0].message.tool_calls:
    for tool_call in response.choices[0].message.tool_calls:
        print(f"Tool: {tool_call.function.name}")
        print(f"Arguments: {tool_call.function.arguments}")

تنفيذ استدعاءات الأدوات

import json

def execute_tool_call(tool_call):
    """Execute a tool call and return the result."""
    name = tool_call.function.name
    args = json.loads(tool_call.function.arguments)

    if name == "get_weather":
        # Simulate weather API call
        return json.dumps({
            "location": args["location"],
            "temperature": 22,
            "unit": args.get("unit", "celsius"),
            "condition": "sunny"
        })
    elif name == "search_database":
        # Simulate database search
        return json.dumps({
            "results": [
                {"id": 1, "title": "Result 1"},
                {"id": 2, "title": "Result 2"}
            ]
        })

    return json.dumps({"error": "Unknown tool"})

# Complete the conversation with tool results
messages = [
    {"role": "user", "content": "What's the weather in Tokyo?"}
]

response = client.chat.completions.create(
    model="kimi-k2.5-preview",
    messages=messages,
    tools=tools,
)

if response.choices[0].message.tool_calls:
    # Add assistant message with tool calls
    messages.append(response.choices[0].message)

    # Execute each tool and add results
    for tool_call in response.choices[0].message.tool_calls:
        result = execute_tool_call(tool_call)
        messages.append({
            "role": "tool",
            "tool_call_id": tool_call.id,
            "content": result
        })

    # Get final response
    final_response = client.chat.completions.create(
        model="kimi-k2.5-preview",
        messages=messages,
        tools=tools,
    )

    print(final_response.choices[0].message.content)

ميزات الرؤية وتعدد الوسائط

تسمح قدرات K2.5 الأصلية متعددة الوسائط بمعالجة الصور جنبًا إلى جنب مع النص:

import os
import base64
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

def encode_image(image_path):
    """Encode image to base64."""
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

# Analyze an image
image_base64 = encode_image("screenshot.png")

response = client.chat.completions.create(
    model="kimi-k2.5-preview",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Analyze this UI design and suggest improvements."
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{image_base64}"
                    }
                }
            ]
        }
    ],
    max_tokens=2048,
)

print(response.choices[0].message.content)

توليد التعليمات البرمجية من المدخلات المرئية

# Generate code from a wireframe
response = client.chat.completions.create(
    model="kimi-k2.5-preview",
    messages=[
        {
            "role": "system",
            "content": "You are an expert frontend developer. Generate clean, production-ready code."
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Convert this wireframe into a React component with Tailwind CSS styling."
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{encode_image('wireframe.png')}"
                    }
                }
            ]
        }
    ],
    temperature=0.3,
)

print(response.choices[0].message.content)

التسعير وحدود المعدل

النقاط الرئيسية:

تشمل الطبقة المجانية 1.5 مليون رمز يوميًا
الطبقة 1+ لديها رموز يومية غير محدودة
تخزين الرموز مؤقتًا تلقائي ولا يتطلب أي تهيئة
يكلف البحث عبر الويب 0.005 دولار إضافي لكل مكالمة

أفضل الممارسات والنصائح

تحسين استخدام الرموز

# Use system prompts efficiently
system_prompt = """You are a concise technical assistant.
Rules: 1) Be brief 2) Use code blocks 3) Skip pleasantries"""

# Enable caching for repeated contexts
# Moonshot automatically caches similar prompts

إعدادات درجة الحرارة (Temperature)

0.0-0.3: توليد التعليمات البرمجية، الاستجابات الواقعية
0.4-0.6: توازن بين الإبداع والدقة
0.7-1.0: الكتابة الإبداعية، العصف الذهني

معالجة الأخطاء

from openai import OpenAI, APIError, RateLimitError

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

def safe_chat(message, retries=3):
    for attempt in range(retries):
        try:
            response = client.chat.completions.create(
                model="kimi-k2.5-preview",
                messages=[{"role": "user", "content": message}],
            )
            return response.choices[0].message.content
        except RateLimitError:
            if attempt < retries - 1:
                time.sleep(2 ** attempt)  # Exponential backoff
            else:
                raise
        except APIError as e:
            print(f"API Error: {e}")
            raise

result = safe_chat("Hello, Kimi!")

استكشاف الأخطاء الشائعة وإصلاحها

أخطاء المصادقة

المشكلة: خطأ 401 Unauthorized

الحلول:

تحقق من صحة مفتاح API الخاص بك
تأكد من أن المفتاح لم تنته صلاحيته
تأكد من أن تنسيق رأس Authorization صحيح: Bearer YOUR_KEY

تحديد المعدل

المشكلة: 429 Too Many Requests

الحلول:

طبق التأخير الأسي (exponential backoff)
قم بترقية باقتك عن طريق إضافة أرصدة
راقب رؤوس X-RateLimit-Remaining

تجاوز طول السياق

المشكلة: يتجاوز الطلب حد الرموز البالغ 256 ألف

الحلول:

لخص المحادثات الطويلة
استخدم نهج النافذة المنزلقة (sliding window)
قسمه إلى طلبات متعددة

مشكلات انتهاء المهلة

المشكلة: انتهاء مهلة الطلبات

الحلول:

استخدم التدفق للاستجابات الطويلة
زد إعدادات مهلة العميل
قسم المطالبات المعقدة إلى مهام أصغر

هل أنت مستعد للبناء باستخدام Kimi K2.5؟ قم بتنزيل Apidog لتبسيط سير عمل تطوير واجهة برمجة التطبيقات الخاص بك من خلال الاختبار المرئي والتوثيق التلقائي وميزات التعاون الجماعي التي تجعل دمج واجهات برمجة تطبيقات الذكاء الاصطناعي أسرع وأكثر موثوقية.

تنزيل التطبيق