راه‌اندازی Kimi Code CLI

اتصال QCode.cc به Kimi Code CLI در ~/.kimi-code/config.toml: type anthropic برای Claude، type openai برای GPT و مدل‌های چینی

به کلید API نیاز دارید؟ ثبت‌نام ←·نقاط پایانی و Base URL ←

آخرین بازبینی: 2026-11-10 · 📄 بر اساس مستندات رسمی (Kimi Code CLI 2.5.2، تغییرات مورخ 2026-11-06؛ Kimi Code Desktop 1.3.2، تغییرات مورخ 2026-11-06) · ✅ دسترسی QCode با Kimi Code CLI 2.5.2 آزمایش شده است (2026-11-10)

در یک نگاه¶

Kimi Code CLI عامل کدنویسی Moonshot AI است که در ترمینال اجرا می‌شود. مستندات خودش سه روش برای تأمین مدل توصیف می‌کند: سرویس مدیریت‌شده Kimi Code با ورود یک‌کلیکی، «اتصال Claude با کلید API Anthropic، یا اتصال سرویس‌های استنتاج شخص ثالث از طریق پروتکل سازگار با OpenAI». همین دو مورد آخر دقیقاً همان نقاط پایانی هستند که QCode ارائه می‌دهد، بنابراین یک کلید QCode هم Claude، هم GPT و هم خانواده‌های چینی را در همان ابزار پوشش می‌دهد. در 2026-11-10 با Kimi Code CLI 2.5.2 آزمایش شد: بدون ورود به حساب کاربری Kimi، type = "anthropic" با https://api.qcode.cc/api، type = "openai" با https://api.qcode.cc/openai/v1 و type = "openai_responses" با https://api.qcode.cc/openai/v1 همگی پاسخ دادند. در همان تاریخ، تغییرات CLI و بسته npm @moonshot-ai/kimi-code هر دو 2.5.2 (2026-11-06) را به‌عنوان جدیدترین انتشار فهرست می‌کنند و تغییرات Desktop نیز 1.3.2 (2026-11-06) را فهرست می‌کند. این صفحه CLI را پوشش می‌دهد؛ اینکه Kimi Code Desktop چگونه پیکربندی خود را به اشتراک می‌گذارد در Desktop و CLI نزدیک انتهای صفحه توضیح داده شده است.

کدام پروتکل¶

فیلد type در جدول [providers.<name>] پیاده‌سازی پروتکل را انتخاب می‌کند. مرجع رسمی شش مقدار را فهرست می‌کند — kimi، anthropic، openai، openai_responses، google-genai، vertexai — و سه پروتکل QCode از سه مورد از آن‌ها استفاده می‌کنند. هر ردیف در 2026-11-10 با Kimi Code CLI 2.5.2، به‌ترتیب با claude-haiku-5-5، deepseek-v4-flash و gpt-6.1-terra آزمایش شد:

🔴 هرگز مدل Claude را به نقطه پایانی سازگار با OpenAI متصل نکنید. QCode خانواده Claude را فقط روی نقطه پایانی Anthropic Messages ارائه می‌دهد؛ شناسه claude-* که به https://api.qcode.cc/openai/v1 فرستاده شود رد می‌شود. این دو نقطه پایانی قابل‌جایگزینی نیستند — به نقاط پایانی و مسیرهای API مراجعه کنید.

Base URL را دقیقاً همان‌طور که در بالا آمده بنویسید: در /api یا /openai/v1 توقف کنید، /v1/messages یا /chat/completions را اضافه نکنید، و اسلش پایانی را باقی نگذارید.

نصب¶

مستندات دو روش ارائه می‌دهند: اسکریپت نصب رسمی، که توصیه می‌شود چون به Node.js از پیش نصب‌شده نیاز ندارد، و نصب سراسری با npm.

# macOS / Linux
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

# Windows (PowerShell)
irm https://code.kimi.com/kimi-code/install.ps1 | iex

# npm — check your runtime first with: node --version
npm install -g @moonshot-ai/kimi-code

روش npm به Node.js 22.19.0 یا جدیدتر نیاز دارد. اسکریپت آخرین انتشار را دانلود می‌کند، چک‌سام را بررسی می‌کند و فایل اجرایی kimi را در PATH شما قرار می‌دهد. باینری را تأیید کنید، سپس به دایرکتوری پروژه خود بروید و kimi را اجرا کنید تا رابط کاربری تعاملی باز شود:

kimi --version
cd your-project
kimi

config.toml حداقلی (آزمایش‌شده)¶

این همان فایلی است که در آزمون 2026-11-10 با Kimi Code CLI 2.5.2 استفاده شد: یک ارائه‌دهنده برای هر پروتکل و یک نام مستعار مدل روی هر کدام. api_key_env باعث می‌شود CLI در هر درخواست کلید را از QCODE_API_KEY بخواند، بنابراین خود فایل هیچ کلیدی نگه نمی‌دارد؛ نام متغیر به خود شما بستگی دارد.

# ~/.kimi-code/config.toml
default_model = "qcode-haiku"

[providers.qcode-anthropic]
type = "anthropic"
base_url = "https://api.qcode.cc/api"
api_key_env = "QCODE_API_KEY"

[providers.qcode-openai]
type = "openai"
base_url = "https://api.qcode.cc/openai/v1"
api_key_env = "QCODE_API_KEY"

[providers.qcode-responses]
type = "openai_responses"
base_url = "https://api.qcode.cc/openai/v1"
api_key_env = "QCODE_API_KEY"

[models.qcode-haiku]
provider = "qcode-anthropic"
model = "claude-haiku-5-5"
max_context_size = 200000

[models.qcode-dsflash]
provider = "qcode-openai"
model = "deepseek-v4-flash"
max_context_size = 128000

[models.qcode-terra]
provider = "qcode-responses"
model = "gpt-6.1-terra"
max_context_size = 128000

کلید را تنظیم کنید و بدون باز کردن TUI برای هر نام مستعار یک prompt بفرستید:

export QCODE_API_KEY=cr_your_qcode_key
kimi -p "Reply with exactly: OK"
kimi -p "Reply with exactly: OK" -m qcode-dsflash
kimi -p "Reply with exactly: OK" -m qcode-terra

kimi -p یک prompt واحد را به‌صورت غیرتعاملی اجرا می‌کند و پاسخ را چاپ می‌کند؛ -m یک نام مستعار مدل انتخاب می‌کند و بدون آن از default_model استفاده می‌شود. در آزمون، هر سه خط • OK را چاپ کردند (CLI متن دستیار را با • پیشوند می‌کند). بخش‌های زیر فیلدها و نحوه افزودن مدل‌ها را توضیح می‌دهند؛ قطعه‌کدهای آن‌ها نام‌های ارائه‌دهنده qcode-anthropic، qcode-openai و qcode-responses را دوباره استفاده می‌کنند، بنابراین این فایل را گسترش می‌دهند نه اینکه جایگزین آن شوند.

پیکربندی Claude (type = "anthropic")¶

اطلاعات ورود فقط در فایل پیکربندی قرار می‌گیرند. مستندات صراحتاً می‌گویند که CLI «به‌طور خودکار به متغیرهای محیطی شل رجوع نمی‌کند: اجرای export KIMI_API_KEY در ترمینال کلید را به هیچ ارائه‌دهنده‌ای نمی‌دهد» — یا کلید در فایل نوشته می‌شود، یا api_key_env نام متغیری را مشخص می‌کند که CLI در هر درخواست می‌خواند.

در فایل کمینه، بخش Claude شامل [providers.qcode-anthropic] به‌همراه نام مستعار qcode-haiku است. برای افزودن مدل Claude دیگر، یک نام مستعار دیگر اضافه کنید که به همان ارائه‌دهنده اشاره کند، و اگر باید پیش‌فرض باشد، default_model را روی آن تنظیم کنید:

[models."claude-sonnet-5"]
provider = "qcode-anthropic"
model = "claude-sonnet-5"
max_context_size = 262144

برای امتحان کردن یک مدل بدون تغییر فایل، از خانواده KIMI_MODEL_* استفاده کنید: وقتی KIMI_MODEL_NAME تنظیم شده باشد، CLI یک ارائه‌دهنده موقت در حافظه می‌سازد و هیچ چیز در config.toml نوشته نمی‌شود. KIMI_MODEL_NAME و KIMI_MODEL_API_KEY الزامی‌اند؛ KIMI_MODEL_PROVIDER_TYPE (kimi، anthropic یا openai، پیش‌فرض kimi)، KIMI_MODEL_BASE_URL و KIMI_MODEL_MAX_CONTEXT_SIZE اختیاری‌اند. گزینه -m <alias> هنگام شروع همچنان بالاترین اولویت را دارد.

export KIMI_MODEL_NAME=claude-sonnet-5
export KIMI_MODEL_API_KEY=cr_your_qcode_key
export KIMI_MODEL_PROVIDER_TYPE=anthropic
export KIMI_MODEL_BASE_URL=https://api.qcode.cc/api
export KIMI_MODEL_MAX_CONTEXT_SIZE=262144
kimi

qcode-anthropic فقط نام ارائه‌دهنده‌ای است که خودتان برای آن انتخاب می‌کنید — هر ورودی [models.<alias>] از طریق فیلد الزامی provider خود به آن اشاره می‌کند. اگر ترجیح می‌دهید هیچ متغیر محیطی نداشته باشید، api_key_env را با api_key = "cr_your_qcode_key" جایگزین کنید؛ مستندات اشاره می‌کنند که این مقدار به‌صورت متن ساده در فایل پیکربندی ذخیره می‌شود، و این دو فیلد جایگزین‌های متقابلاً انحصاری‌اند — دقیقاً یکی را تنظیم کنید.

سرزمین اصلی چین: نقطه پایانی Anthropic همچنین روی https://asia.qcode.cc/api و https://us.qcode.cc/api با همان کلید پاسخ می‌دهد — میزبان را در base_url عوض کنید و هیچ چیز دیگری را. قابلیت‌ها: نام‌های استاندارد مدل Claude خودبه‌خود بینایی، استفاده از ابزار و Thinking را دارند؛ نامی که CLI پوشش نمی‌دهد باید capabilities را به‌صراحت روی [models.<alias>] اعلام کند (thinking، image_in، tool_use، …)، و این برچسب‌ها فقط اضافه می‌شوند و هرگز حذف نمی‌شوند.

پیکربندی GPT و مدل‌های چینی (type = "openai")¶

همان فایل، نقطه پایانی دیگر. نوع openai برای پروتکل OpenAI Chat Completions مستند شده است، «و همچنین هر سرویس شخص ثالثی که با آن پروتکل سازگار باشد (در صورت نیاز base_url را بازنویسی کنید)» — بازنویسی آن است که این اتصال را به‌جای اتصال OpenAI، به QCode تبدیل می‌کند، زیرا مقدار پیش‌فرض توکار https://api.openai.com/v1 است.

فایل حداقلی از پیش [providers.qcode-openai] را با نام مستعار qcode-dsflash تعریف می‌کند. هر مدل GPT یا چینی دیگر، یک نام مستعار دیگر روی همان ارائه‌دهنده است:

[models."gpt-6.1-sol"]
provider = "qcode-openai"
model = "gpt-6.1-sol"
max_context_size = 262144

[models."deepseek-v4.1-flash"]
provider = "qcode-openai"
model = "deepseek-v4.1-flash"
max_context_size = 262144

[models."qwen3.8-max"]
provider = "qcode-openai"
model = "qwen3.8-max"
max_context_size = 262144

• نام‌های مستعاری را که شامل نقطه هستند، درون گیومه قرار دهید. gpt-6.1-sol و qwen3.8-max باید به‌صورت [models."qwen3.8-max"] نوشته شوند؛ در حالت بدون گیومه، TOML نقطه را به‌عنوان جداکننده جدول تودرتو می‌خواند. نام‌های فیلد خودشان در همه‌جا snake_case هستند (default_model، max_context_size).
• اعداد بالا جای‌نگهدارهایی برای یک فیلد الزامی هستند — از طول زمینه‌ای استفاده کنید که خود مدل مستند می‌کند. هزینه‌دهی به‌ازای توکن است؛ نرخ‌های هر مدل در qcode.cc/models فهرست شده‌اند.
• هر سه ارائه‌دهنده می‌توانند در یک پیکربندی هم‌زیستی داشته باشند. مدل را برای هر نشست با -m <alias> انتخاب کنید؛ مستندات آن را بالاتر از فایل پیکربندی قرار می‌دهد اما فقط برای همان راه‌اندازی معتبر است، یا داخل TUI با /model جابه‌جا شوید. default_model باید یکی از نام‌های مستعاری باشد که تعریف کرده‌اید.
• خروجی استدلال: CLI خودش فیلد reasoning_content و تزریق reasoning_effort را برای مدل‌های استدلالی شخص ثالث مدیریت می‌کند؛ اگر یک درگاه آن محتوا را با نام فیلد غیراستاندارد برگرداند، reasoning_key را روی نام مستعار مدل تنظیم کنید.
• پروتکل Responses. نوع openai_responses به‌عنوان رابط جدیدتر Responses در OpenAI مستند شده است، همیشه به‌صورت جریانی، با این توضیح که «پیکربندی همانند openai است». بنابراین [providers.qcode-responses] در فایل حداقلی همان base_url = "https://api.qcode.cc/openai/v1" را می‌گیرد که در 2026-11-10 با gpt-6.1-terra آزمایش شده است؛ شناسه‌های بیشتر GPT، نام‌های مستعار بیشتری روی همان ارائه‌دهنده هستند. خانواده‌های چینی روی Responses ارائه نمی‌شوند، بنابراین آن‌ها را روی qcode-openai نگه دارید.
• شناسه‌های بیشتر برای این نقطه پایانی در مدل‌های چینی آمده است. شناسه‌های claude-* در اینجا کار نمی‌کنند.

بررسی¶

فایل‌ها را بدون راه‌اندازی TUI بررسی کنید:

kimi doctor
kimi doctor config

kimi doctor فایل‌های config.toml و tui.toml را بدون راه‌اندازی TUI یا تغییر هر یک از این دو فایل اعتبارسنجی می‌کند، و وقتی هر فایل بررسی‌شده معتبر یا نادیده‌گرفته‌شده باشد با 0 خارج می‌شود، و وقتی یکی از آن‌ها موجود نباشد یا نامعتبر باشد با 1 خارج می‌شود. دامنه مستندشده اعتبارسنجی همان دو فایل است؛ مستندات آن را به‌عنوان آزمون این موضوع که نقطه پایانی پاسخ می‌دهد یا نه توصیف نمی‌کند.

بررسی کنید CLI در واقع چه چیزی را ثبت کرده است:

kimi provider list

سپس TUI را باز کنید و /provider را تایپ کنید. این همان مدیر ارائه‌دهنده تعاملی است: ↑/↓ مکان‌نما را حرکت می‌دهد، d ارائه‌دهنده فعلی را پس از تأیید [y/N] حذف می‌کند، و فشار دادن Enter روی ردیف [ Add New Platform ] یک مورد جدید اضافه می‌کند (از کاتالوگ models.dev، یا از یک URL رجیستری سفارشی). ارائه‌دهندگانی که با /login متصل شده‌اند آنجا ظاهر نمی‌شوند. این همان جایی است که ارائه‌دهندگان پیکربندی‌شده را مشاهده، اضافه و حذف می‌کنید؛ kimi provider معادل غیرتعاملی آن برای اسکریپت‌ها و CI است.

سپس یک prompt واقعی از طریق CLI بفرستید، یک بار برای هر نام مستعار: kimi -p "Reply with exactly: OK" -m <alias>. در آزمون 2026-11-10، هر نام مستعار در فایل حداقلی با • OK پاسخ داد.

در پایان، نقطه پایانی را مستقیماً آزمایش کنید (کلید خودتان را جایگزین کنید):

KEY="cr_your_qcode_key"
curl -X POST https://api.qcode.cc/api/v1/messages \
  -H "x-api-key: $KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model":"claude-sonnet-5","max_tokens":32,
       "messages":[{"role":"user","content":"ping"}]}'

این درخواست curl کلید و نقطه پایانی Anthropic را خارج از ابزار بررسی می‌کند: یک پاسخ JSON دارای محتوا یعنی هر دو درست هستند، و بدنه خطا مسیر نادرست یا کلید نادرست را از مدلی که در آن نقطه پایانی ارائه نمی‌شود جدا می‌کند.

یک میان‌بر شخص ثالث وجود دارد، kimi provider catalog add anthropic --api-key sk-ant-... --default-model claude-opus-4-7، که در آن کاتالوگ پروتکل، Base URL و فهرست مدل را تأمین می‌کند و --base-url نقطه پایانی را بازنویسی می‌کند (--default-model مقدار default_model را به‌صورت <providerId>/<modelId> می‌نویسد). شناسه در آن مثال از کاتالوگ عمومی می‌آید، نه از QCode، و این صفحه تأیید نکرده است که QCode در آنجا فهرست شده است یا نه، بنابراین مسیر TOML بالا چیزی است که این صفحه توصیه می‌کند.

عیب‌یابی و محدودیت‌های شناخته‌شده¶

فراتر از خود ابزار:

• ورود: kimi login و /login به سرویس مدیریت‌شده Kimi Code وارد می‌شوند؛ راه‌اندازی QCode در این صفحه به هیچ‌کدام نیاز ندارد (با 2.5.2 در 2026-11-10 آزمایش شده است).
• Gemini: Kimi Code یک نوع google-genai برای دسترسی مستقیم به Google Gemini دارد، اما QCode خانواده Gemini را ارائه نمی‌دهد. از Claude، GPT یا یک مدل چینی استفاده کنید.
• luna: QCode مدل gpt-6-luna یا gpt-5.6-luna را ارائه نمی‌دهد؛ شناسه GPT دیگری مانند gpt-6.1-sol، gpt-6-sol یا gpt-5.6-terra انتخاب کنید.
• max_output_size فقط توسط ارائه‌دهنده anthropic خوانده می‌شود، بنابراین سقف خروجی تنظیم‌شده روی یک نام مستعار openai اثری ندارد.
• اینکه برای کدام کار کدام مدل را انتخاب کنید در انتخاب مدل پوشش داده شده است؛ اگر درخواست به دلایلی خارج از این ابزار شکست بخورد، عیب‌یابی را دنبال کنید.

دسکتاپ و CLI¶

Kimi Code Desktop و CLI پیکربندی محلی را به اشتراک می‌گذارند. مستندات دسکتاپ می‌گویند این دو «می‌توانند روی همان ماشین نصب شوند و برخی از پیکربندی‌های محلی، مانند حساب کاربری، مدل، ارائه‌دهنده و تنظیمات مرتبط با افزونه را به اشتراک بگذارند» و ~/.kimi-code/ را محل نگهداری «پیکربندی، اعتبارنامه‌های حساب کاربری، نشست‌ها و گزارش‌ها (مشترک با CLI)» معرفی می‌کنند. مستندات می‌افزایند که دامنه دقیق اشتراک‌گذاری تابع تنظیمات و فایل‌های پیکربندی هر محصول است. این صفحه فقط مسیر config.toml را پوشش می‌دهد و مراحل Settings دسکتاپ را ارائه نمی‌دهد، زیرا صفحات رسمی راه‌اندازی در سطح فیلد را برای آن‌ها توصیف نمی‌کنند.

kimi-cli قدیمی‌تر¶

ابزار قدیمی‌تر مبتنی بر Python، kimi-cli، از ~/.kimi/config.toml استفاده می‌کرد. صفحه رسمی «What's new» بیان می‌کند که Kimi Code CLI از ~/.kimi-code/config.toml استفاده می‌کند و قالب آن ناسازگار است؛ kimi migrate پیکربندی، نشست‌ها و تعریف‌های MCP موجود kimi-cli را در یک مرحله منتقل می‌کند. راهنماهایی که برای فایل قدیمی نوشته شده‌اند، برای جدول‌های بالا کاربرد ندارند.

مرتبط¶

• نقاط پایانی و مسیرهای API — پروتکل در برابر خانواده مدل
• سازگاری ابزارها — کدام ابزارها با کدام پروتکل ارتباط برقرار می‌کنند
• مدل‌های چینی — شناسه‌ها و مسیرها برای نقطه پایانی OpenAI
• انتخاب مدل — تطبیق مدل با وظیفه
• راه‌اندازی OpenCode — یک عامل ترمینالی دیگر روی همان دو نقطه پایانی
• راه‌اندازی MiniMax Code — اپلیکیشن دسکتاپ و CLI mcode، آزمایش‌شده روی همان سه نقطه پایانی

سازمانی ←