// 01 Kimi‑Researcher 是什么
在AI技术快速迭代，科研与工程融合的新时代，Kimi‑Researcher 脱颖而出。由 Moonshot AI 团队打造，集成强大的多模态大模型，覆盖文献研读、代码生成、音频分析等科研全链路，面向 AI 工具使用者和学术工作者，提供高效、直观、多样化的研究支持。
Kimi‑Researcher 是什么？
Kimi‑Researcher 是 Moonshot AI（北京月之暗面科技）推出的综合科研平台，集成其最新多模态模型的功能。该平台基于 Moonshot 的旗舰 Kimi‑VL（视觉语言）、Kimi‑Dev（代码助手）和 Kimi‑Audio（音频模型）构建，目标打造跨模态、跨任务的智能研究助手。Moonshot AI 于 2023 年成立，2025 年发布多项前沿成果。
核心功能亮点
🧠 多模态文献解读（Kimi‑VL）
Kimi‑Researcher 支持长上下文阅读，包括 PDF、图表、图像等内容，通过 Kimi‑VL-3B 模型能处理多源信息并生成逻辑清晰的摘要与分析，优于 GPT‑4o-mini 等模型，在 LongVideoBench 和 OCR 标准评测中表现出色。
💻 代码生成与修复（Kimi‑Dev‑72B）
Kimi‑Dev‑72B 在 SWE‑bench top 基准测试中取得 60.4% 成绩，领先开源模型。适用代码补全、bug 修复、单测编写等研发任务，适合科研项目中的编程协作。
🔊 音频理解与分析（Kimi‑Audio）
凭借处理语音、音乐与环境音的能力，该模型支持科研采访录音、语音数据标注和音频问答，性能领先多项基准测试，具备研发多场景音频应用潜力 。
使用场景示范
科研文献综述：上传 PDF 论文，Kimi‑Researcher 自动生成摘要、结构提炼与概念扩展；
实验设计支持：提示科研思路，生成实验脚本与伪代码；
代码BUG 修复：定位 Bug 并自动推送修复代码；
音频数据处理：转写访谈录音，支持关键词提取与情感标注；
多模态报告生成：集成图像、文本、音频内容生成科研报告草稿。
快速上手指南
Step 1：访问平台
注册后即可访问 Kimi‑Researcher。
Step 2：文档与数据导入
支持上传 PDF、图像、音频、代码仓库包数据。
Step 3：选择任务模式
点击“文献摘要”“代码修复”“音频转录”等对应功能。
Step 4：定制提示（Prompt）
输入研究领域提示，使模型基于上下文生成精准输出。
Step 5：导出成果
稿件、代码变更、分析内容支持导出与协作同步。
// 04 实战 Prompt
- 公众号选题与大纲你是公众号主编。请围绕我的主题和目标读者，输出 5 个可写选题，并为其中最优选题生成一份公众号文章大纲，包含开头钩子、核心观点、案例结构和结尾 CTA。
- 公众号长文扩写请根据以下大纲写一篇适合公众号发布的中文长文。要求结构清晰、段落自然、观点明确、不要口水化，必要时加入案例和过渡句，让文章更像成熟作者写作。
- 排版优化请把这篇公众号文章优化成更适合移动端阅读的版本。输出时保留二级小标题、重点句、列表和结尾行动引导，整体阅读节奏更轻。
