Kimi K2.6 + Hermes 实测!Karpathy同款保姆级教程来了

月之暗面昨天发布了 Kimi K2.6,代码能力和 Agent 能力都有明显增强。官方数据很亮眼:13 小时不间断编码、4000 行代码重构、LMArena 全球开源第一。
月之暗面昨天发布了 Kimi K2.6,代码能力和 Agent 能力都有明显增强。官方数据很亮眼:13 小时不间断编码、4000 行代码重构、LMArena 全球开源第一。
作为 Kimi 的重度用户,其实挺早就拿到了内测资格,用了有段时间了。这期间摸索出一套自己觉得挺顺手的用法,现在 K2.6 正式发布了,正好把这个案例完整分享出来。

技术栈很简单:Kimi K2.6 + Hermes + Obsidian。整个流程跑下来,在多模态理解、长程推理、结构化输出这三块,K2.6 的表现都让我挺惊喜。
一、快速上手使用的保姆级教程
K2.6 + Hermes 这套组合已经可以实际用了。不只是知识库,看 B 站技术视频做笔记,读行业报告提取关键信息,听播客整理要点,开会做记录。个人知识库、团队协作、垂直领域 Wiki,都可以用同一套方法。
我们写了完整的保姆级教程,部署 Hermes 大概 15 分钟,初始化知识库 5 分钟,处理第一个视频 10 分钟。下面这张图就是教程概览,可以存下来对照着走。

为了方便持续更新,教程放在了飞书文档里,点进去就是最新版。每一步的具体命令、截图和踩坑记录都在里面,新手照着做也能半小时跑通。
完整保姆教程:https://datawhale.psce.pw/8ymxer
二、内测下来的三个发现
第一个发现:它真的在“看”视频
最常用的场景就是看 B 站技术视频做笔记。
扔一个 B 站视频链接给 Hermes,一段时间后,一篇结构化笔记就躺在 Obsidian 里了。

打开笔记的时候,我注意到一个细节:K2.6 不只是把音频转成文字,而是结合视频画面和语音一起理解,生成的笔记里既有讲解内容,也有对画面元素的补充说明。
这就是 1T 参数原生多模态的优势——它真的在"看"视频,而不是简单地把音频转成文字。K2.6 作为原生多模态模型,能同时处理视觉和语音信息,100 tokens/s 的推理速度让整个流程很流畅。
整个流程 Hermes 会自动拆成几步:用 yt-dlp 下载视频、转录成 markdown 文稿、再基于视频和文稿生成结构化笔记。最后按目录落位好,视频放 raw/assets,转录稿放 raw/transcripts,笔记放对应的 concepts 或 entities 目录。生成的笔记不是流水账,而是按"核心观点、关键要点、行动建议"这种结构化方式组织的,直接就能用。
第二个发现:连续干活不掉链子
第一个视频跑通后,Hermes 自动把整个流程沉淀成了一个 Skill。下次处理新视频只需要一句话:"用那个 Skill 处理这个视频。"
这就是很多人第一次看 Hermes 会觉得惊讶的地方。它能自己总结经验封装成 Skill,相当于可以自进化的小龙虾。跑一次完整流程,下次就多一个能力,越用越顺手。

但 Skill 沉淀这件事对底层模型的要求其实不低。它需要模型准确理解每一步在做什么、哪些是通用步骤、哪些是当次特有的提示词,然后抽象成可复用的流程。如果模型长程推理能力不够,要么抽象得太浅,下次还是得重新写提示词;要么抽象得太死板,换个视频就跑不通。
官方说 K2.6 能不间断编码 13 小时、修改超过 4000 行代码,完成复杂系统的开发和优化,这种长程推理能力在知识管理场景里同样扛得住。处理一条完整链路「下载、转录、理解、提取、生成」,需要 K2.6 保持上下文连贯,理解视频内容的逻辑关系,还要按照 SCHEMA.md 里定义的规则输出结构化内容。每多跑一条素材,Skill 就更精准一点,整个工作流就越跑越顺。
第三个发现:LLM Wiki知识库会自己进化
处理完几个素材之后,知识库有了一定规模。这时候一般人整理笔记最头疼的问题就该出现了:越整越乱:新内容进来不知道放哪,旧笔记和新笔记讲的是同一件事却互相打架,最后堆成一个大杂烩。
但在 LLM Wiki 里,我看到的是相反的现象:知识库开始自己进化了。

相关概念自动关联,重复信息自动合并,冲突观点并列记录。这套机制依赖 SCHEMA.md 里定义的规则:什么时候新建页面、什么时候并入已有页面、遇到不同视频对同一个概念有不同解释时怎么办。
规则定好之后,K2.6 每次处理新素材时都会照着执行。所以知识库不是死的,你塞进去的视频、文章越多,它自己就会长出关联。半年前看过的一篇文章,今天看到另一个视频讲同一件事,它能自己把两者关联起来。
这也是为什么底层模型很关键。SCHEMA.md 把规则写死了只是第一步,真正难的是每次处理新素材时,模型得一边读内容一边做判断:这块该归到 entities 还是 concepts?该新建页面还是并入已有的?元数据字段有没有填全?内部链接语法对不对?判断错一次,整个知识库就开始走样。K2.6 的长程推理能力在这种场景下就很有用:规则能稳定执行,结构化输出能严格按 SCHEMA 来,不会跑着跑着就格式乱了。
除了 B 站视频,我还使用了 Obsidian Web Clipper 把网页文章剪藏进来,流程和处理视频类似。K2.6 能准确识别文章里的专业术语、理解上下文的指代关系、生成符合中文习惯的摘要。
整个知识库的搭建也很简单。让 Hermes 初始化一个 LLM Wiki 项目,10 分钟后它建好了所有文件夹,还自动生成了 SCHEMA.md、index.md、log.md 这些核心文件。SCHEMA.md 里已经定义好了 tag taxonomy(标签分类体系)、页面阈值规则、更新策略,直接就能用。


塞一篇文章进去是几分钟的事,但跑上几个月你会发现,这不是一堆散落的笔记,而是一个真正属于自己的、可追溯、可扩展的知识资产。
三、Kimi-K2.6还能干什么:300 个 Agent 并行工作
知识库只是 K2.6 能力的一部分。今天,我又看了看官方发布的其他案例,有个场景让我印象很深。
官方给了一个 Agent 集群的案例:针对全球 100 个半导体标的设计并执行 5 套量化策略,最终交付详尽的建模表格和一整套汇报演示文档。K2.6 的 Agent 集群从 K2.5 的 100 个子 Agent、1500 步,直接拉到了 300 个子 Agent、4000 步。

另一个案例更硬核:把一篇包含海量视觉数据的天体物理论文转化为可复用的学术技能,产出 40 页、7000 字的研究论文,以及包含 2 万多条数据的结构化数据集和 14 张天文级图表。

这种规模的任务,单个 Agent 根本搞不定。K2.6 会自动拆解任务、创建不同角色的子 Agent、让它们并行工作,最后把所有结果整合起来交付。从知识库到量化策略,从论文分析到数据可视化,K2.6 的能力边界比我用到的要宽得多。
当然 K2.6 也不是没有短板。一个是文笔相比 K2.5 退步了一些,输出经常中英文混着来,做中文知识库的时候得人工再顺一遍。另一个是上下文长度只有 256k,对比 GPT-5.4 的 1M 差了不少,Hermes 跑长链路任务时需要频繁压缩 memory,偶尔会因为压缩丢掉一些早期的上下文细节。

现在就能开始用
Kimi K2.6 现在可以通过 Kimi Code 免费试用:https://www.kimi.com/code
完整的保姆级教程我放在文章开头了,包括:
- Hermes 在 Windows/macOS 上的部署步骤
- 如何配置 Kimi K2.6 的 API Key
- 如何连接微信实现随时随地使用
- 如何初始化 Obsidian 知识库
- 如何处理第一个 B 站视频
- 如何让 Hermes 沉淀 Skill 实现复用
选个主题,建好文件夹,把现有内容扔进去,剩下的交给 Kimi K2.6吧!
文章来自于"Datawhale",作者 "筱可,Datawhale成员"。
Related topics
After reading
Join the AINRK community
Read how to join the community and connect with people working in AI.




