Kun 使用教程

Kun是一款本地AI智能体桌面工作台，将多个供应商的AI模型整合到统一应用中，支持代码处理、长文写作、消息接入等专业功能，内置Token优化引擎帮助控制成本，适合注重性价比的开发者和团队。 一、快速开始 1. 访问Kun官网或GitHub仓库，下载对应操作系统（Windows、macOS、Linux）的安装包。 2. 安装完成后打开Kun，首次使用需要注册账号并登录。 3. 进入设置页面，配置你的AI模型API Key。Kun支持多家供应商，你可以分别填入OpenAI、Anthropic、DeepSeek等平台的密钥。 4. 在模型选择面板中，为不同任务指定默认模型，例如代码任务用Claude、写作任务用GPT-4o、日常对话用DeepSeek以节省成本。 5. 配置完成后即可开始使用，在主界面的对话框中输入需求，Kun会根据任务类型自动调用最合适的模型。 二、核心功能演示 功能1：多模型智能切换 在对话框上方有一个模型选择器，你可以手动切换当前使用的模型。更强大的是Kun的智能路由功能：开启后，当你输入代码问题时系统自动调用擅长编程的模型，写长文时切换到擅长写作的模型，日常闲聊则使用成本最低的模型。你也可以自定义路由规则，在设置中为不同类型的提示词绑定指定模型。 功能2：Code代码处理工作台 点击左侧导航栏的Code标签进入代码工作台。这里支持代码编写、调试、重构和审查。你可以粘贴一段有Bug的代码，让AI定位问题并给出修复方案。支持多文件上下文，你可以将项目中的多个相关文件添加到上下文中，AI就能基于完整项目结构给出更准确的建议。代码审查功能可以对提交的代码进行安全性和规范性检查。 功能3：SDD需求流管理 Kun内置了SDD（Specification Driven Development）需求管理工具。你可以将产品需求文档导入系统，AI会自动拆解为技术任务、评估工作量并生成开发计划。在开发过程中，AI会根据需求文档自动校验代码实现是否符合需求，发现遗漏时及时提醒。计划目标追踪面板让你清晰看到每个需求的完成进度。 三、实际使用案例 案例1：个人开发者的日常开发助手 一位独立开发者同时维护三个开源项目，每天需要在不同技术栈之间切换。使用Kun后，他为每个项目创建独立的工作空间，分别配置最合适的模型组合。代码问题用Claude解决，文档撰写用GPT-4o，Token消耗降低了60%，而产出质量没有下降。 案例2：团队代码审查提效 一个8人开发团队将Kun接入代码审查流程，每位开发者提交代码前先通过Kun的审查功能自查。AI会检查常见的安全漏洞、性能问题和编码规范，将低级错误拦截在提交之前。团队的代码审查通过率从65%提升到90%，高级工程师可以把精力集中在架构级别的审查上。 四、常见问题FAQ Q1：数据会上传到云端吗？ A：Kun本身运行在本地，但AI推理需要调用各模型供应商的API，对话内容会发送到对应供应商进行处理。Kun不会额外存储你的对话数据。如果对数据安全有严格要求，可以接入本地部署的开源模型。 Q2：Token ROI优化引擎是什么？ A：这是Kun的核心功能之一，它会分析每次AI调用的Token消耗和产出价值，自动推荐性价比最高的模型选择。例如对于简单翻译任务，用DeepSeek的成本仅为GPT-4o的十分之一，但效果几乎一样，引擎会自动建议你切换。 Q3：支持哪些外部消息源接入？ A：目前支持通过手机连接飞书、Lark等办公通讯工具。你可以在Kun中直接查看和回复消息，并调用AI辅助撰写回复。更多平台的接入正在开发中。 五、小贴士 1. 不要所有任务都用最贵的模型。Kun的智能路由就是为了帮你做这个选择，开启后能节省大量API费用，简单任务用轻量模型完全够用。 2. 善用MCP/Skill扩展系统。Kun支持安装第三方技能插件，社区已经有很多实用扩展，比如数据库查询、API测试、日志分析等，安装后AI的能力会大幅扩展。 3. 写长文时使用Write模式而非普通对话。Write模式专门优化了长文本的生成逻辑，支持大纲生成、分段撰写和全局一致性检查，输出质量比普通对话模式高出不少。