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。

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"。