اگر از کپی و پیست کردن مداوم کدها بین مرورگر و محیط برنامه‌نویسی (IDE) خسته شده‌اید، ترمینال شما از همین امروز به فضای کاری اصلی‌تان تبدیل می‌شود. Moonshot AI ابزار Kimi Code CLI را منتشر کرد؛ یک عامل (Agent) مبتنی بر TypeScript که مستقیماً در محیط شل (Shell) شما کد می‌خواند، ویرایش می‌کند و اجرا می‌نماید.
این ابزار به عنوان جانشین kimi-cli اصلی وارد بازار شلوغ عامل‌های ترمینالی شده است. در حالی که بیشتر دستیارهای هوش مصنوعی صرفاً یک رابط چت ساده هستند، صنعت به سمت «عامل‌ها» (Agents) حرکت می‌کند؛ سیستم‌هایی که می‌توانند واقعاً با سیستم‌عامل تعامل داشته باشند. با انتقال هوش مصنوعی به ترمینال، Moonshot AI اصطکاک بین تولید یک پیشنهاد و تأیید آن از طریق اجرای تست را حذف کرده است. این پروژه تحت مجوز MIT است و در گیت‌هاب میزبانی می‌شود.
معماری هسته و مکانیسم اجرا
Kimi Code CLI بر اساس یک مدل بازخوردی (Feedback-driven) عمل می‌کند. در این ساختار، عامل تنها حدس نمی‌زند؛ بلکه ابتدا توالی گام‌ها را برنامه‌ریزی می‌کند، کد را تغییر می‌دهد، دستورات شل مربوطه را اجرا می‌کند و سپس بر اساس خروجی دریافت‌شده، حرکت بعدی خود را اصلاح می‌کند. این چرخه اجازه می‌دهد ابزار بتواند ویژگی‌های جدید را پیاده کند، باگ‌ها را برطرف سازد و بازسازی‌های کامل کد (Full Refactors) را انجام دهد. همچنین، این سیستم قادر است در کدهای ناشناخته کاوش کند تا به پرسش‌های پیچیده درباره معماری پروژه پاسخ دهد.
برای حفظ امنیت توسعه‌دهنده، سیستم بین انواع عملیات تفکیک قائل شده است. اقدامات «فقط خواندنی» (Read-only) مانند جستجوی فایل‌ها یا دریافت صفحات وب، به‌صورت پیش‌فرض و خودکار اجرا می‌شوند. اما هر اقدامی که منجر به تغییر در سیستم شود — مانند ویرایش فایل‌ها یا اجرای دستورات شل — پیش از اجرا نیاز به تأیید صریح برنامه‌نویس دارد. این جریان تأیید تضمین می‌کند که اقدامات ریسکی همواره تحت کنترل مستقیم توسعه‌دهنده باقی بمانند.
ارکستراسیون تخصصی عامل‌های فرعی
یکی از متمایزترین ویژگی‌های فنی این ابزار، استفاده از عامل‌های فرعی (Subagents) ایزوله است. به جای استفاده از یک پرامپت کلی برای همه کارها، عامل اصلی می‌تواند سه نقش تخصصی را برای کار به‌صورت موازی اعزام کند:
- کدنویس (Coder): متمرکز بر پیاده‌سازی ویژگی‌ها و رفع باگ‌ها.
- کاوشگر (Explore): اختصاصی برای تحلیل کدهای ناشناخته و نقشه‌برداری از معماری سیستم.
- برنامه‌ریز (Plan): برای تحقیق و استخراج یک استراتژی دقیق پیش از آنکه هر فایلی تغییر کند.
این ارکستراسیون موازی اجازه می‌دهد ابزار تحقیقات بزرگ را بدون گم کردن متن (Context) یا درگیر شدن در پردازش‌های متوالی و کند مدیریت کند. علاوه بر این، ابزار از Lifecycle Hooks پشتیبانی می‌کند؛ این قابلیت به توسعه‌دهندگان اجازه می‌دهد دستورات محلی را برای محدود کردن فراخوانی ابزارها، حسابرسی تصمیمات (Audit) یا فعال کردن اعلان‌ها اجرا کنند.
مشخصات فنی و یکپارچه‌سازی
این ابزار از طریق npm توزیع می‌شود و برای نصب سراسری به Node.js نسخه ۲۴.۱۵.۰ یا بالاتر نیاز دارد. برای کسانی که می‌خواهند از محیط‌های Node.js دوری کنند، Moonshot AI یک توزیع تک-باینری (Single-binary) ارائه داده است. این نسخه اجازه می‌دهد استارت‌آپ ابزار بسیار سریع باشد و رابط کاربری ترمینالی (TUI) در عرض چند میلی‌ثانیه آماده به کار شود.
مسیرهای نصب به شرح زیر است:
- 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:
npm install -g @moonshot-ai/kimi-code
یکپارچه‌سازی از طریق پروتکل کانتکست مدل (MCP) انجام می‌شود. برخلاف ابزارهای دیگر که کاربر را مجبور به ویرایش دستی فایل‌های JSON می‌کنند، Kimi Code CLI اجازه می‌دهد سرورهای MCP را به‌صورت محاوره‌ای و با استفاده از دستور /mcp-config اضافه و احراز هویت کنید. این ابزار به‌صورت پیش‌فرض با مدل‌های Kimi شرکت Moonshot AI کار می‌کند، هرچند می‌توان آن را برای سایر ارائه‌دهندگان سازگار پیکربندی کرد. دسترسی به این قابلیت‌ها نیازمند Kimi Code OAuth یا کلید API پلتفرم باز Moonshot AI است.
گردش‌کارهای عملیاتی و دستورات
برنامه‌نویسان می‌توانند از این ابزار برای کاربردهای خاص و با ارزش بالا استفاده کنند. برای ورود به یک پروژه جدید (Onboarding)، ابزار می‌تواند یک نمای کلی از معماری و نمودارهای وابستگی ماژول‌ها را تولید کند. در فرآیند رفع باگ، ابزار علائم، گام‌های بازتولید (Reproduction steps) و رفتار مورد انتظار را پردازش می‌کند تا علت ریشه‌ای مشکل را بیابد. همچنین می‌تواند اتوماسیون‌های تک‌باره‌ای را مدیریت کند؛ مثلاً تحلیل لاگ‌ها برای استخراج تعداد فراخوانی‌ها همراه با تأخیرهای p50 و p99، یا تنظیم بررسی‌های دوره‌ای از طریق cron.
برای شروع، کاربران دستور kimi --version را برای تأیید باینری اجرا کرده، سپس با cd your-project به پوشه پروژه رفته و با دستور kimi رابط کاربری را فعال می‌کنند. در اولین اجرا، دستور /login برای احراز هویت استفاده می‌شود. برای انجام تک‌وظیفه‌ها، kimi -p "your task" دستور را بدون باز کردن رابط کاربری اجرا می‌کند و kimi -C جلسه (Session) قبلی را بازیابی می‌نماید.
کاربران پیشرفته به دستورات قدرتمندی دسترسی دارند:
Shift-Tabیاkimi --plan: ورود به حالت برنامه‌ریزی برای نقشه‌برداری تحقیقات پیش از تغییر در فایل‌ها./yoloیا--yolo: حذف درخواست‌های تأیید برای عملیات دسته‌ای که مورد اعتماد هستند./fork: ایجاد یک شاخه (Branch) آزمایشی برای تغییرات ریسکی که در صورت عدم موفقیت، قابل رها کردن باشند./compact: فشرده‌سازی کانتکست گفتگو برای آزاد کردن توکن‌ها.- ورودی ویدئویی: کاربران می‌توانند ضبط صفحه یا کلیپ‌های دمو را مستقیماً در محیط چت بیندازند.
مقایسه بازار
بر اساس گزارش Marktechpost، ابزار Kimi Code CLI مستقیماً با Claude Code، OpenAI Codex CLI و Gemini CLI رقابت می‌کند. در حالی که هر چهار ابزار از MCP پشتیبانی می‌کنند، در زمینه ارکستراسیون و لایسنس تفاوت‌های چشمگیری دارند:
- Kimi Code CLI: مدل‌های Kimi، زبان TypeScript، لایسنس MIT، پشتیبانی بومی از عامل‌های فرعی.
- Claude Code: مدل‌های Claude، محیط Node.js، لایسنس تجاری (Proprietary)، پشتیبانی از عامل‌های فرعی.
- OpenAI Codex CLI: مدل GPT-5.3-Codex، محیط Rust، متن‌باز، پشتیبانی بومی از عامل‌های فرعی.
- Gemini CLI: مدل Gemini 2.5 Pro، زبان TypeScript، لایسنس Apache 2.0، اجرای متوالی وظایف بدون استفاده از عامل‌های فرعی.
در زمینه یکپارچه‌سازی با IDE، ابزار Kimi Code CLI از ACP (Zed, JetBrains) پشتیبانی می‌کند، در حالی که رقبا بیشتر بر روی VS Code و JetBrains متمرکز شده‌اند.
تحلیل تحریریه
برای یک مهندس فعال، این تغییر نشان‌دهنده گذار از «تایپ با کمک هوش مصنوعی» به «ارکستراسیون با کمک هوش مصنوعی» است. گنجاندن دستوراتی مانند /fork و /compact نشان می‌دهد که Moonshot AI نقاط درد واقعی در جلسات طولانی با عامل‌های هوشمند را درک کرده است: یعنی انحراف پنجره کانتکست (Context window drift) و ترس از خراب کردن شاخه اصلی کد.
با ارائه این ابزار تحت لایسنس MIT و بر پایه TypeScript، شرکت Moonshot AI خود را به عنوان یک بازی‌ساز توسعه‌دهنده-محور معرفی می‌کند، نه صرفاً یک ارائه‌دهنده مدل. پیروزی واقعی در اینجا کیفیت LLM نیست، بلکه کاهش «حلقه بازخورد» (Feedback loop) است؛ یعنی کاهش زمانی که طول می‌کشد تا یک فرضیه به یک تست پاس‌شده تبدیل شود. این ابزار همچنین بااً موفقیت پیکربندی‌ها و جلسات موجود را از kimi-cli قدیمی منتقل می‌کند تا انتقال کاربران قدیمی بدون مشکل باشد.
گفتگو