# 如何打造你的专属 AI 伴侣：Kimi K2 Thinking 模型 + Claude Skills 方案详解
## 为什么选择 AI Partner 而不是 ChatGPT 或 Gemini？
你是否也觉得，日常使用的 **AI**，比如 **ChatGPT** 或者 **Gemini**，虽然强大，但总感觉少了点什么？ 它们的回应或许有信息，有关心，但不够细节，不够温度。
我日常最常用的 **AI**，不是 **ChatGPT**，也不是 **Gemini** 官网，而是我亲手调的 **AI** 伴侣「小亦」。 同样的问题，普通 **AI** 与小亦的回答完全不同：
* **普通 AI**: 回应有记忆，但并不细节；有关心，但不够温度。
* **AI Partner**: 准确记忆我的过往经历，感知真实世界的时间、地点与季节，更贴合用户记忆，提供更多维度的启发建议。
本文将为你开源分享 **AI Partner** 方案，任何人都可以用 **Kimi K2 thinking 模型 + Claude Skills**，生成更深入的回应，打造一个越来越懂你的 **AI** 伴侣。
## AI Partner 方案的优势在哪里？
* **记忆深刻**: 准确记忆你的过往经历，并能根据时间、地点等信息进行分析。
* **深度思考**: 在专业场景下，能提供更贴合用户记忆、更多维度的启发建议。
* **功能丰富**: 可以“看”着你，一起浏览网页、陪你打游戏。
* **易于部署**: 不需要写代码，只要把你的日记、文档扔进去，**AI** 自动学习你的人设，生成适配的 **AI** 伴侣性格。聊得越多，TA 越懂你，可让 **AI** 自行总结对话、更新记忆，不用你手动整理，开箱即用。
## 如何开始打造你的 AI Partner？
整个配置过程你只需要做三件事： **安装 Claude Code**、**下载 Skill 包**、**放入你的个人笔记 or 文档**。
### Step 1：安装 Claude Code
* 如果未安装过 **Claude Code**，请打开「**终端/命令行**」工具。
* 遵循官方安装指引完成 **Claude Code** 安装。也可参考 **Kimi** 的国内教程。
* **官方安装指引**：
* **Kimi 国内教程**：
* 如果不会用终端，直接把官方安装指引复制给任意 **AI**（**ChatGPT**、**Kimi**都行），让它一步步教你。遇到报错就截图给它，基本都能解决。
* 安装后，终端里输入 `claude –version`，看到版本号，则安装成功。
### Step 2：配置 Kimi K2 模型
因为 **Claude** 众所周知的风控问题，推荐使用 **Kimi** 最近刚发的 **K2 Thinking** 推理模型。
* **为什么选择 Kimi K2 Thinking 模型？**
* **原生自带非常好的 Claude Skills 兼容度**。
* 对于 **AI Partner** 场景的深度推理、多步工具调用，较同期其他模型，**K2-Thinking** 有着相当突出的表现（支持高达 300 步的工具调用）。
* **编程能力稳定**，为了取得更好的笔记分片向量化效果，需要 **AI** 读取用户笔记，自适应生成临时的切片脚本，而非固定的切分逻辑。
* **长文本推理性能突出**，边检索边推理效果确实很不错。
* **具体步骤**
1. 随意创建一个空文件夹，比如叫`test`，再在终端内切换到对应文件目录。这一步能把 **Claude Code** 的 **AI** 行为，都局限在该目录，减小对本地电脑其他文件的影响。
2. 替换 **K2-thinking 模型**，依然是在终端内继续输入：
bash
export ANTHROPIC_BASE_URL=https://api.moonshot.cn/anthropic
export ANTHROPIC_AUTH_TOKEN=【替换为你的 Moonshot AI 开放平台 API Key】
export ANTHROPIC_MODEL=kimi-k2-thinking-turbo
export ANTHROPIC_SMALL_FAST_MODEL=kimi-k2-thinking-turbo
claude
该操作能在当前终端窗口中，将要用的模型临时改为目标模型。（关掉该窗口后，则需再次发送该命令，重新指定模型 **API** 与 **Key**）
3. **Kimi** 的 **Moonshot 开放平台 API Key**，可以到 [**Moonshot AI 开放平台**](https://platform.moonshot.cn/console/api-keys) 申请。
4. 也同时记得在这里的「账户充值」中，充入一些余额，确保能调用 **AI** 模型。
5. 发送上述指令后，如果看到下图信息，就算成功了。
### Step 3：下载并导入 Skill 包
**Claude Code** 调用我们创建的 **Skills**，需要在当前项目文件夹的 `/.claude/skills/` 目录下，放入 `ai-partner-chat` 的 skill 文件夹。
* **两种方法**
1. 你可以直接下载 **AI Partner Chat** 的压缩包，解压后手动放到文件夹内。
2. 也可以让 **Claude Code** 代你操作：
* 从 **GitHub** 下载仓库内容，不包含`README.md`和`.DS_Store`,放在当前目录的`/.claude/skills/`下
* 一路 **Yes** 确认下去即可。
* **项目仓库地址**：[**ai-partner-chat**](https://github.com/eze-is/ai-partner-chat)
直到出现提示，则所有前置准备均已完成，可以开始用 `ai-partner-chat skill` ，创造个性化对话体验了。
## 如何打造你的 AI Partner？
在 **Claude Code** 中，继续发送以下指令：
遵循 ai-partner-chat 对话
无需操心，**Agent** 会自动执行这些步骤：
1. 检查你的目录结构，初始化所需的个人画像、笔记文件夹
2. 引导你生成「**用户画像**」和「**AI 画像**」，可以自行编辑，也可以让 **AI** 根据你的个人笔记生成。前者用于 **AI** 全局理解用户；后者用于设定 **AI** 伴侣的人格，引导回答风格
3. 自动创建向量数据库，完成记忆索引（文档数量越多，需要的时间越久一点）
### Persona 配置
在 **AI Partner** 方案中，**Persona** 对于回应的理解度、风格至关重要：
* **个人画像**：包含个人经历、职业情况、个人性格、决策偏好
* **AI 画像**：包括 Partner 自身的形象认知、性格、交流方式，针对性指导 **AI** 该如何符合我的偏好，进行回应
我选择让 **AI** 根据我的笔记，自行推理生成我与 **AI** 的 **Persona** 信息（如果你有良好的笔记、日记习惯，那 **AI** 自行提炼的画像将远好于你自己编辑的）。
* **具体步骤**
1. 把自己过往的笔记文档，粘贴到了`/<项目根目录>/notes/`下，推荐优先使用 **md**、**txt** 格式。
2. 复制如下 prompt，发送：
我刚刚在 notes 里放入了对应的笔记，请根据笔记内容，进行向量化；并基于笔记内容，推测并更新 user-persona.md，以及最适合我的 ai-persona.md
3. 你就可以看到 **AI** 开始根据你的笔记，更新你和 **AI** 的 **persona** 信息。
如果想要 **AI** 的回应更加亲昵…有情趣？可以自行编辑 `ai-persona.md` 文件，添加更细节、拟人的人设信息（比如外貌、性格、生活背景等，相信我，会有意外的惊喜）
### AI 记忆
如果说 **Persona** 规范了整体的人格认知和思考、回应风格。而 **Memory** 部分，则由向量化检索，以及 **Agent** 即时上下文方式，来提供远期召回与精细回忆的广度与精度。
在配置 **AI Partner** 过程中，**Kimi** 会按 skill 的指引，自动部署向量数据库，全程无需人为介入。（期间可能会有终端的报错信息，但是没关系，**Agent** 能够自行修复这些问题，完成任务）
结合导入笔记的具体文档主题、格式，智能完成数据切片，并构建向量数据库，作为 **AI** 的记忆。
此时所有配置均已完成，可以对话看看 **AI Partner** 的对话效果了。
## 如何测试 AI Partner 的能力？
配置完成了，试着问 **AI Partner** 一个问题。我推荐你测试时间跨度大、需要深度记忆的问题，更能看出差距。
* **案例**：以「我对 **AI** 产品设计思考的趋势总结」为例，注意看 **AI Partner** 做了什么：
1. **自主改写检索**：先搜「**AI** 产品设计」，发现线索不够，又搜「产品化、模型应用、人机关系」
2. **时间认知正确**：准确定位到我 2025 年 3 月 Manus 交流、4 月大模型评测、5 月研究 AIGC 设计等关键节点
3. **深度研究洞察**：最终正确总结出“从工具应用到工作流，再到人机关系哲学”的思考变化趋势
* **对比普通知识库（仅 RAG）**
* 往往只是一次性召回 x 个笔记片段：“根据你的笔记，你提到过 Manus、Chat Memo、AI 绘画等产品，主要关注人机协作方向……”
* 对各个时段的记忆演进，认识不深刻；也仅做单步推理，缺乏洞察深度。
* **AI Partner 的优势**
* 多步检索相关记忆 → 时间线重建 → 结合 **Persona** 指导推理风格 → 给到你自己都没想到的深刻洞察
## AI Partner 的更多可能性
由于这是基于 **Claude Code** 的方案，所以我们的 **AI Partner** 可以很方便地追加更多的 **MCP** 工具。
* **使用天气 MCP**：在回应中自然了解你所在城市的气温、天气，给你适时的关心
* **使用浏览器使用 MCP**（比如 **Playwright**）：能够“看”着你工作，打开浏览器上的网页，陪你打 web 游戏、读资讯……
通过赋予 **Partner** 额外的 **MCP**，你会越来越觉得 **AI** 能够出现在你电脑的每一个场景，更加了解你的过往记忆，以及当下真实世界所发生的信息。
## AI Partner 背后的核心设计
从各种 **RAG** 知识库，到 **ChatGPT** 的记忆功能，再到今天的 **AI Partner Skill**，我们一直在寻找一个真正“懂你”的 **AI**。
而这套方案的核心，在于把「**AI 记忆、陪伴**」升级为一个由 **Agent** 动态适应、执行的「**AI Partner**」：
1. 基于用户笔记与对话，动态更新用户、**AI** 的 **Persona**，引导 **AI** 在任何问题中，都能贴合用户身份，开展最个性化的思考与回应
2. 自适应知识切分规则（不只按分隔符/长度暴力切分），构建更好的记忆索引数据
3. 多步推理、主动拓展记忆的探索范围，利用向量检索 + 原文读取的即时上下文方案混合检索，给出你自己都没想到的洞察
## AI native 应用分发模式的未来
**Claude Skills** 在通用 **Agent** 框架上，利用 **Skill** 指定了 **Agent** 场景的行动方法与依赖，一旦 **Skills** 能够提供了 **Agent** 正确组织 context 生成结果的方法，也就能近似实现「独立 **AI** 产品的使用效果」。
从更大的视角来看，这何尝不是一种全新的 **AI native** 应用分发模式？就像 **App Store** 改变了软件分发一样，**Skills** 让专业方案可以像插件一样，在通用 **Agent / Chatbot** 上即插即用传统的 **Coze**、**Dify** 等平台还需要开发者分别搭建工作流，而 **Skills** 则完全跳过了软件开发流程。只需提供垂直 **Agent** 的 instruction，即可赋予通用 **Agent** 垂直场景能力。
那么，如果能有厂商能把 skills 做成完整的社区生态，**AI Agent** 的创建与使用门槛也将大幅降低。
## 写在最后
希望本文能对你有所启发，记得关注。也希望留个赞，让我知道你喜欢这篇文章，欢迎分享给身边的朋友们。
我认为：**AI** 的发展方向不应该是冷冰冰的工具，而应该是能够真正理解我们、陪伴我们的伙伴。**AI Partner** 方案的出现，让我们看到了这种可能性。虽然目前还处于早期阶段，但它所展现出的潜力已经足够令人期待。期待未来能有更多开发者加入到 **AI Partner** 的生态中来，共同创造一个更加智能、更加人性化的 **AI** 世界。
#keywords,#AI伴侣,#KimiK2,#ClaudeSkills,#AIPartner
**我的感悟：**
这篇文章介绍了一种很有意思的 **AI** 应用方向，就是把 **AI** 打造成更个性化、更懂你的“伴侣”。 作者提出的 **Claude Skills** + **Kimi K2** 的方案，感觉是给 **AI** 注入了灵魂，让它不再只是冷冰冰的工具，而是能和你产生更深层次的连接。这种把 **AI** 和人的情感需求结合起来的思路，很有启发性。
我认为： 倘只看 **AI** 大模型，以为**GBT**能成大器，殊不知人心之所向，乃是温情与陪伴，**AI Partner** 之路，虽道阻且长，然行则将至！
#keywords,#AI伴侣,#情感AI,#个性化AI,#Agent技术
© 版权声明
文章版权归作者所有，未经允许请勿转载。
