共 4 篇内容，涉及 2 个模块
Kimi K3 是月之暗面 2026 年的主力模型：1T 总参数 / 32B 激活参数 MoE、256K 原生上下文可扩至 1M、中文长文档理解国产第一梯队。本篇走 API + 第三方客户端的进阶路线，手把手教你在 VS Code 里用 Moonshot API Key 接入 Cline、Continue、Roo Code 三个客户端，含完整可复制的 settings.json 与 config.json、模型选择矩阵、1M 长上下文调优、context cache 省钱实测、4 个场景的 token 消耗数据、16 条故障排查表。
Kimi K3 是 Moonshot 2026 年的长上下文旗舰，单次可吞下约 200 万汉字的超长文档，配合 Context Cache 能把同一份文档的重复问答成本压到 1/10。本文把 Kimi K3 接进钉钉群，完整覆盖文件先行上传（/v1/files）、Context Cache 复用、群机器人三种安全设置实测（自定义关键词 / 加签 / IP 白名单）、五种消息类型 JSON 模板、AI 卡片流式 SSE 推送、每分钟 20 条限流的令牌桶方案，并给出 4 个长文档场景与 20 条真实踩坑排查表。
Kimi K3 是月之暗面 2026 年主打的编程模型：1T 总参数 / 32B 激活参数 MoE 架构、256K 原生上下文（可扩 1M）、中文代码注释与长文档理解能力在国产模型里排第一梯队。本文走 Kimi 官方 VS Code 扩展这条零配置路线，从账号登录、扩展安装、settings.json 逐字段配置、Tab 补全与侧边栏问答实测，到 Cline / Continue 第三方客户端接入对照、16 条故障排查表，全程不需要自己申请 API Key，5 分钟即可在编辑器里用上 Kimi K3。
2026 年 9 月，Bloomberg 披露了一条被低估的产业新闻：法律 AI 公司 Harvey（估值 156 亿美元）把主力负载从闭源前沿模型迁到了自研模型——一个基于 Moonshot Kimi K3 开放权重做后训练的内部模型。迁移的驱动力不是能力，是算术：按用量计费模式下 token 消耗涨了 20 倍，毛利从约 +50% 一路跌到约 -50%；迁移后毛利转正。Abridge、Decagon、Ramp 被报道在走同一条路，Sequoia 与 General Catalyst 在背后推。这是企业级 AI 公司第一次成规模地「离开前沿实验室」，而触发这件事的是单位经济学，不是跑分。本文把这次迁移拆成可复现的工程动作：任务分层与模型路由、评测集构建、后训练数据从哪来、灰度切流与回归监控、以及 14 个真实会踩的坑。附每一步的 Prompt 模板与效果数据表。