用 Kimi 和 MiniMax API 搭建一个 AI 聊天机器人

大多数聊天机器人教程默认你只会用一个模型。但真实对话里最难的两轮往往不是同一件事:用户先粘贴一份 90 页合同问「哪里改了」,十轮之后又要你写一段温柔的产品介绍。这两个请求想要的模型完全不同,而团队通常就是在「为它重做一套集成」这一步放弃的。

这篇教程用两个中国前沿模型搭一个可用的聊天机器人:Kimi K3 负责长上下文推理,MiniMax M3 负责有表现力的生成,而它们共用一个 OpenAI 兼容客户端。一个 API Key、一份余额、每轮只改一个 model= 字符串。

用 Kimi 和 MiniMax 做聊天机器人的一句话解释:Kimi K3 与 MiniMax M3 都可以通过同一个 OpenAI 兼容接口调用,因此聊天机器人可以只保留一个客户端、一个 Key、一份账单余额,同时按每一轮的实际需求选择不同的模型。

你需要准备什么

不需要厂商专用 SDK,不需要单独注册 Moonshot 或 MiniMax 账号,也不需要中国手机号。

为什么把 Kimi 和 MiniMax 放在一起用

Kimi K3:Moonshot AI 的开源权重旗舰,定位长上下文推理与 Agent 场景,在 TokenPAPA 上提供 256K 上下文窗口,输入价格为每 1M token $0.50。

MiniMax M3:MiniMax 的旗舰文本模型,输入价格为每 1M token $0.80,当输出需要语气、风格与个性而不是严格推理时更合适。

因为两者在同一个接口后面,聊天机器人并不关心某条消息由谁生成。历史记录、前端渲染与存储逻辑完全相同。

第一步 —— 一个客户端同时接两个模型

pip install --upgrade openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["TOKENPAPA_API_KEY"],
    base_url="https://tokenpapa.ai/v1"
)

ROUTINE_MODEL = "deepseek-v4-flash"   # 常规、量大的轮次
REASONING_MODEL = "kimi-k3"           # 长上下文、需要仔细思考
CREATIVE_MODEL = "minimax-m3"         # 需要表达力的写作

客户端在整个进程生命周期内只创建一次,下面所有调用都只是给它传不同的 model。

第二步 —— 十五行代码实现多轮记忆

聊天机器人的本质就是对消息列表的循环:保存列表、裁剪列表、每轮交回给模型。

MAX_TURNS = 12   # 保留最近 6 组「用户 + 助手」

def chat(session, user_text, model=ROUTINE_MODEL):
    session.append({"role": "user", "content": user_text})

    trimmed = session[-MAX_TURNS * 2:]

    reply = client.chat.completions.create(
        model=model,
        messages=trimmed,
        max_tokens=800,        # 输出 token 的单价是输入的数倍
        temperature=0.7
    ).choices[0].message.content

    session.append({"role": "assistant", "content": reply})
    return reply

有两个细节比看起来更重要。第一,永远设置 max_tokens,因为输出 token 才是账单里贵的那一半。第二,按「轮」而不是按字符数裁剪,否则模型会看到被截断的半截对话。

第三步 —— 流式输出,让界面「活着」

流式与否,决定了聊天机器人是「秒回」还是「像坏了」。两个模型的流式响应结构完全一致。

def stream_reply(session, user_text, model=ROUTINE_MODEL):
    session.append({"role": "user", "content": user_text})
    chunks = []

    stream = client.chat.completions.create(
        model=model,
        messages=session[-MAX_TURNS * 2:],
        max_tokens=800,
        stream=True
    )

    for event in stream:
        delta = event.choices[0].delta
        if delta and delta.content:
            chunks.append(delta.content)
            print(delta.content, end="", flush=True)

    reply = "".join(chunks)
    session.append({"role": "assistant", "content": reply})
    return reply

不要用一个 try 把整个循环包住然后吞掉异常。流中途遇到 429 或 5xx 会留下一个被截断的回答,正确做法是捕获异常、保留已经收到的文本,然后带退避重试。

第四步 —— 把每一轮路由到合适的模型

路由是一个小函数,不是一套框架。看一眼这一轮的内容,选模型,并记录选择结果。

LONG_DOC_HINTS = ("总结", "摘要", "对比", "合同", "文档")
CREATIVE_HINTS = ("改写", "语气", "文案", "亲切", "营销")

def pick_model(text: str, attached_chars: int = 0) -> str:
    if attached_chars > 8000 or any(h in text for h in LONG_DOC_HINTS):
        return REASONING_MODEL
    if any(h in text for h in CREATIVE_HINTS):
        return CREATIVE_MODEL
    return ROUTINE_MODEL

print(pick_model("总结一下附件里的合同"))   # kimi-k3
print(pick_model("把这条回复改得亲切一些")) # minimax-m3
print(pick_model("退款期限是多久?"))       # deepseek-v4-flash

请记录每一轮是哪个模型回答的。路由悄悄变化时,你先收到的是用户的质量投诉,而不是监控指标——除非你把选择写进了日志。

一个聊天机器人实际要花多少钱

下面是平台上的每 1M token 价格,方便你自己算账:

按一个可核算的场景估算:每天 1,000 个会话、每个会话 6 轮,每轮约 1,500 输入 token 与 300 输出 token。 即每月 18 万次请求,共 2.7 亿输入 token 与 5,400 万输出 token。

关键结论:上面那张路由表是聊天机器人最大的成本杠杆。只把真正需要长上下文的轮次交给 kimi-k3,账单就能比「全程旗舰模型」减少一半以上。

价格会变,做预算前请以价格页面上的实时数字为准。

为什么两个模型共用一个 Key

• 一份账单。 两个模型从同一份预付余额扣费,而不是在两个厂商后台、两种货币之间对账。
• 没有手机号门槛。 邮箱、Google 或 GitHub 登录即可,无需中国手机号——这通常是海外开发者注册 Moonshot、MiniMax 时最先卡住的地方。
• 对比零成本。 把 model= 换成另一家,同一个 prompt 立刻重跑,不需要新 SDK、不需要重新鉴权。
• 顺带拿到降级能力。 某个模型限流或质量波动时,同一个客户端可以换模型重试这一轮,用户不会看到报错页。

诚实的说明:如果你需要私有化部署、独享吞吐或已有的厂商企业协议,那么直连官方更合适。而当你希望在同一个产品里使用多个模型——混用型聊天机器人正是这种情况——网关的优势最明显。

常见问题

Q:Kimi 或 MiniMax API 需要中国手机号吗? A:不需要。用邮箱、Google 或 GitHub 注册后在控制台生成 API Key,kimi-k3 与 minimax-m3 都可以通过同一个 OpenAI 兼容接口 https://tokenpapa.ai/v1 调用。

Q:Kimi 和 MiniMax 能共用一个 API Key 吗? A:可以。一个 Key 同时覆盖这两个模型以及数十个其他模型。客户端只需用 base_url="https://tokenpapa.ai/v1" 创建一次,每次请求只改 model 参数。

Q:聊天机器人该选 Kimi K3 还是 MiniMax M3? A:需要长上下文与严谨推理的轮次用 Kimi K3,它提供 256K 窗口,输入 $0.50/1M token;需要个性与表达力的轮次用 MiniMax M3,输入 $0.80/1M token。按轮路由,就不必二选一。

Q:用 Kimi 和 MiniMax 搭聊天机器人每月大概花多少钱? A:按每月 18 万次请求、每次约 1,500 输入 token 与 300 输出 token 估算:全部用 Kimi K3 约 $243,全部用 MiniMax M3 约 $346,把大部分轮次路由到更便宜的模型后约 $97。最新价格请见价格页面。

开始使用

1. 在 tokenpapa.ai 注册 —— 邮箱、Google 或 GitHub 均可,不需要中国手机号。
2. 在控制台创建 API Key:/console/token。
3. 把 OpenAI SDK 指向 https://tokenpapa.ai/v1,在同一个循环里调用两个模型。

from openai import OpenAI

client = OpenAI(api_key="your-tokenpapa-key", base_url="https://tokenpapa.ai/v1")

session = [{"role": "system", "content": "你是一个耐心的客服助手。"}]
session.append({"role": "user", "content": "把这份合同总结成五点。"})

for model in ["kimi-k3", "minimax-m3"]:
    reply = client.chat.completions.create(
        model=model,
        messages=session,
        max_tokens=400
    ).choices[0].message.content
    print(model, "->", reply[:120])

一个客户端、两个前沿模型,外加一条可以随流量增长不断调整的路由规则。

最后更新:2026-09-20。模型 ID 与价格变动频繁,引用本文任何数字前请先在 tokenpapa.ai/pricing 核实。