[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-kimi-k2-6-turns-agents-into-a-swarm-zh":3,"article-related-kimi-k2-6-turns-agents-into-a-swarm-zh":30,"series-ai-agent-61971c57-482e-4e7f-a79b-c3b304239065":73},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"61971c57-482e-4e7f-a79b-c3b304239065","kimi-k2-6-turns-agents-into-a-swarm-zh","Kimi K2.6 把 agent 變成群體","\u003Cp data-speakable=\"summary\">Kimi K2.6 是一個開源多模態 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 模型，適合長程 coding、UI 生成和 swarm 式任務編排。\u003C\u002Fp>\u003Cp>我這陣子一直在玩 agent 模型，越玩越火大。Demo 都很會講，真的丟進去做多步驟 refactor、照草圖生 UI、或是關掉分頁後還要繼續跑的背景任務，很多系統就開始裝死。不是回我一堆漂亮廢話，就是做到一半失憶，像那種會點頭但根本沒聽懂需求的 junior。老實講，我不要一個只會附和的聊天機器人，我要的是能把狀態撐住、把工作拆開、一路做到底的東西。\u003C\u002Fp>\u003Cp>我就是被 \u003Ca href=\"https:\u002F\u002Follama.com\u002Flibrary\u002Fkimi-k2.6\">Ollama 的 Kimi K2.6 頁面\u003C\u002Fa>拉住的。它寫得很直白：這是一個 \u003Ca href=\"\u002Fnews\u002Fhuawei-openpangu-20-xiaoyi-tools-zh\">open\u003C\u002Fa>-source、native multimodal agentic model，主打 long-horizon coding、coding-driven design、proactive autonomous execution，還有 swarm-based task orchestration。Ollama 也把實用資訊直接攤開：\u003Cstrong>256K tokens\u003C\u002Fstrong> context、支援文字和圖片輸入，還有 cloud 版本可以透過 Ollama CLI、\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>，或像 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-code\">Claude Code\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex\">Codex\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fsst\u002Fopencode\">OpenCode\u003C\u002Fa> 這類工具接上去。\u003C\u002Fp>\u003Ch2>這不是聊天模型硬裝成 agent\u003C\u002Fh2>\u003Cblockquote>Kimi K2.6 is an open-source, native multimodal agentic model that advances practical capabilities in long-horizon coding, coding-driven design, proactive autonomous execution, and swarm-based task orchestration.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是，它不是拿來陪你聊天的，它是被包裝成一個做事的人。這句話很重要，因為「long-horizon coding」代表它要能撐住長鏈條的修改，不是只回第一句就結束；「proactive autonomous execution」代表它要能自己往下跑，不是每一步都要我盯著；「swarm-based task orchestration」代表它要會拆工、協調、回收結果。這跟一般「問我任何事」的聊天模型完全不是同一條路。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781824691370-pud4.png\" alt=\"Kimi K2.6 把 agent 變成群體\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我之前用過一些 agent 組法，最常見的死法就是：它會先給你一份看起來很完整的計畫，但一進到檔案層級執行就開始飄。改了 A，漏了 B，C 只修一半，最後丟一句「我可以繼續」。這種東西最煩，因為它不是不會想，它是撐不住工作流。Kimi K2.6 想補的就是這個洞。\u003C\u002Fp>\u003Cp>實操寫法很簡單：把它當任務跑器，不要當腦內諮商師。你要給的是目標、限制、完成條件，不是「你覺得怎樣」。例如你可以直接說：請重構這三個 module，維持 public API 不變，列出每個改動檔案，最後附驗證結果。這種寫法才是在測它是不是能做事。\u003C\u002Fp>\u003Ch2>256K context 才是長任務能不能活下來的關鍵\u003C\u002Fh2>\u003Cp>Ollama 頁面寫 \u003Cstrong>256K \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa>\u003C\u002Fstrong> context，這句很無聊，但很要命。Agent 系統最常死在失憶：忘了前面的限制、忘了剛剛改過什麼、忘了設計脈絡、忘了第三步講過不能動哪裡。大 context 不會神奇地把品質拉滿，但至少讓模型有機會把整坨東西放在同一張桌上看。\u003C\u002Fp>\u003Cp>也就是說，我不用再玩 prompt Tetris，把 spec、檔案樹、錯誤訊息、設計規則硬塞到一個小框裡。對 coding 來說這超有感，因為我可以把相關原始碼、測試輸出、限制條件一起丟進去；對 UI 來說也一樣，我可以塞 screenshot、品牌規範、版型要求，讓模型真的有\u003Ca href=\"\u002Fnews\u002Fwear-os-7-turns-watch-updates-into-live-context-zh\">上下文\u003C\u002Fa>，而不是憑空生一個看起來像樣但細節全錯的答案。\u003C\u002Fp>\u003Cp>我把 context 想成工作桌面。桌子太小，東西一直掉地上；桌子夠大，spec、現況、log、目標輸出可以同時攤開。這不保證它一定做得好，但至少少掉很多低級錯誤。\u003C\u002Fp>\u003Cul>\u003Cli>先把整個相關檔案範圍放進去，不要只丟你想改的那一支。\u003C\u002Fli>\u003Cli>限制條件要先講：框架版本、效能門檻、命名規則、輸出格式。\u003C\u002Fli>\u003Cli>多步驟任務先要計畫，再要修改，不要一開始就叫它直接寫。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：如果你是在 monorepo 裡做事，把相關 package 邊界、共用 types、測試入口一起給它；如果你是在做 UI，把產品 brief、裝置尺寸、品牌色、互動規則一起給它。Kimi K2.6 的賣點就是長程工作，那你就把「長程」真的餵給它。\u003C\u002Fp>\u003Ch2>coding-driven design 其實是在補設計到實作之間那段爛坡\u003C\u002Fh2>\u003Cp>Ollama 的描述很直接：K2.6 可以把簡單 prompt 和視覺輸入轉成 production-ready interfaces 和 lightweight full-stack workflows，還能產生結構化版面、互動元素、動畫。這句話很滿，但我懂它想打哪裡。它不是在說「幫我做個 landing page」，而是在說「把粗糙想法變成有版型、有層次、可交付的東西」。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781824690569-0w2g.png\" alt=\"Kimi K2.6 把 agent 變成群體\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>翻譯一下就是，它想吃掉設計和實作中間那段最煩的坡。這段最常出事：模型能生出一張看起來不錯的圖，但我拿去改的時候，間距、層級、互動狀態全都要重修。若 Kimi K2.6 真能把結構撐住，再一路往程式碼落地，那就有用。尤其它支援圖片輸入，代表我可以拿草圖或現成畫面直接叫它對齊，而不是只靠口述。\u003C\u002Fp>\u003Cp>我之前叫另一個 agent 重做 dashboard，\u003Ca href=\"\u002Ftag\u002Ffigma\">Figma\u003C\u002Fa> export 看起來像那麼回事，結果 render 出來完全不是同一件事。不是概念不行，是設計紀律沒跟著走。K2.6 這個 pitch 我會拿來測的，就是它能不能把紀律帶到生成過程裡。\u003C\u002Fp>\u003Cp>實操寫法：有 reference 就不要客氣，直接貼圖。然後明講哪些不能動、哪些可以改。例如：「保留 card hierarchy，換掉色系，把 table 做密一點，responsive 行為不要變。」這樣模型才有設計目標，不是只憑 vibe 亂做。\u003C\u002Fp>\u003Cul>\u003Cli>先給視覺參考，再給功能要求。\u003C\u002Fli>\u003Cli>先要 layout 結構，再要互動，再要美化。\u003C\u002Fli>\u003Cli>輸出要直接能進框架，不要只給一張漂亮截圖。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>swarm 這件事，才是我最想拿來驗的地方\u003C\u002Fh2>\u003Cp>Ollama 寫它可以水平擴展到 \u003Cstrong>300 sub-agents\u003C\u002Fstrong>、執行 \u003Cstrong>4,000 coordinated steps\u003C\u002Fstrong>。這句最浮誇，但也最有資訊量。因為它告訴我，這系統不是想做單線程助理，它是想做協調器。它要把問題拆開，分派出去，再把結果收回來。\u003C\u002Fp>\u003Cp>也就是說，如果我丟一個網站、一份試算表、跟一份文件給它，它不該硬要用一條線做到底。比較像是先拆成不同角色：有人處理版型，有人處理內容，有人處理驗證，最後由 coordinator 收斂。這才是大型 autonomous workflow 比較不會自己撞牆的方式。\u003C\u002Fp>\u003Cp>我在 \u003Ca href=\"\u002Fnews\u002Fcodex-rang-putongren-waibao-diannao-renwu-zh\">code\u003C\u002Fa> review automation 看過類似做法：一個 agent 看 syntax，一個看 style，一個看 security，最後由總控判斷哪些要擋。這比單一大模型長篇大論有效，因為每個子任務都比較窄。K2.6 的 swarm 說法，我會把它理解成同一套思路往更大規模推。\u003C\u002Fp>\u003Cp>實操寫法：如果你要在 Kimi K2.6 上面做產品，不要把每個 request 都當成單 prompt。你自己先把流程切成角色：planning、execution、verification。平台如果真的支援 orchestration，你要做的是把邊界定清楚，不然 swarm 只是在浪費 token 重算顯而易見的東西。\u003C\u002Fp>\u003Ch2>背景任務如果真能 24\u002F7 跑，這東西就不只是 demo\u003C\u002Fh2>\u003Cp>Ollama 頁面還寫，K2.6 能支援持續的 \u003Cstrong>24\u002F7 background agents\u003C\u002Fstrong>，主動管理排程、執行 code、跨平台協調，而且不用人一直盯。這句讓我比較在意，因為它開始像基礎設施，不像玩具。\u003C\u002Fp>\u003Cp>翻譯一下就是，它不是只在 prompt 結束時結束。它可以盯 queue、催 deployment、看日曆、條件到了就跑 script。這種能力我很在意，因為大多數 assistant 的 continuity 都很爛。表面上有狀態，實際上每次還是像重開機。\u003C\u002Fp>\u003Cp>我之前做過 support triage，模型能分類 issue，但如果某個 case 需要隔幾小時再回頭確認，它就很容易斷線。這時候 persistent agent 才有意義。若 Kimi K2.6 真的能一直在那邊守著，那它就不只是「幫忙」，而是能進到營運流程。\u003C\u002Fp>\u003Cp>實操寫法：背景任務一定要定 wake-up condition、task boundary、stop rule。模糊的 agent 最危險，因為它會自作主張。你要明講像是「新 issue 標成 blocker」、「main build fail」、「會議前 15 分鐘」這種觸發條件，然後再規定它能做什麼、哪些事要人類確認。\u003C\u002Fp>\u003Ch2>Ollama 這層包裝，才是現在就能用的原因\u003C\u002Fh2>\u003Cp>我不太吃那種模型卡寫得很帥，但接不進我現有 stack 的東西。Ollama 的好處是入口夠熟：CLI、HTTP API、Python、JavaScript 都能接，還能跟 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-code\">Claude Code\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex\">Codex\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fsst\u002Fopencode\">OpenCode\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcoleam00\u002FOpenClaw\">OpenClaw\u003C\u002Fa> 這些工具串起來。頁面也直接給了 \u003Ccode>kimi-k2.6:cloud\u003C\u002Fcode> 的 run 和 API 範例。\u003C\u002Fp>\u003Cp>也就是說，我不用為了試模型重寫整個 workflow。我可以直接打本機的 Ollama server，像 \u003Ccode>http:\u002F\u002Flocalhost:11434\u003C\u002Fcode>，把 model name 換掉，然後拿我熟的任務去比。這就是「有趣」跟「能上線」的差別。\u003C\u002Fp>\u003Cp>我喜歡這種很無聊的入口。無聊才好，代表我可以直接比模型，不用先改 app 架構。也代表我可以寫 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa>，把同一組 prompt 丟給幾個系統，看誰真的撐得住長任務，不會中途開始胡扯。\u003C\u002Fp>\u003Cp>實操寫法：先用你原本就有的 Ollama message format。第一輪不要貪心，先測一個檔案修改、一個小 UI、或一個自動化步驟。等你確認它真的會守規則、會照格式輸出，再慢慢加複雜度。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Kimi K2.6 任務 prompt 模板\n\n你是一個 autonomous coding + orchestration agent。\n\n## 目標\n[用一句話寫出最後要達成的結果]\n\n## 背景\n- 專案：[名稱]\n- 技術棧：[framework \u002F language \u002F version]\n- 檔案或素材：[貼路徑、程式碼片段、圖片參考]\n- 限制：[效能、風格、相容性、期限]\n\n## 你要做的事\n1. 先讀懂提供的上下文。\n2. 把工作拆成清楚的子任務。\n3. 依序執行子任務。\n4. 用限制條件驗證結果。\n5. 回報改了什麼、還有哪些風險。\n\n## 規則\n- 不要自己補不存在的需求。\n- 除非我特別說，不要動 public API。\n- 如果有歧義，先講 tradeoff，再選最安全的做法。\n- 輸出要結構化、簡短。\n\n## 輸出格式\n請回傳：\n- Plan\n- Changes made\n- Verification\n- Follow-up risks\n\n## 範例：code\n請重構這些檔案的 auth flow：[貼檔案]。保持行為穩定、補測試、列出 migration 風險。\n\n## 範例：UI\n請根據這張 screenshot 和產品 brief 產生 responsive page。保留 hierarchy、改善 spacing，輸出可直接進框架的 code。\n\n## 範例：orchestration\n監控這個條件：[trigger]。發生時執行 [action]、記錄結果，並通知 [channel\u002Fperson]。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段就是我會直接貼進工作裡的版本。它逼模型先拆工作、再做事，輸出也有固定格式，不容易一路講到天邊去。若 Kimi K2.6 真有 Ollama 頁面講的那種能力，這種 prompt 最容易把它逼出真本事。\u003C\u002Fp>\u003Cp>我的建議很簡單：先拿一個你自己就很煩的任務去測，不要先信 hype。給它真 repo、真設計 brief、真 automation case。它如果能撐住 context、把工作協調完、還能自己收尾，你很快就知道；如果不能，你也會很快知道。\u003C\u002Fp>\u003Cp>來源：\u003Ca href=\"https:\u002F\u002Follama.com\u002Flibrary\u002Fkimi-k2.6\">https:\u002F\u002Follama.com\u002Flibrary\u002Fkimi-k2.6\u003C\u002Fa>。這篇是我根據 Ollama model page 和它公開的 snippets 做的拆解；頁面外的判斷都是我的延伸解讀，不是原始來源的直接主張。\u003C\u002Fp>","我拆 Kimi K2.6 的 agent、256K context、swarm orchestration 與背景任務寫法，最後附可直接套用的 prompt 模板。","ollama.com","https:\u002F\u002Follama.com\u002Flibrary\u002Fkimi-k2.6",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781824691370-pud4.png","ai-agent","zh","221ce4cc-ac8a-486b-97ed-b5ddaf6c6cf7",[17,18,19,20,21],"Kimi K2.6","agent model","swarm orchestration","multimodal","Ollama",[23,24,25],"Kimi K2.6 的重點不是聊天，而是長程執行、拆工與協調。","256K context 讓長任務比較不容易失憶，適合 code 和 UI 工作。","最值得直接抄的是任務模板：先定目標、限制、子任務，再要求驗證與回報。",0,"2026-06-18T23:17:47.818057+00:00","2026-06-18T23:17:47.807+00:00","e3b68196-9e64-4c18-a3b6-a73e73bfb367",{"tags":31,"relatedLang":32,"relatedPosts":36},[],{"id":15,"slug":33,"title":34,"language":35},"kimi-k2-6-turns-agents-into-a-swarm-en","Kimi K2.6 turns agents into a swarm","en",[37,43,49,55,61,67],{"id":38,"slug":39,"title":40,"cover_image":41,"image_url":41,"created_at":42,"category":13},"9fc5b17b-77e0-442f-b40d-6c5d0c74a980","glm-5-vibe-coding-agentic-engineering-zh","GLM-5 把 vibe coding 變工程","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781853513619-0z11.png","2026-06-19T07:18:09.421228+00:00",{"id":44,"slug":45,"title":46,"cover_image":47,"image_url":47,"created_at":48,"category":13},"4a0bdcd2-abcf-48a6-8cbb-38b6df8edf2d","lightrag-simple-defaults-beat-rag-complexity-zh","LightRAG 證明圖譜 RAG 需要更簡單的預設，而不是更複雜","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781812063993-vynr.png","2026-06-18T19:47:20.378166+00:00",{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"b8b8e12b-0e01-4204-bc59-eddef030606d","build-code-aware-rag-pipeline-langchain-zh","建立具程式感知的 RAG 管線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781811179856-7o5s.png","2026-06-18T19:32:32.253731+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"d27aa04b-7cd2-4a94-a7fd-1c1ce6874728","ebay-mcp-ai-assistants-ebay-sell-apis-zh","ebay-mcp 讓 AI 直接操控 eBay Sell API","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781809379605-oslg.png","2026-06-18T19:02:33.226473+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"becd8e42-53b8-4250-8989-d3c8f60ea909","github-last30days-skill-ai-research-model-zh","GitHub 的 last30days skill 才是 AI 研究的正確模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781752672625-a8f4.png","2026-06-18T03:17:22.68358+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"1459a665-b180-487b-b15b-65c046c6392c","tcs-anthropic-enterprise-ai-partnership-zh","TCS 和 Anthropic 企業 AI 合作成形","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781713081888-ob2e.png","2026-06-17T16:17:35.294583+00:00",[74,79,84,89,94,99,104,109,114,119],{"id":75,"slug":76,"title":77,"created_at":78},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":80,"slug":81,"title":82,"created_at":83},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]