Skip to content

Feature/multimodal ai upstream - #16

Open
1982167424-art wants to merge 3 commits into
MoonshotAI:mainfrom
1982167424-art:feature/multimodal-ai-upstream
Open

Feature/multimodal ai upstream#16
1982167424-art wants to merge 3 commits into
MoonshotAI:mainfrom
1982167424-art:feature/multimodal-ai-upstream

Conversation

@1982167424-art

Copy link
Copy Markdown

Summary

添加了Kimi K3的多模态AI工具,支持:

  • 图片识别:基础描述、物体检测、场景分析、OCR、问答
  • 视频理解:流式分析、快速描述、时间线、关键帧、情感分析、问答
  • 图片/视频生成:代码已就绪,等待API开放

Test Plan

  • 图片识别 - 基础描述 ✓
  • 图片识别 - 物体检测 ✓
  • 图片识别 - 场景分析 ✓
  • 图片识别 - 问答模式 ✓
  • 视频理解 - 流式输出 ✓
  • 视频理解 - 快速描述 ✓
  • 视频理解 - 问答模式 ✓

New Files

  • kimi_multimodal.py - 核心多模态模块
  • run_tests.py - 自动化测试脚本
  • test_all_features.py - 完整功能测试

Bug Fixes

  • 修复代理环境变量导致的连接问题

1982167424-art and others added 3 commits July 29, 2026 20:56
添加图片识别、图片生成、视频理解、视频生成功能:
- 图片识别:基础描述、物体检测、场景分析、OCR、问答
- 图片生成:文本到图片、多种风格、保存到本地
- 视频理解:流式分析、时间线、关键帧、情感分析、问答
- 视频生成:文本到视频、图片转视频、保存到本地

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
- OpenAI客户端绕过系统代理(trust_env=False)
- requests库下载时禁用代理(proxies={})
- 修复httpx URL解析错误

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
- B1: 统一 API base 为 https://api.moonshot.cn/v1(修正 video_understanding 误用的 .ai)
- B2: reasoning_effort 对齐 README,仅支持 low/high/max(默认 max)
- B3: 将 video_understanding.py 合并进 KimiClient,旧模块改为向后兼容重导出
- 新增 ChatSession:多轮对话并保留完整 thinking history(含 reasoning_content/tool_calls)
- 新增 KimiClient.chat() 纯文本对话与流式 reasoning/content 分离
- 新增 test_chat_session.py 离线单测(mock 验证历史保留)
- 新增 .gitignore
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant