Kimi K2.5 的视觉编码与 Agent Swarm 任务提示

一句话结论

给 Kimi K2.5 明确的目标、可并行子任务、证据格式和完成检查，适合让其处理视觉到代码、网页重建、研究聚合和多 Agent 工作；复杂任务可在 Agent Swarm 中让模型自行分解，但仍需限制并发和验证结果。

适用场景

• 适合的任务：图像/视频到代码、视觉调试、网页重建、跨来源研究、批量分类和办公交付。

• 不适合的任务：没有可验证标准的无限并发；高风险写操作或敏感数据不应交给自动生成的子 Agent。

• 适用的模型版本：Kimi K2.5 Thinking/Instant/Agent；Agent Swarm 为 beta/研究预览，以当前产品状态为准。

• 适用的客户端、Agent 或 API：Kimi.com、Kimi App、Kimi API、Kimi Code、第三方 OpenAI/Anthropic-compatible endpoint。

• 推荐的推理档位和参数：Thinking 使用官方建议 temperature=1.0、top_p=0.95；Instant 使用 temperature=0.6、top_p=0.95。复杂视觉/搜索任务优先 Thinking。

可直接使用的内容

你是一个视觉与工程 Agent。

目标：根据提供的图片/视频/需求，交付一个可运行、可验证的结果。

请按以下顺序工作：
1. 先观察输入，列出可确认的视觉事实、缺失信息和验收标准。
2. 把任务拆成可并行的独立子任务：
   - 视觉结构/布局分析
   - 资源与文字提取
   - 代码实现
   - 运行与截图验证
   - 交互/可访问性检查
3. 子任务只返回结构化结果：{task, evidence, result, risks}。
4. 汇总时解决冲突；没有证据的内容标记为 unknown，不要猜测。
5. 运行代码、截图或测试验证；不满足验收标准时继续修复，直到达到预算上限。

最终输出：
- 完成的文件/链接
- 关键视觉与工程决策
- 验证命令与结果
- 未解决项和下一步

若使用 Agent Swarm，可把“100 个细分领域研究”这类独立任务交给自动编排；不要在提示里强制盲目生成固定数量子 Agent，先让模型判断可并行性。

测试/工作流步骤

1. 准备一份图片/视频和目标页面，记录输入尺寸、文本、交互和响应式验收项。

2. 分别测试单 Agent 与 Agent Swarm，固定工具集、上下文和最大步骤。

3. 保存每个子任务的 prompt、结果、来源、代码 diff、截图和测试日志。

4. 检查子任务是否重复、是否遗漏关键事实、是否在冲突时错误投票；最后由主 Agent/规则检查器验收。

原始证据与数据

• Kimi 官方称 K2.5 可将视觉输入用于代码、视觉调试和网页重建；模型仓库称其为原生多模态 Agent 模型。

• 官方 Agent Swarm 设计可动态创建最多 100 个子 Agent，协调最多 1,500 次 tool calls；官方称相对单 Agent 最高可减少 4.5× 执行时间。

• 官方博客给出视觉迷宫案例：模型调用代码执行/BFS，报告路径长度 113,557 steps 和可视化验证；这是公开示例而非独立测试。

• K2.5 支持图像/视频输入、Thinking/Instant 模式和 Kimi Code；Agent Swarm 在官方博客中标为 beta/研究预览。

适用边界

• Agent Swarm 的 100/1,500/4.5× 是官方能力/内部评估描述，实际受工具限额、并发、失败重试和任务可并行性影响。

• 模型自我分解不等于每个子任务都正确；必须有证据、schema、幂等写入和最终回归测试。

• 视觉输出的坐标、文字和布局需通过图像/DOM/代码工具复核，不能只信文本描述。

• 模板是基于官方任务方法改编的可复用提示，不是官方完整 system prompt。

来源摘录或观察（仅做合规短引）

官方对 Agent Swarm 的概括是“scaling out, not just up”（合规短引）。