Kimi Code CLI: เมื่อ AI ลงมาทำงานใน Terminal แบบมีระบบ

หลังจากใช้ Kimi Code CLI มากว่า 20 ชั่วโมงบนโปรเจกต์ส่วนตัว ผมพบว่าเครื่องมือนี้ไม่ได้เป็นแค่ “AI ที่พิมพ์คำสั่งให้” แต่เป็นระบบที่มีโครงสร้างชัดเจนตั้งแต่การวางแผน การจัดการ context ยาว ๆ ไปจนถึงการ delegate งานย่อยผ่าน subagent บทความนี้ผมจะเล่าทุกอย่างที่ค้นพบจากประสบการณ์ใช้งานจริงบน neng-blog, OpenClaw และ LLM Wiki

Kimi Code CLI คืออะไร?

Kimi Code CLI (หรือชื่อเต็มว่า Kimi Code) เป็น command-line interface สำหรับ AI coding assistant จาก Moonshot AI (Kimi) ที่ทำงานบน terminal โดยตรง ไม่ต้องเปิด browser ไม่ต้อง copy-paste โค้ดไปมา

สิ่งที่ทำได้:

• อ่านและแก้ไขไฟล์ในโปรเจกต์แบบ real-time
• รันคำสั่ง shell โดยตรง
• ค้นหาข้อมูลบนอินเทอร์เน็ตผ่าน built-in search
• ใช้งานผ่าน subagent เพื่อแบ่งงานย่อย
• จัดการ context และ memory ระยะยาว

ผมเริ่มใช้ Kimi CLI ตั้งแต่เดือนเมษายน 2026 โดยนำไปใช้กับโปรเจกต์หลัก ๆ สามตัว:

1. neng-blog (Hugo Static Site) — จัดการธีม, typography, ระบบคอมเมนต์ giscus
2. OpenClaw (Multi-Agent System) — จัดการ gateway, RAG, การเชื่อมต่อ LINE/Telegram
3. LLM Wiki (Knowledge Base) — บันทึกความรู้, skills, workflows

สถาปัตยกรรมและการตั้งค่าที่สำคัญ

Config หลัก (~/.kimi/config.toml)

 1default_model = "kimi-code/kimi-for-coding"
 2default_thinking = true
 3default_yolo = false
 4
 5[models."kimi-code/kimi-for-coding"]
 6provider = "managed:kimi-code"
 7model = "kimi-for-coding"
 8max_context_size = 262144        # 256K context window
 9capabilities = ["video_in", "thinking", "image_in"]
10
11[providers."managed:kimi-code"]
12type = "kimi"
13base_url = "https://api.kimi.com/coding/v1"
14
15[loop_control]
16max_steps_per_turn = 100
17max_retries_per_step = 3
18reserved_context_size = 50000
19compaction_trigger_ratio = 0.85   # Compact context เมื่อถึง 85%
20
21[background]
22max_running_tasks = 4
23read_max_bytes = 30000
24agent_task_timeout_s = 900        # 15 นาทีต่อ subagent task

จุดเด่นที่ทำให้ Kimi CLI แตกต่าง

Context Window 256K นี่แหละคือจุดขายหลัก แปลว่าอ่านไฟล์ขนาดใหญ่ เช่น codebase ทั้งหมด หรือเอกสารยาว ๆ ได้ในครั้งเดียว ไม่ต้องแบ่งส่วนให้ยุ่งยาก

Skills System: 23+ Skills ที่ปรับแต่งได้

Kimi CLI มีระบบ Skills ที่เป็น modular instructions สำหรับงานเฉพาะทาง ติดตั้งอยู่ที่ ~/.kimi/skills/

Skills จาก Agent Skills (Addy Osmani)

Skills ที่ดัดแปลงเพิ่ม

Skills พื้นฐานอื่น ๆ

• obsidian-markdown — จัดการ Obsidian Flavored Markdown
• defuddle — ดึง clean markdown จาก web pages
• kimi-cli-help — ช่วยเหลือการใช้ Kimi CLI
• memory-space — จัดการความจำระยะยาว

The Kimi Agent Loop: Workflow 6 ขั้นตอน

จากการปรับใช้ skills ร่วมกัน ได้ workflow ที่ใช้งานจริง:

1Plan → Research → Execute → Verify → Learn → Compact
2 ↑______________________________________________↓

ขั้นตอนละเอียด

1. Plan (milestone-workflow + planning-and-task-breakdown)

• แบ่งงานใหญ่ → Milestone → Slice → Task
• สร้างไฟล์ plan: M001-ROADMAP.md, S01-PLAN.md, T01-PLAN.md

2. Research (research-first + source-driven-development)

• ค้นหา official docs ก่อน implement
• สรุป findings ลง M001-RESEARCH.md

3. Execute (incremental-implementation + test-driven-development)

• ทำงานทีละ slice (ไม่ทีละไฟล์ใหญ่ ๆ)
• Failing test → Implement → Pass

4. Verify (verification-loop + code-review-and-quality)

• Static checks (lint, type)
• Build verification
• Test execution
• Security scan
• Behavioral verification

5. Learn (continuous-learning)

• สกัด patterns ที่ค้นพบ
• อัปเดต AGENTS.md หรือ KNOWLEDGE.md
• เขียน T01-SUMMARY.md

6. Compact (context-compaction)

• สรุปสถานะปัจจุบัน
• โหลดเฉพาะ context จำเป็นสำหรับ task ถัดไป
• หรือเริ่ม session ใหม่

Memory และ Context Management

Long-term Memory (~/.kimi/memory.md)

Kimi CLI สนับสนุนการจัดการความจำระยะยาวผ่าน skill memory-space:

 1# Memory Space
 2
 3## Project Context
 4- ชื่อโปรเจกต์: ...
 5- เทคโนโลยีหลัก: ...
 6
 7## Key Decisions
 8| วันที่ | การตัดสินใจ | เหตุผล |
 9
10## User Preferences
11- สไตล์การตอบ: ...
12- ข้อจำกัด: ...
13
14## Session History
15- ครั้งล่าสุดทำอะไร: ...
16- ปัญหาที่ยังค้างอยู่: ...

Context Compaction

เมื่อ context เต็ม (trigger ที่ 85%) Kimi จะ:

1. สรุปบทสนทนาที่ผ่านมา
2. เก็บเฉพาะ decisions และ action items
3. ลบรายละเอียด implementation ที่ไม่จำเป็น
4. บันทึกลงไฟล์ memory

Use Cases จากประสบการณ์จริง

Use Case 1: Typography Unification บน neng-blog

สถานการณ์: ปรับ typography ให้ใช้ Modular Scale แบบ Major Third (1.25×)

วิธีทำ:

1. Plan: แบ่งเป็น mobile typography + desktop typography
2. Research: ดูว่า Stack Theme ใช้ html { font-size: 62.5%; } (1rem = 10px)
3. Execute: สร้าง CSS variables --home-hero, --home-section, ฯลฯ
4. Verify: hugo --minify build ผ่าน
5. Deploy: git push → GitHub Actions deploy

ผลลัพธ์: Homepage typography มี scale ที่สอดคล้องกัน ไม่มี scattered rules ที่ซ้ำซ้อน

Use Case 2: Custom Giscus Theme

สถานการณ์: สร้างธีม giscus ที่เข้ากับ neng-blog (Teal/Aqua)

วิธีทำ:

1. Research: อ่าน giscus CONTRIBUTING.md ดูโครงสร้าง theme CSS
2. Execute: สร้าง giscus-teal-light.css + giscus-teal-dark.css
3. Fix Bug: ใช้ MutationObserver แก้ปัญหา iframe โหลดช้า
4. Verify: Toggle light/dark บนเว็บ → giscus เปลี่ยนสีตาม

ผลลัพธ์: Comment section ใช้สีเดียวกับบล็อก ไม่มี theme ที่เข้ากันใน giscus built-in

Use Case 3: OpenClaw Gateway RAM Investigation

สถานการณ์: OpenClaw gateway ใช้ RAM 1.16 GB ผิดปกติ

วิธีทำ:

1. Research: ตรวจสอบ process ID ของ openclaw-gateway บน Node.js
2. Debug: ดู memory metrics พบว่าเป็น memory leak ปกติของ long-running Node.js process
3. Fix: รีสตาร์ท process
4. Verify: RAM ลดเหลือ ~596 MB (ลด 49%)

ผลลัพธ์: RAM กลับมาปกติ ตั้ง cron รีสตาร์ทอัตโนมัติ

Subagent Orchestration: แบ่งงานให้ AI ช่วยกันทำ

Kimi CLI สนับสนุนการใช้ Subagent เพื่อ delegate งานย่อย:

1"Subagent-orchestration:
2- ส่ง subagent A ไปรีวิว security ของ auth slice
3- ส่ง subagent B ไปเช็ค test coverage
4- ฉันจะรอสรุปผลจากทั้งสองก่อน proceed"

ข้อดี

• แยก context ไม่ให้ปนกัน
• ทำงานขนานได้ (parallel)
• จำกัด scope ของแต่ละ task

ข้อจำกัด

• Subagent timeout: 15 นาที (ตั้งค่าใน config)
• Max concurrent tasks: 4
• ต้องรอ approval สำหรับบางคำสั่ง (ถ้าไม่ใช้ yolo mode)

Plan Mode กับ Yolo Mode

Plan Mode

• ใช้สำหรับงานใหญ่ที่ต้องวางแผนก่อน
• Agent จะเขียน plan file แล้วขอ user approve ก่อน execute
• User สามารถเลือก approach ได้หลายตัวเลือก

Yolo Mode (default_yolo = false)

• ถ้าเปิด (true) Kimi จะทำงานโดยไม่ขอ approve
• ใช้กับงานที่ trust ได้ เช่น lint, format, refactor ที่ไม่เปลี่ยน behavior
• สำหรับ production deploy หรือการแก้ไขสำคัญ → ปิด yolo mode เพื่อความปลอดภัย

Cost-Aware Execution

Kimi CLI ไม่มี built-in cost tracking แต่สามารถประยุกต์ใช้หลักการได้:

สถิติการใช้งานจริง

จากการใช้งานจริง (เมษายน 2026):

ข้อดี vs ข้อเสีย

ข้อดี

• ✅ Context window ใหญ่ (256K) — อ่านไฟล์ใหญ่ ๆ ได้สบาย
• ✅ Skills system ยืดหยุ่น — ปรับแต่ง workflow ได้ตาม project
• ✅ Subagent ทำงานขนานได้ — เร็วขึ้นเมื่องานแยกส่วนได้
• ✅ Plan mode — ปลอดภัยสำหรับงานใหญ่
• ✅ Memory system — จดจำบริบข้าม session

ข้อเสีย

• ❌ ไม่มี built-in cost tracking — ต้องประมาณเอง
• ❌ Subagent timeout 15 นาที — งานใหญ่อาจไม่เสร็จ
• ❌ ไม่มี persistent state ระหว่าง session — ต้องพึ่ง memory file
• ❌ Yolo mode อันตรายถ้าใช้ผิด — อาจ push โค้ดที่ไม่ได้ตรวจสอบ

บทสรุป

Kimi Code CLI เป็นเครื่องมือที่มีประสิทธิภาพสำหรับนักพัฒนาที่ต้องการ AI assistant ทำงานบน terminal โดยเฉพาะเมื่อผสมผสานกับ skills system และ structured workflows จะช่วยให้การทำงานเป็นระบบมากขึ้น

สิ่งสำคัญที่สุดคือการ จัดการ context และ วางแผนก่อน execute — สองสิ่งนี้ช่วยลด rework และเพิ่มคุณภาพของงานที่ส่งมอบ

สำหรับคนที่กำลังมองหา AI coding assistant ที่ทำงานบน terminal ได้จริง ๆ มี context window ใหญ่ และปรับแต่ง workflow ได้ Kimi CLI ถือเป็นตัวเลือกที่น่าสนใจครับ

ส่วนอ้างอิง

1. Kimi Code CLI Documentation
2. Agent Skills by Addy Osmani
3. Moonshot AI Platform
4. Kimi Code Overview
5. Everything Claude Code (ECC)
6. GSD-2 Framework
7. Obsidian Markdown
8. Defuddle
9. Hugo Static Site Generator
10. Giscus Comment System