📖 读长文档用 Kimi k3，重构代码用 DeepSeek-V4：谈谈我的双模型工作流

最近刷到“省省 Token”这平台在搞 DeepSeek-V4 和 Kimi k3 的双模型活动（新用户送了 100 万 Token，折扣也算实在）。抛开营销不说，这两个模型的组合拳确实有点意思，刚好对应了我做知识库和写代码时最头疼的两个场景。

说下我日常是怎么拿它们当“打工人”使唤的：

1. Kimi k3 —— 啃大部头电子书与文献
   平时折腾自建知识库，遇到几百页的英文学术 PDF 或者技术白皮书，直接丢给 Kimi k3。它那个超长上下文在做全文索引时确实少有“幻觉”。我习惯用 Prompt 逼它输出 Markdown 结构化笔记，再直接挂载进本地的 Obsidian 知识库，用来做交叉引用（Cross-reference）特省心。

2. DeepSeek-V4 —— 搞定复杂逻辑与脚本
   读懂了文献，接下来就是落地。写数据清洗小脚本或者重构老代码时，我会切换到 DeepSeek-V4。它的推理和逻辑生成能力很扎实，在 Cursor 里做代码自动补全或者写解析器（Parser），一次性通过率挺高。

一点思考：
对我们做技术和知识管理的人来说，与其守着某一家昂贵的“全能黑盒”，不如这种“长文本+强推理”的技术组合切片。大家最近搭建个人/开源知识库时，后端更偏向挂载哪个 API？欢迎在评论区交流你用的组合~

#OpenSource #KnowledgeManagement #Obsidian #DeepSeek #Kimi #Productivity