装一个 AI 编程 CLI，最烦的往往不是 CLI 本身，而是配供应商：配置文件在哪、base URL 填什么、模型名该写在哪一层、怎么确认 key 真的通了。这套流程走不顺，命令行里再强的助手也跑不起来。

这里以 Kimi Code CLI 接入 Ace Data Cloud 为例，把它当成一个 OpenAI 兼容供应商来配。目标很务实：装好 CLI、加一段供应商配置、跑通验证，出问题时知道该查哪。

先搞清楚它读什么

Kimi Code 是终端里的编程助手，供应商配置从~/.kimi/config.toml读取。把 provider 的 type 设成 openai，等于告诉它：对着配置好的 base_url，说 OpenAI Chat Completions 那套协议。

这套配置下，模型请求发往https://api.acedata.cloud/v1。供应商侧由 Ace Data Cloud 处理，Kimi Code 保留本地的开发体验——在项目里跑命令、让它改代码、在终端里反复迭代。

动手前先拿 API Key：打开 Ace Data Cloud 的应用列表，进入一个可用应用，复制 API Key。

装 CLI，三条路选一条

macOS 或 Linux 用 shell 安装脚本：

curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

Windows PowerShell 用：

irm https://code.kimi.com/kimi-code/install.ps1 | iex

习惯 npm 的，全局装包：

npm install -g @moonshot-ai/kimi-code

装完之后，剩下的活基本都在配置里，不在代码里。

配置里最容易错的是 MODEL_ID

打开 ~/.kimi/config.toml，加入 Ace Data Cloud 这段供应商配置：default_model 写成 acedatacloud/MODEL_ID； [ providers.acedatacloud ] 下 type 为 openai、base_url 为 https://api.acedata.cloud/v1、api_key 填你的 Key； [ models."acedatacloud/MODEL_ID" ] 下 provider 指向 acedatacloud，model 填 MODEL_ID。

所有 MODEL_ID 要替换成同一个模型名。文档里给了 claude-opus-5、gpt-6-sol 这类示例，但更稳的做法是查模型目录，或者拿 /v1/models 返回的 id 来校验，用返回的那个 id。

这里有个细节值得单独拎出来：MODEL_ID 要用 API 的 model 参数所用的模型名，不是服务 UUID，也不是 API UUID。填错这一层，后面怎么调都不通。

一份合格的配置，内部必须自洽：

default_model 指向 acedatacloud/ 开头的字符串

模型表名和这个字符串完全一致

表里的 model 字段是裸的模型 id

provider 保持 acedatacloud

type 保持 openai

以 gpt-6-sol 为例，结构就是 default_model = "acedatacloud/gpt-6-sol"，模型表名同为 "acedatacloud/gpt-6-sol"，表内 model = "gpt-6-sol"。

别混用模型标识。一个很常见的翻车方式是：改了 default_model，却把模型表或 model 字段留在旧值上。

顺手把文件权限收紧

因为 config.toml 里存着 API Key，在 macOS 或 Linux 上执行chmod 600 ~/.kimi/config.toml。这不替代团队级的密钥管理，但作为本地基线是合理的。别把这个文件提交进仓库，分享终端录屏或配置片段时也要留神。

三条命令验证，按顺序跑

第一条kimi doctor，做基础体检。第二条kimi provider list，确认供应商对 Kimi Code 可见。第三条kimi -p "Reply only OK"，一次最小模型调用，路径通了就只回一个 OK。

报 401 就回去查 API Key。提示模型找不到，就把三个模型位置再对一遍：default_model、 [ models."..." ] 表名、model 字段，三者必须对齐同一个 API 模型 id。

验证过了，进项目目录跑kimi，配置才算真正变成生产力。让它看文件、提改动、帮调试，全程不用离开终端。供应商配置留在 Kimi Code 里，项目工作流留在本地。

这套集成不大，但省掉的供应商摩擦不少：一个 OpenAI 兼容的 base_url、一段 type = "openai" 的供应商配置、一份模型映射、三条验证命令。如果你在评估终端编程助手，这种配置值得保持可复现。