Kilo Code это open source AI агент для программистов, работающий внутри VS Code, JetBrains IDE и вашего терминала. Он пишет, отлаживает, рефакторит код, делает его обзор, автоматизирует многошаговые задачи по вашему репозиторию, и дает вам прямой доступ к большому количеству моделей (до 500+) AI — включая Claude, GPT, Gemini, DeepSeek, и локальным моделям через Ollama или LM Studio. В отличие от закрытых альтернатив каждый prompt является видимым, система лицензируется под Apache-2.0, и вы можете принести свои собственные ключи API по ставкам поставщика без наценки.

Да. Расширение VS Code extension, плагин JetBrains и CLI бесплатны для инсталляции и публикуются по open source лицензией Apache-2.0. Вы можете использовать Kilo с бесплатными моделями, приносить собственные API с нулевой наценкой, или платить по факту через любой интерфейс — IDE, CLI, Cloud Agents и App Builder. Не существует обязательной подписки, и нет фиксированной платы за каждого разработчика.

Последний момент вероятно самое важное преимущество:

1. Нет обязательной подписки — вы не платите ежемесячно $20, как за GitHub Copilot или Cursor.

2. Нет фиксированной цены за место — даже если вы используете Kilo в команде, вы не платите «за каждого разработчика».

Установите расширение Kilo через VS Code Marketplace, JetBrains Marketplace, или инсталлируйте CLI одной командой. Затем залогиньтесь в свою учетную запись Kilo для синхронизации настроек и кредитов через каждый используемый вами интерфейс. Вы также можете ознакомиться со страничкой kilo.ai/get-started [1], где будет показан выбор инсталляции для вашего редактора кода и первый запуск.

Kilo Code работает в VS Code и любом редакторе, основанном на VS Code (включая форки Cursor и Windsurf), а также все JetBrains IDE (IntelliJ IDEA, PyCharm, WebStorm, GoLand, Rider, RubyMine, CLion и другие), и может работать как отдельная командная строка (standalone CLI) в любом терминале операционной системы. 

Kilo — это не просто плагин для VS Code, а целая платформа, которая работает в нескольких средах: Cloud Agents и App Builder в браузере, а также традиционная интеграция Slack для разработки в команде.

1. Cloud Agents — «Кило в облаке»

Это возможность запускать Kilo Code прямо в браузере, без установки чего-либо на локальный компьютер.

Как это работает:

- Вы открываете Kilo Dashboard в браузере (даже с телефона или планшета).
- Подключаете любой из ваших GitHub-репозиториев.
- Kilo автоматически создаёт изолированный Linux-контейнер с предустановленными инструментами (Python, Node.js, git).
- Вы просто начинаете общаться с AI, как в обычном Kilo Code.

Особенности Cloud Agents:

- Авто-коммиты — после каждого сообщения AI автоматически коммитит и делает push изменений в GitHub.
- Переменные окружения — можно безопасно добавить API-ключи и секреты.
- Стартовые команды — можно настроить автоматическую установку зависимостей при запуске сессии.
- Отдельная ветка под каждую сессию — ничего не мешается.

 Когда это полезно:

2. App Builder — «Создай приложение разговором»

Это визуальный конструктор, который позволяет создавать веб-приложения просто через диалог с AI — прямо в браузере.

Как это работает:

1. Открываете App Builder в Kilo Dashboard.
2. Описываете, что хотите построить (на русском или английском).
3. Смотрите, как приложение появляется в живом превью (не макет, а работающий прототип).
4. Уточняете через чат: «Сделай навигацию липкой при скролле», «Добавь тёмную тему», «Подключи этот API и покажи результаты в таблице».
5. Нажимаете Deploy — и приложение мгновенно получает публичный URL

Что можно построить:

- Лендинги и маркетинговые сайты.
- Интерактивные дашборды и визуализации данных.
- UI-прототипы для валидации идей.
- Клиентские интерфейсы (личные кабинеты, страницы настроек).
- Утилиты для команды (калькуляторы, конвертеры, конструкторы форм).

Примечание: "лендинг" (от английского landing page — «посадочная страница») — это одностраничный сайт, главная задача которого — превратить посетителя в клиента.

Важно про оплату: для использования App Builder нужно иметь минимум $1 на счету в Kilo и хотя бы один платёж в прошлом. Вы платите за использование AI-моделей — теми же кредитами, что и для Kilo Code.

3. Нативная интеграция со Slack

Это, пожалуй, самая интересная фишка. Kilo for Slack позволяет вашей команде писать и деплоить код прямо из чата.

Как это работает. Упомяните @Kilo в любом треде Slack, и бот:

1. Прочитает весь контекст переписки.
2. Получит доступ к вашим GitHub-репозиториям.
3. Создаст облачный агент.
4. Реализует исправление.
5. Откроет Pull Request — всё это без единого переключения окна.

Пример из жизни:

> Продукт-менеджер сообщает о баге в Slack. Команда обсуждает причины. Вместо того чтобы копировать переписку в IDE и заново объяснять проблему AI, разработчик пишет одно сообщение:
> 
> `@Kilo based on this thread, can you implement the fix for the null pointer exception in the Authentication service?`

Что умеет Kilo для Slack:

Почему лучше, чем Cursor и Claude Code:

- Multi-repository — работает с несколькими репозиториями одновременно (Cursor — только с одним).
- Контекстные диалоги — поддерживает длительные, многошаговые обсуждения (Claude Code — разовые запросы).
- Сквозная работа — можно начать в Slack, продолжить в IDE, а закончить в CLI.

Безопасность:

- Kilo читает только тот тред, где его упомянули.
- Доступ к репозиториям только после явного разрешения.
- Никаких автоматических мержей — только Pull Request, который проходит обычный код-ревью.

Сводная таблица, где работает Kilo:

Итак, Kilo — это не просто AI-редактор кода. Это платформа, которая позволяет программировать из любой точки (IDE, браузер, терминал, Slack), переключаясь между инструментами без потери контекста.

Kilo предоставляет доступ к 500+ AI моделям через универсальный интерфейс Kilo Gateway: Anthropic Claude (Sonnet, Opus, Haiku), OpenAI GPT-4o and GPT-5, Google Gemini, DeepSeek, Mistral, xAI Grok, Qwen, Llama и другим. Вы также можете принести свои собственные API-ключи для любых провайдеров, или запустить полностью локальные модели через Ollama или LM Studio, когда необходимо хранить код исключительно на вашей локальной машине.

Вот исчерпывающий ответ о том, как работает оплата в экосистеме Kilo.

Существует три способа оплатить использование AI-моделей, которые описываются в документации.

[Детальный разбор каждого пункта]

1. Zero Markup (нулевая наценка) — самое главное

Это краеугольный камень их философии. Kilo не зарабатывает на перепродаже токенов.

Пример: если OpenAI берёт $0.01 за 1000 токенов, то при использовании любого из первых двух способов (BYOK или pay-as-you-go) вы заплатите ровно $0.01. Kilo не добавляет к этой сумме ни цента. Как они зарабатывают тогда? Видимо, на подписке Kilo Pass (где вы платите за удобство и бонусы) и, возможно, на корпоративных тарифах. Сам инструмент (IDE, CLI, Cloud Agents) они делают бесплатным, привлекая пользователей прозрачностью.

2. Bring your own API keys (BYOK) — полный контроль

- Какие провайдеры? OpenAI, Anthropic, Google, Groq, и любые другие, совместимые с OpenAI API (например, локальные модели через LocalAI или LiteLLM, или китайские провайдеры).
- Как работает: вы идёте на сайт OpenAI, регистрируетесь, пополняете счёт на $5. Получаете ключ. Вставляете его в настройки Kilo Code. Kilo отправляет ваши запросы через этот ключ.
- Плюс: максимальная прозрачность и контроль. Вы сами видите счёт у провайдера.

3. Pay-as-you-go (единый счёт Kilo) — максимальное удобство

- Как работает: вы идёте в Kilo Dashboard и пополняете внутренний баланс (например, на $10). В настройках выбираете модель (например, Claude 3.5 Sonnet). Kilo сам вызывает API Anthropic, списывает с вашего внутреннего счёта ровно ту сумму, которую списал бы Anthropic.
- Плюс: один счёт, один платёж, одна налоговая накладная. Не нужно регистрироваться у 5 провайдеров и следить за 5 балансами. Это и есть "single bill".
- Где работает: эти кредиты работают "across every surface" (на любой платформе) — в VS Code, JetBrains, CLI, Cloud Agents, App Builder и Slack.

4. Kilo Pass — для фанатов и тяжёлых пользователей

- Что это: ежемесячная подписка. Вы платите, например, $20 в месяц за "Kilo Pass".
- Что вы получаете: документация говорит, что вы получаете бонусные кредиты (bonus credits) сверх того, что вы заплатили.
- Пример: вы купили Kilo Pass за $20. Вам начисляют, допустим, кредитов на $25 (бонус $5). После этого вы всё равно платите за токены по той же цене провайдера (zero markup), но уже из этих кредитов.
- Зачем это нужно: если вы тратите на API больше $20 в месяц, вам выгоднее сначала купить Kilo Pass за $20, получить бонусные кредиты, и уже их тратить. Это их способ монетизировать самых активных пользователей, не нарушая принципа "zero markup".

[Сравнение: как это выглядит на практике]

 Итог в двух предложениях:

● Kilo не пытается заработать на каждом вашем запросе к AI. Их бизнес-модель — предложить вам максимально удобный и прозрачный инструмент (бесплатный), а зарабатывать на подписке Kilo Pass для самых активных пользователей и, возможно, на корпоративных решениях.
● Вы всегда можете начать с BYOK (полный контроль) или pay-as-you-go (удобство), зная, что в любом случае не переплачиваете за токены. А когда поймёте, что тратите много — перейдёте на Kilo Pass, чтобы получать бонусы.

Kilo не собирает телеметрию по умолчанию, и никогда не тренируется на вашем коде. Запросы (prompt) доработки передаются непосредственно провайдеру выбранной вами модели, и это никогда не сохраняется Kilo для тренировки. Вы можете запусть 100%-ные локальные модели через Ollama или LM Studio, чтобы держать код исключительно на локальной машине, и команды получают корпоративное управление над разработкой, включая SSO (Single Sign-On, т. е. вход через корпоративный портал, такой как Google Workspace, Okta, Microsoft Entra ID. Не нужно заводить отдельные пароли), аудит логов, сертификацию SOC 2 Type II, а также управление над местом хранения данных и соблюдение соответствующих региональных законов.

Существует 5 специализированных режимов, это одна из самых мощных фишек Kilo Code.

Представьте, что у вас есть команда из пяти специалистов, это и есть "режимы агента" в Kilo Code:

- Разработчик — пишет и правит код
- Архитектор — проектирует системы на доске
- Отладчик — ищет ошибки под микроскопом
- Консультант — отвечает на вопросы
- Дирижёр — координирует всех остальных

В Kilo Code эти «специалисты» — разные режимы одного AI, каждый со своей инструкцией (system prompt), набором разрешённых инструментов и даже моделью.

[Пять стандартных режимов Kilo Code]

1. Code — «Писатель кода»

Что делает: пишет и редактирует production-код.

Когда использовать:

- Написать новую функцию
- Рефакторить существующий код
- Добавить тесты
- Исправить простую ошибку

Пример запроса:

> «Напиши функцию на Python, которая читает CSV-файл и возвращает словарь»

Какие инструменты доступны: чтение/запись файлов, запуск тестов, терминал (ограниченно)

2. Architect — «Архитектор»

Что делает: планирует фичи и проектирует системы, не трогая код.

Когда использовать:

- Спроектировать новую функцию «на бумаге»
- Выбрать технологию (SQL vs NoSQL, REST vs GraphQL)
- Разбить большую задачу на подзадачи
- Оценить влияние изменений на систему

Пример запроса:

> «Спроектируй архитектуру системы уведомлений. Не пиши код, просто опиши компоненты, их взаимодействие и технологический стек»

Какие инструменты доступны: только чтение файлов, рисование диаграмм (если поддерживается), нет права на запись или запуск команд.

Важный момент: Architect не может писать код, его функция только планировать. Это защита от «сначала пишем, потом думаем».

3. Debug — «Отладчик»

Что делает: трассирует ошибки и предлагает исправления.

Когда использовать:

- Приложение упало с ошибкой
- CI/CD падает
- Тесты не проходят
- «Раньше работало, теперь нет»

Пример запроса:

> «При запуске получаю NullPointerException в строке 42. Вот стектрейс: [вставить]. Почему так происходит и как исправить?»

Как работает:

1. Анализирует стек ошибки
2. Предлагает гипотезы
3. Может запросить дополнительные логи
4. Предлагает конкретное исправление

Какие инструменты доступны: чтение файлов, чтение логов, запуск диагностических команд, ограниченная запись (только после подтверждения)

4. Ask — «Консультант»

Что делает: отвечает на вопросы о вашей кодовой базе.

Поможет отвечать на вопросы примерно такого характера:

- «Как работает этот модуль?»
- «Где в коде обрабатывается авторизация?»
- «Почему этот класс называется именно так?»
- «Какие зависимости у этого сервиса?»

Пример запроса:

> «Посмотри весь проект и объясни, как реализована в API генерация страниц»

Какие инструменты доступны: только чтение — поиск по коду, чтение файлов, анализ структуры. Нет права на запись или выполнение команд.

Важное замечание: Ask — это безопасный режим для исследования кодовой базы. Он ничего не может сломать.

5. Orchestrator — «Дирижёр»

Что делает: координирует многошаговые задачи, переключаясь между другими режимами.

Когда использовать:

- Задача сложнее одного промпта
- Нужно и спланировать (Architect), и написать (Code), и отладить (Debug)
- Автоматизация длительного процесса

Пример запроса:

> «Спроектируй (Architect) систему логина через Google, потом напиши (Code) реализацию, потом прогнай тесты и если упадут — отлади (Debug)»

Как работает:

1. Orchestrator получает большую задачу
2. Разбивает её на шаги
3. Для каждого шага вызывает нужный режим
4. Собирает результаты
5. Передаёт контекст следующему шагу

Пример многошагового процесса, который Orchestrator может выполнить автономно:

Шаг 1: [Architect] → Спроектировать API эндпоинт
Шаг 2: [Code] → Написать реализацию
Шаг 3: [Code] → Написать тесты
Шаг 4: [Debug] → Запустить тесты, починить упавшие
Шаг 5: [Ask] → Проверить, не нарушены ли существующие контракты

Сводная таблица, что может каждый режим:

[Пользовательские режимы (Custom Modes)]

Вы можете создавать свои собственные режимы с уникальной комбинацией:

Пример создания пользовательского режима «Security Auditor»:

name: "Security Auditor"
system_prompt: |
  Ты — эксперт по безопасности кода.
  Анализируй код на: SQL-инъекции, XSS, утечки данных.
  Не пиши исправлений, только описывай проблемы и их критичность.
tools:
  - read_file
  - search_code
  - read_only
model: "anthropic/claude-3.5-sonnet"

Как переключаться между режимами:

Итог: Kilo Code даёт вам пять готовых режимов (Code, Architect, Debug, Ask, Orchestrator) — от «просто напиши функцию» до «спланируй, реализуй и отлади целую систему», а также позволяет создавать свои собственные режимы под любые задачи. Это как иметь в IDE не одного AI-помощника, а целую команду с разными ролями, которые можно переключать по требованию.

Cloud Agents запускают Kilo внутри изолированных облачных контейнеров, соединенных с вашим репозиторием GitHub или GitLab, выполняя длительные по времени обработки процессы наподобие миграций, рефакторинга. Эти процессы будут работать даже когда ваш ноутбук закрыт. Вы можете запустить задачу агента из IDE, CLI, Slack или из web dashboard, просмотреть вывод их результатов работы как pull request, и возобновить ту же самую сессию локально, с сохранением полного контекста.

Облачные агенты (Cloud Agents) дают мощную возможность Kilo для автоматизации. Что такое Cloud Agents простыми словами, представьте, что вы даёте задание стажёру:

- «Переименуй все вхождения `user_id` на `userId` во всём проекте»
- «Разбей этот монолитный файл на 10 модулей»
- «Напиши миграцию базы данных и обнови все запросы»

Но стажёр работает не на вашем компьютере, а на сервере в облаке. Вы можете:

1. Закрыть ноутбук и уйти пить кофе — задача продолжит выполняться.
2. Наблюдать за процессом через веб-дашборд.
3. Получить Pull Request с результатом.
4. Вернуться к тому же месту на локальном компьютере, если захотите продолжить вручную.

Это и есть Cloud Agents.

[Где можно запустить Cloud Agent]

Kilo даёт четыре способа запустить облачного агента:

[Пример работы Cloud Agent]

Сценарий: рефакторинг на 3 часа

Шаг 1. Запуск (из VS Code):

/agent @Code Проанализируй весь код в папке /services.
Найди все места, где используется устаревший метод `oldApiCall()`.
Замени их на `newApiCall()`.
Создай Pull Request с изменениями.
Запусти тесты и если упадут — почини.

Шаг 2. Агент запустился в облаке:

Агент запущен в облачном контейнере
Статус: инициализация окружения
Репозиторий: github.com/company/myapp
Ветка: kilo-agent/refactor-old-api-2025-01-15

Шаг 3. Вы закрываете ноутбук и идёте домой — агент продолжает:

(00:05) Клонирую репозиторий
(00:12) Анализирую код... найдено 47 использований oldApiCall()
(00:45) Заменяю... 23/47
(01:30) Заменяю... 47/47
(01:35) Запускаю тесты... 3 упали
(01:50) Исправляю упавшие тесты...
(02:15) Тесты проходят
(02:20) Создаю Pull Request...

Шаг 4. Результат:

Pull Request создан: https://github.com/company/myapp/pull/1234
Изменено 47 файлов
Тесты: все пройдены
Агент завершил работу.

Шаг 5. (Опционально) Вы открываете ноутбук дома:

> kilo resume kilo-agent/refactor-old-api-2025-01-15

Восстанавливаю сессию...
Контекст сохранён: 47 замен, 3 исправленных теста
Продолжаем с того же места. Что дальше?

[Что могут делать Cloud Agents]

Почему это лучше, чем локальный запуск:

[Как восстанавливается контекст]

Это ключевая фишка. Cloud Agent сохраняет всё состояние:

Команда для возобновления:

kilo resume kilo-agent/refactor-old-api-2025-01-15

Или из веб-дашборда — просто нажать «Resume».

Безопасность и изоляция. «isolated cloud containers» — изолированные облачные контейнеры.

[Сравнение с альтернативами]

Итог: Cloud Agents Kilo позволяют вам делегировать долгие задачи (рефакторинг, миграции, создание PR) облачным контейнерам, которые работают даже при закрытом ноутбуке, а когда вернётесь — вы можете продолжить ровно с того же места, как будто ничего не прерывалось. Это превращает Kilo из «AI-помощника в IDE» в платформу для автономной автоматизации разработки.

Да. Kilo автоматически индексирует ваш репозиторий, прикрепляет к запросу самые важные файлы и символы, которые отностятся к запросу. Используется продвинутый поиск (ripgrep-powered), AST-aware tooling и постоянная память для приземления обработки к вашему фактическому коду. Вы также можете добавлять явный контекст указаниями наподобие @file, @folder или @url, подключать MCP серверы для получения полного доступа к инструментам. В частности, вы можете использовать свежую документацию через Context7 во избежания галлюцинаций в API (см. следующий вопрос про Context7).

Примечание: MCP сервер это небольшая программа-посредник, которая реализует этот протокол и предоставляет AI набор инструментов.

Context7 это специальный MCP-сервер, который решает одну из главных проблем при работе с AI-кодингом: галлюцинации API (когда AI пишет код с несуществующими или устаревшими функциями).

[Проблема, которую решает Context7]

Представьте, что вы просите AI написать код с использованием последней версии React или Next.js:

Без Context7: AI может сгенерировать код для React 17 (используя устаревшие методы), хотя вы работаете с React 19.

С Context7: AI подтягивает актуальную документацию и генерирует код, который действительно работает с вашей версией библиотеки.

Почему это происходит? LLM обучаются на данных, которые не всегда актуальны. Если библиотека вышла 2 месяца назад или часто обновляется, AI может предложить код для старой версии.

[Что именно делает Context7]

Context7 автоматически подтягивает свежую, версионированную документацию и примеры кода прямо из официальных источников.

[Context7 в экосистеме Kilo]

Kilo Code полностью поддерживает MCP-серверы, включая Context7. Более того, Kilo планирует поставлять Context7 "из коробки", поскольку разработчики считают его полезным для большинства пользователей.

Как установить Context7 в Kilo Code. Процесс установки очень простой:

1. Нажмите на кнопку "MCP Server" в верхней панели инструментов Kilo Code.
2. Найдите "Context7" в списке.
3. Нажмите кнопку "Install".
4. Kilo Code автоматически запустит задачу по настройке Context7.

Как использовать Context7. После установки просто добавьте "use context7" в ваш промпт:

> "Create a basic Next.js project with app router. use context7"

AI поймёт, что нужно использовать Context7 для получения актуальной документации.

[Технические детали]

Context7 работает как удалённый MCP-сервер (remote MCP server), который подключается через `streamable-http`.

Пример конфигурации MCP для Kilo Code (JSON):

{
  "mcpServers": {
    "context7": {
      "url": "https://mcp.context7.com/mcp",
      "headers": {
        "Authorization": "Bearer ВАШ_API_КЛЮЧ_CTX7"
      },
      "type": "streamable-http"
    }
  }
}

[Место Context7 в иерархии получения знаний]

В продвинутых сценариях использования Context7 часто используется как приоритетный источник документации:

[Практические примеры]

Сценарий 1: мобильная разработка. Если вы разрабатываете мобильное приложение на React Native, добавление Context7 помогает AI использовать актуальные API, а не устаревшие.

Сценарий 2: сложные проекты с несколькими библиотеками. В проектах, где используются десятки библиотек, Context7 автоматически подтягивает документацию для каждой из них — вам не нужно вручную искать и копировать документацию.

Kilo Code работает с любым языком, который знает выбранная вами модель, включая TypeScript, JavaScript, Python, Go, Rust, Java, Kotlin, Swift, C#, C/C++, Ruby, PHP, Scala, Elixir, Dart, SQL, HTML/CSS, Terraform и Bash. Kilo дает максимальную производительность там, где нужна скорость (Tree-sitter - парсер, анализатор кода нового поколения), и максимальную глубину там, где важна интеграция (JetBrains). Kilo работает с кодом не просто как с текстом, а с пониманием синтаксической структуры языка (AST-aware).

Kilo является open source, поддерживает 500+ моделей, вы можете приносить собственные API keys, работает внутри стандартных VS Code и JetBrains — не требуется специализированный редактор. Безопасность вашей работы усиливается благодаря возможности использовать локальные модели, отсутствию тренинга Kilo на вашем коде, вы видите каждый запрос, который агент отправляет модели. Вы платите только за реальное использование токенов, без фиксированной подписки. Обеспечиваются корпоративные функции безопасности без смены редактора (SSO, audit), так что можно внедрить Kilo в команде, не пересаживая разработчиков на новую IDE.

GitHub Copilot закрытый, проприетарный, работает по принципу автодополнения (autocomplete) кода, имеет фиксированную месячную оплату. Kilo Code это open source агент, выполняющий множество функций — refactor, debugging, reviews, deployments — с возможностью использования 500+ моделей от популярных провайдеров, поддержкой локального запуска, с нулевой наценкой. Команды, которым нужен аудит логов, общие учетные данные и пользовательские режимы - получат больше гибкости и работа с Kilo обойдется дешевле.

Да. Kilo является первоклассным MCP-клиентом: вы можете подключить любой MCP-сервер для предоставления агенту пользовательских инструментов, API, документации или внутренних сервисов. Имеется встроенный MCP marketplace для установки дополнений в один клик (GitHub, Linear, Jira, Postgres, Context7, Browserbase и другие), и команды могут публиковать приватные серверы MCP для своих организаций.

Да, Kilo Teams добавляет центрилизованный учет оплаты (billing), общий кредитный баланс, аналитику по использованию каждым участником команды, доступ на базе ролей, правил команды или компетенции. Корпоративный тариф (Enterprise tier) добавляет SSO/SAML, SCIM provisioning, audit logs, SOC 2 Type II, data-residency controls, dedicated proxy gateway, и приоритетную поддержку на условиях SLA (Service Level Agreement). Возможна фиксированная цена за каждого пользователя в команде и договорная для корпоративного тарифа.

Попытался проанализировать Kilo Code вот этот репозиторий:

https://github.com/apache/nuttx 

Скачал его, открыл, дал запрос, но плагину Kilo Code что-то не нравится, вот такое появилось сообщение:

"It is taking a long time to initialize the snapshot system, likely due to the size of the repository. Do you want to disable Snapshots for this repository?

Select one answer

♦ Continue with snapshots. Keep waiting for the snapshot to complete. Subsequent turns are fast once the initial snapshot is built.

♦ Disable for this project. Turn off Kilo's snapshots for this project. You will lose undo/redo of Kilo file changes, but git still tracks everything."

Это сообщение появляется не из-за ошибки, а из-за огромного размера репозитория Apache NuttX. Kilo Code просто предупреждает вас, что процесс создания "слепков" (снапшотов) вашего проекта занимает много времени, и предлагает выбор.

Давайте разберемся, что происходит и какой вариант выбрать.

[Что такое "Слепки" (Snapshots) и почему они тормозят?]

Слепки (Snapshots) — это встроенная в Kilo Code система контроля версий. Простыми словами, это как "машина времени" для вашего кода. Когда агент Kilo вносит изменения, система автоматически создает "слепок" проекта ДО и ПОСЛЕ каждого действия.

Зачем это нужно: это позволяет вам безопасно экспериментировать. Если предложенные агентом изменения вам не нравятся, вы можете нажать кнопку "Revert" (Откатить) и вернуть код в состояние "ДО".

Проблема с NuttX: Apache NuttX — это операционная система реального времени. Её репозиторий содержит миллионы строк кода и огромное количество файлов. Системе слепков Kilo нужно проиндексировать все эти файлы в вашем локальном `.git` репозитории, чтобы она могла работать.

[Ваш выбор]

У вас есть три варианта, у каждого есть свои достоинства и недостатки. Вот что означает каждый из них и к чему приведет:

1. "Continue with snapshots" (Продолжить со слепками)

Что произойдет: Kilo Code продолжит попытки построить полную систему слепков для всего репозитория NuttX.

Последствия:

   Минус: первый запуск будет очень медленным и может занять много времени или даже "подвесить" редактор на слабых машинах.
   Плюс: как только процесс завершится **один раз**, вы получите полностью работающую функцию "машины времени" (отмены/возврата изменений) для всех ваших сессий в этом проекте. Если вы планируете долго и часто работать с NuttX, этот вариант предпочтительнее.

2. "Keep waiting" (Продолжить ждать)

Что произойдет: вы просто откладываете решение. Kilo Code продолжит висеть в состоянии инициализации.

Последствия: этот вариант имеет смысл, если вы считаете, что инициализация почти завершена, и вы готовы подождать еще немного.

3. "Disable for this project" (Отключить для этого проекта) — рекомендуемый выбор

Что произойдет: Kilo Code полностью отключит систему слепков специально для репозитория NuttX. Он больше никогда не будет пытаться её строить.

Последствия:

   Минус: потеряется возможность использовать кнопку "Revert" (отмены) для изменений, сделанных агентом Kilo в рамках этого конкретного проекта.
   Плюс: ВСЕ остальные функции Kilo (написание кода, ответы на вопросы, рефакторинг, отладка) будут работать мгновенно и без задержек. Git и так отслеживает все ваши изменения, поэтому для большинства задач вы можете обойтись стандартным контролем версий.

Для такого огромного репозитория, как NuttX, лучше выбрать "Disable for this project". Нажав эту кнопку, вы:

1. Мгновенно избавитесь от подвисания.
2. Сможете сразу начать задавать вопросы агенту о коде NuttX.
3. Не потеряете никакой критически важной функциональности, так как все AI-возможности Kilo будут работать в штатном режиме.

Выберите этот вариант, и плагин сразу станет отзывчивым.

Для Kilo Code есть два основных варианта, которые позволят вам использовать возможности ИИ совершенно бесплатно и без получения API-ключей.

[Вариант 1. Встроенные облачные модели (самый простой)]

Kilo Code включает в себя несколько мощных облачных моделей, которые доступны сразу после регистрации. Это лучший выбор, если вы хотите получить максимальную производительность без настройки локального оборудования.

GLM 4.7 от Z.ai: очень мощная модель с большим контекстным окном в 202K токенов, что позволяет ей эффективно работать с большими кодовыми базами.
MiniMax M2.1: еще одна высококлассная модель, показывающая отличные результаты в бенчмарках программирования.

Как начать использовать:

1. Установите расширение Kilo Code в вашу IDE (VS Code, JetBrains и др.).
2. Создайте бесплатный аккаунт в Kilo Cloud на официальном сайте app.kilo.ai. Это займет меньше минуты.
3. В интерфейсе Kilo Code выберите одну из предложенных моделей (`GLM 4.7` или `MiniMax M2.1`) и начните работу.

Важный момент: будьте внимательны при выборе. В настройках также может предлагаться "Ollama Cloud" — это платный сервис. Вам нужно выбрать именно те модели, которые указаны выше.

[Вариант 2. Локальные модели (для продвинутых пользователей)]

Этот вариант подойдет тем, кто хочет работать полностью офлайн, заботится о конфиденциальности данных или просто интересуется локальными LLM. Он требует установки дополнительного ПО и наличия достаточно мощного компьютера, но является полностью бесплатным. для всех перечисленных вами моделей не существует «кредитных лимитов» или ограничений по вычислительной нагрузке в день. Также нет ограничений по кредитам использования - вы можете их использовать без каких-либо ограничений на вычислительную нагрузку.

Причина очень проста: это локальные модели. Вы не арендуете их у провайдера в облаке (как ChatGPT или Claude), а скачиваете и запускаете на своем собственном компьютере.

Для работы с локальными моделями вы можете использовать одно из двух популярных решений: Ollama или LM Studio.

[Какие локальные модели выбрать?]

Для задач программирования хорошо себя зарекомендовали:

Qwen3-Coder:30b/14b/7b: считается одной из лучших моделей для кодинга.
DeepSeek Coder (6.7b, 33b): специализированная код-модель, доступная через LM Studio.
CodeLlama (7b, 13b, 34b): хорошо зарекомендовавшая себя серия моделей от Meta.
Llama 3.1 (8b): хорошая универсальная модель, которая также неплохо справляется с кодом.

Системные требования: работа с локальными моделями, особенно объемом от 13 миллиардов параметров, требует мощного компьютера с современным GPU и большим объемом видеопамяти (VRAM). Для менее производительных систем лучше выбирать модели на 7B.

[Что означает 7B]

7B (или 7B параметров) — это обозначение размера нейросетевой модели.

B = Billion (миллиард)

Т. е. 7B означает, что модель имеет 7 миллиардов параметров.

Параметры — это, грубо говоря, "настройки" или "веса", которые модель изучает в процессе обучения. Чем больше параметров, тем:

- Умнее и точнее модель (в целом).
- Больше требуется оперативной и видеопамяти.
- Медленнее работает модель.

Основные размеры моделей:

Почему 7B — золотая середина для домашнего ПК?

Достаточная мощность: модели на 7B параметров (например, Qwen2.5-Coder-7B, CodeLlama-7B) отлично справляются с автодополнением кода, объяснением ошибок, рефакторингом и ответами на вопросы по кодовой базе.

Приемлемые требования: запускаются на видеокартах с 6-8 GB VRAM (например, RTX 2060/3060/4060).

Быстрый отклик: генерируют ответ за 1-3 секунды на обычном игровом ПК.

[7B vs 13B vs 70B на практике]

7B (рекомендуется для начала)  

✅ Работает на большинстве игровых ноутбуков
✅ Достаточно умная для 80% задач программирования
❌ Может "тупить" на очень сложных или неоднозначных вопросах

13B (для энтузиастов)  

✅ Реже ошибается, лучше понимает контекст
✅ Хороший баланс скорости и качества
❌ Требует серьезной видеокарты (RTX 3080/4070+)

70B (для профи с мощным железом)  

✅ Почти как ChatGPT по качеству
❌ Требует 24+ GB VRAM (RTX 4090 или несколько карт)
❌ Очень медленная на обычном ПК

[Как понять, подойдет ли вам модель 7B?]

1. Посмотрите видеокарту:  

RTX 3060 (12GB) → смело запускайте 7B, возможно даже 13B
RTX 2060 (6GB) → 7B будет работать, но на пределе
Встроенная графика (Intel/AMD) → только 3B модели

2. Проверьте оперативную память: если у вас нет дискретной видеокарты, можно запустить модель на процессоре (через Ollama), но:

- 7B модель на CPU будет работать очень медленно (5-10 секунд на ответ)
- Потребуется 16+ GB RAM

[Примеры конкретных моделей 7B для кодинга]

В Ollama можно установить командами:

# Qwen2.5 Coder 7B (рекомендуется)
ollama run qwen2.5-coder:7b

# CodeLlama 7B
ollama run codellama:7b

# DeepSeek Coder 7B
ollama run deepseek-coder:6.7b

Итог: 7B = 7 миллиардов параметров = оптимальный размер для домашнего использования в Kilo Code, если у вас есть видеокарта с 6+ GB памяти. Для слабых ПК смотрите модели 3B, а для мощных (RTX 4080/4090) — 13B или даже 34B.

Здесь ситуация полностью отличается от локальных моделей, поскольку у локальных моделей вообще нет ограничений, вы ограничены только ресурсами своего компьютера.

Да, у облачных моделей GLM 4.7 и MiniMax M2.1 есть ограничения. Но в Kilo Code они настолько щедрые, что для обычного использования их можно считать «безлимитными».

[Конкретные лимиты для каждой модели]

GLM 4.7 от Z.ai. Через Kilo Code вы получаете доступ к стандартной версии GLM 4.7. Её ограничения:

Важное уточнение: GLM-4.7-Flash (бесплатная «быстрая» версия от Z.ai) имеет лимит 1 одновременный запрос. Kilo Code предоставляет полноценную GLM 4.7, но порядок ограничений вероятно схожий.

MiniMax M2.1. У MiniMax очень прозрачная документация по лимитам: 

[Kilo Code против прямого доступа через API]

Обратите внимание на важный нюанс: Kilo Code договаривается с провайдерами о специальных условиях. Через их платформу модель MiniMax M2.1 предоставляется бесплатно (хотя официальный API MiniMax стоит денег).

Актуальные лимиты для Kilo Code могут отличаться от тех, что указаны в официальной документации MiniMax (которая описывает прямые вызовы API). На практике пользователи Kilo Code сообщают, что при обычной работе с кодом лимитов хватает с запасом.

[Итог: что это значит для вас?]

Практический совет: начните с работы через Kilo Code, просто используя модели в интерфейсе. Скорее всего, вы не заметите никаких ограничений. Если вдруг начнете получать ошибки из-за лимитов (что маловероятно при обычной разработке), у вас всегда есть «план Б»:

1. Переключиться на другую бесплатную модель — GLM 4.7 и MiniMax M2.1 доступны обе, можно чередовать.
2. Подключить локальные модели (Qwen, CodeLlama и др.) через Ollama/LM Studio — с ними вообще нет лимитов, как обсуждали ранее.

Акция с бесплатным доступом к MiniMax M2.1 в Kilo Code позиционируется как «ограниченное по времени предложение» (на момент конца мая 2026), но пока никакой конкретной даты окончания не объявлено. Так что пользуйтесь, пока доступ открыт!