这篇文章给你介绍一款正在快速走红的开源 AI 编程工具——OpenCode，以及它的桌面工作流搭档 OpenWork。
如果你想要一套开源可控、支持多模型、还能自托管的 AI 编程环境，这篇可以直接收藏当入门指南。
Claude Code 很棒。 但如果你是一个极客，你会对 OpenCode 一见钟情。 从你的 ChatGPT、Claude、Gemini 订阅开始。OpenCode 全部支持。
OpenCode 是一款开源的 AI 编程代理（Coding Agent），可以看做是 Claude Code 的开源替代品。它不绑定任何单一模型提供商，支持 75+ LLM 提供商以及本地模型，采用 隐私优先、可自托管、完全开源 的路线。
它可以运行在：
你只需要用自然语言描述需求，它就能帮你：
它完全开源（MIT 协议），支持本地部署和多种模型接入，不依赖任何单一厂商。
OpenCode 最有代表性的设计，就是 Plan / Build 双模式工作流：
实战推荐用法是：先 Plan 想清楚，再 Build 动手做，这种「先规划、再执行」的流程，能显著降低翻车风险。
在模型这块，OpenCode的定位可以概括为：
「模型中立平台」：支持多家模型提供商、本地模型、自带Key，并且开箱即用。
OpenCode支持 75+ 模型提供商，包括：
你可以在同一套工作流中自由切换、对比不同模型，不被任何一家厂商锁死。
多模型带来的最大问题，往往是配置复杂：不同家的 Base URL、认证方式、模型名各不相同。
OpenCode在这里做了一件非常实用的事情：
只需「选择提供商 → 粘贴 API Key」，即可完成一键配置。
它会自动帮你处理：
不需要手写复杂配置文件，也不必自己调试 HTTP 请求，大幅降低了多模型接入的复杂度。
在此基础上，OpenCode还通过官方渠道内置了免费高质量模型通道，例如：[2]
这些模型在：
中都有非常亮眼的表现，已经可以对标很多闭源旗舰模型。
在 OpenCode 中使用它们非常简单：
kimi-k2.5-free 或 glm-4.7-free 即可使用这让新手可以零成本上手 AI 编程，老手则可以用来对比评估不同模型的效果和成本。
综合来看，多模型 + 一键配置 + 免费模型，让 OpenCode 在「模型层」兼顾了：
对很多开发者来说，终端就是主战场。
OpenCode 的 TUI 界面基于终端 UI 框架构建，整体风格偏 Neovim：
对习惯 Vim/Neovim 的同学来说，上手非常自然。
OpenCode并不是一个「单机小工具」，而是一个可以当服务使用的编程智能体平台：
这让你可以把 OpenCode 当成一个「编程服务」，统一管理权限、模型和工具，然后用各种 UI 去驱动它。
OpenCode内置了 LSP（Language Server Protocol） 集成：
同时还提供一批内置工具（glob、grep、view、patch、diagnostics 等），供 AI 智能体在内部调用，实现更复杂的编辑和分析操作。
curl -fsSL https://opencode.ai/install | bash
特点：
$OPENCODE_INSTALL_DIR → $XDG_BIN_DIR → $HOME/bin → $HOME/.opencode/bin）opencode 命令Node.js / npm：
npm i -g opencode-ai@latest
# 或 bun/pnpm/yarn 对应命令
Homebrew（macOS / Linux）：
brew install anomalyco/tap/opencode # 社区 tap，更新更快
# 或
brew install opencode # 官方 formula，更新较慢
Windows：
# Scoop
scoop bucket add extras
scoop install extras/opencode
# 或 Chocolatey
choco install opencode
Arch Linux：
paru -S opencode-bin
安装完后，用：
opencode --version
确认安装成功。
适合不喜欢纯命令行的用户：
opencode-desktop-darwin-aarch64.dmg / ...-x64.dmgopencode-desktop-windows-x64.exe.deb/.rpm 或 AppImagebrew install --cask opencode-desktop
桌面版提供 GUI，底层仍然驱动同一套 OpenCode 引擎。
首次运行：
opencode
进入 TUI 后：
/connect也可以直接编辑配置文件：
~/.config/opencode/opencode.json（或 $XDG_CONFIG_HOME/opencode/opencode.json）<项目根目录>/opencode.json 或 .opencode/opencode.json典型配置示例（简化版）：
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"myprovider": {
"npm": "@ai-sdk/openai-compatible",
"name": "CanopyWave",
"options": {
"baseURL": "https://inference.canopywave.io/v1",
"headers": { "Authorization": "Bearer your_key" }
},
"models": {
"zai/glm-4.7": { "name": "glm47" }
}
}
}
}
在项目根目录执行：
opencode
进入后：
帮我在当前项目中增加一个用户登录接口，使用 JWT 认证，并补全单元测试。
通过 WebUI 以浏览器的形式使用 AI 编程工具，可以实现随时随地使用手机等移动设备远程编程。对于 Claude Code 等工具需要借助如 happyCode 等第三方工具实现。
OpenCode 自带 WebUI 服务支持，可以直接运行如下命令后通过浏览器访问：
opencode web --port 8881 --mdns
其中 mdns 参数用于允许可局域网访问。
oh-my-opencode 是一个「OpenCode 的超级插件 / 智能体管理框架」，通过多个专业子智能体并行协作，模拟真实开发团队的工作方式，相当于给 OpenCode 安装一个「多智能体大脑」。
在 OpenCode 基础上，oh-my-opencode（简称 OMO） 做的核心事情就是：
把原本的“单一 AI 助手”，升级为一个 有分工、有协作、能并行干活的多智能体开发团队。
具体实现方式包括：
结果是：在复杂项目、长链路任务（如重构大项目、从 0 到 1 搭项目）中，效率和可靠性显著提升。
安装示例：
# 基于 Bun 的 bunx 安装示例
bunx oh-my-opencode install # recommended
# 基于 Node.js 的 npx 安装示例
npx oh-my-opencode install # alternative
A. 多智能体协作：并行执行与任务编排
OMO 的一个核心优势是：后台多个智能体可以并行工作。
典型流程（以一个“实现登录功能”的需求为例）：
要点：你不是在和“一个模型聊天”，而是在和 一个由多模型、多智能体组成的“AI 团队”合作。
B. 深度集成 LSP + AST 工具：自动重构、重命名、结构化搜索。
这让智能体在执行诸如“重命名一个核心函数”时，不是简单字符串替换，而是通过 LSP/AST 做 结构化、安全的重构，极大降低“改挂项目”的风险。
C. 上下文治理：自动注入、智能裁剪、降低 token 浪费
README.md、AGENTS.md、约定/规范文档会自动进入上下文；OMO 预设了一整套“专业角色”，常见的包括：
| 智能体 | 主要职责 | 使用场景示例 |
|---|---|---|
| Hephaestus | 深度 Coding 工匠 | 端到端实现复杂功能、大块重构 |
| Oracle | 设计 + 调试专家 | 架构设计、性能分析、疑难 bug 排查 |
| Frontend UI/UX Engineer | 前端工程师 | 页面布局、交互逻辑、组件拆分 |
| Librarian | 文档 / 资料专家 | 查官方文档、找开源实现、读 README/AGENTS 等 |
| Explore | 极速代码库探索者 | AST 级“语义 grep”、代码模式搜索 |
| Multimodal Looker | 多模态分析 | 对复杂多模态内容做解析（如设计稿、图表等） |
其中 Hephaestus 的设计非常典型，体现了 OMO 对“真正能干活的智能体”的追求：
工作原理：
Oh My OpenCode 的任务执行流程如下：
用户输入任务
↓
Sisyphus（主协调器）解析任务并制定执行计划
↓
Sisyphus 将任务分派给相应的专业子智能体
↓
子智能体在后台并行执行各自任务
↓
Sisyphus 汇总各子智能体的输出
↓
生成最终结果
整个过程为全自动化。用户只需输入任务描述，系统会根据任务类型自动调度相应的子智能体完成工作，无需额外干预。
几个非常实用的指令：
ulw（Unified Large Worker）
ulw 帮我做一个基于 Vue3 + Pinia 的 Todo List，要求数据持久化到 localStorage
/ralph-loopultrawork大项目刚接手
→ 让 OpenCode 先「画项目地图」，帮你梳理模块与数据流
大量 Bug / 测试不通过
→ 搭配 /ralph-loop，让 AI 自动修到测试通过为止
多模型对比
→ 在同一任务下切换不同模型，结合 oh-my-opencode 做 A/B 测试
核心 CLI / Server：
终端 UI / 桌面 UI：
扩展与集成：
整体架构可以简化为：
TUI / 桌面 / IDE 插件 / Web UI
↓
OpenCode SDK / HTTP API
↓
OpenCode Server
（会话管理 + LSP + 工具系统）
↓
模型网关 / 各家 LLM / 本地模型
opencode.json 和 .opencode/skills 来扩展能力| 维度 | OpenCode | Claude Code |
|---|---|---|
| 授权与开源 | MIT 开源，可自托管 | 闭源，SaaS 服务 |
| 模型支持 | 75+ 提供商 + 本地模型（Ollama 等） | 仅 Claude 系列模型 |
| 工具本身定价 | 工具免费，按模型供应商付费 | 订阅费 + API 费用（如 \$20–\$200/月） |
| 界面形态 | 终端 TUI + 桌面 App + IDE 插件 | CLI + 桌面 App + VS Code 扩展 |
| 工作流 | Plan / Build 双模式，强制先规划后执行 | Plan 模式 + 高度自动化编程代理 |
| 数据与隐私 | 完全可控，可在内网部署 | 依赖云端服务 |
| Skills 生态 | 兼容 Claude Skills，且可通过插件扩展 | 原生 Skills 生态 |
| 响应速度 | 略慢于官方（通常 2.1–2.5 秒级别） | 更快（约 1.6–2.0 秒） |
| 灵活性 | 极高，可任意更换或混合模型 | 中等，受限于Anthropic 生态 |
简要结论：
| 维度 | OpenCode | Cursor（基于 VS Code 的 AI IDE） |
|---|---|---|
| 使用场景 | 更像「智能体层」，偏自动化工作流 | 更像「IDE 增强」，偏代码补全与局部修改 |
| 界面 | 终端 + 桌面 + IDE 集成 | 完整 IDE（VS Code 改造版） |
| 学习曲线 | 需要理解 Agent / Plan/Build 思路 | VS Code 用户几乎零成本 |
| 模型灵活性 | 极高，多模型+本地模型 | 多模型但集中在云端 |
| 自主性 | 强调自动完成多步复杂任务 | 更强调「人机协同」+ 实时补全 |
一句话概括：
Cursor 像是「聪明的 VS Code」，而 OpenCode 更像「可编排的编程智能体平台」。
OpenWork 是基于 OpenCode 引擎的开源桌面应用，定位是 Claude Cowork / Claude Work 的开源替代品。
可以理解为：
OpenCode 是引擎，OpenWork 是图形界面 + 工作流编排层。
适合：
opencode serve，工作区目录即为项目根.opencode/skills 和 opencode.jsonpackages/apppackages/desktop@opencode-ai/sdk/v2/client 连接 OpenCode Server，实现：
本质关系可以概括为一句话：
OpenCode 是引擎，OpenWork 是体验层。
OpenCode 处理「能干什么」，OpenWork 负责「怎么让人好用」。
如果你看到这里，想实际试一试，可以参考下面的步骤：
ulw、/ralph-loop 等命令OpenCode 解决了很多传统 AI 编程工具的痛点：
无论你是个人开发者，还是负责团队工程效率的技术负责人，都值得花一点时间把它搭起来，用一段时间，你会明显感到：
这不只是「写代码更快」，而是「整个开发流程的智能化升级」。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。