在深度体验 OpenCode 一天之后，我做出了一个决定：放弃使用 Claude Code。
Claude Code 有时表现得像游戏圈里某些傲慢的厂商，用户反馈了许久的问题，它似乎总是不为所动。这些问题包括但不限于：
- 在终端输入文字时，整个界面会莫名其妙地向右位移。
- 在某些情况下，生成的内容会出现渲染乱码。
- 它会无法预判地、突然地对上下文进行总结，让人摸不着头脑。
更令人头疼的是，Anthropic 这家公司时不时就来一波账号封禁潮，这导致依赖其 API 的中转服务也经常掉线，严重影响了开发节奏的稳定性和可持续性。
所以，我决定放弃 Claude Code，全面转向 OpenCode。
OpenCode安装
OpenCode 是 Anomaly 公司开发的一个 coding agent 工具。
与 Claude Code 的封闭生态不同，OpenCode 显得相当开放。它不仅开源了全部代码，还提供了多个可以免费使用的模型，包括目前国内表现第一梯队的 Kimi-K2.5、GLM-4.7 和 MiniMax-M2.1。
并且，在开源社区的协作模式下，那些在 Claude Code 里迟迟得不到解决的恼人问题，在这里基本都被社区开发者们修复了。
OpenCode 提供 CLI（命令行）和桌面版两种使用模式。
CLI 的安装方式如下，你可以根据自己使用的操作系统选择对应的命令：
# YOLO
curl -fsSL https://opencode.ai/install | bash
# Package managers
npm i -g opencode-ai@latest # or bun/pnpm/yarn
scoop install opencode # Windows
choco install opencode # Windows
brew install anomalyco/tap/opencode # macOS and Linux (recommended, always up to date)
brew install opencode # macOS and Linux (official brew formula, updated less)
paru -S opencode-bin # Arch Linux
mise use -g opencode # Any OS
nix run nixpkgs#opencode # or github:anomalyco/opencode for latest dev branch
桌面版的安装命令则相对简单：
# macOS (Homebrew)
brew install --cask opencode-desktop
# Windows (Scoop)
scoop bucket add extras; scoop install extras/opencode-desktop
桌面版的好处在于，当它完成一项耗时任务后，可以发送系统通知来提醒你。但它的功能目前并不完整，既不能像完整 IDE 那样编辑文件，也无法安装插件。因此，对于大多数开发者而言，只安装 CLI 版本就完全足够了。
安装完成后，在终端直接输入 opencode 命令，就可以唤醒它开始使用了。
oh-my-opencode插件安装
仅仅安装 OpenCode 基础版本，并不能完全释放这些大模型的潜力。有一个韩国开发者制作了一个名为 oh-my-opencode 的插件，它号称是 OpenCode 的“最强插件”，装上之后才是完全体。
安装方式非常简单：
bunx oh-my-opencode install
安装过程中，它会询问你是否拥有 Claude、OpenAI、Gemini 等商业模型的 API Key，如果没有，一律回答“否”即可。
这个插件的核心设计理念，是利用 10 个不同的智能体（Agent）协同工作，让每个模型都能发挥自己最擅长的部分。这十个 Agent 的设计如下表所示。
| Agent 名称 |
使用模型 |
角色定位 |
主要职责说明 |
| Sisyphus |
anthropic/claude-opus-4-5 |
默认主控 / 编排器 |
系统默认的任务编排中枢，负责整体规划、任务拆解、子 Agent 调度与并行执行；采用 Todo 驱动工作流，支持长上下文深度思考（32k），在主模型不可用时自动多级降级切换。 |
| oracle |
openai/gpt-5.2 |
架构顾问 / 代码审查 |
提供高质量的架构设计建议、代码审查与疑难调试分析；只读咨询角色，不直接执行任务，偏重严谨逻辑与系统性推理，定位类似 AmpCode 风格的“技术裁判”。 |
| librarian |
zai-coding-plan/glm-4.7 |
资料专家 / 代码库分析 |
擅长多仓库分析、文档检索、开源实现考证；能够结合代码与文档给出有证据支撑的结论，适合理解“为什么现在是这样实现的”。 |
| explore |
anthropic/claude-haiku-4-5 |
快速探索 / 代码检索 |
用于高速扫描代码库、上下文定位与类 grep 行为；适合快速理解项目结构、接口分布与策略定义，强调速度与覆盖面。 |
| multimodal-looker |
google/gemini-3-flash |
多模态分析专家 |
专注于 PDF、图片、图表、示意图等视觉内容的解析与信息抽取；在涉及文档视觉结构或非纯文本输入时优先使用。 |
| Prometheus |
anthropic/claude-opus-4-5 |
战略规划者 |
通过“访谈式”交互澄清需求，逐步生成详细、可执行的工作计划；强调全局目标、阶段划分与资源配置。 |
| Metis |
anthropic/claude-opus-4-5 |
规划前分析顾问 |
在正式制定计划前进行审视，识别隐藏意图、歧义点、潜在失败模式与 AI 易误判区域，属于“计划前的风控层”。 |
| Momus |
openai/gpt-5.2 |
计划评审 / 质量控制 |
对既定计划进行审查，重点评估清晰度、可验证性与完整性，指出逻辑漏洞或不可执行之处，确保计划可落地。 |
| （Invoking）@oracle |
同 oracle |
显式调用接口 |
当用户显式请求时，用于对设计或实现方案进行架构级评审与技术判断。 |
| （Invoking）@librarian / @explore |
同各自 Agent |
显式调用接口 |
允许用户直接指定进行实现考证（@librarian）或策略/代码快速定位（@explore），绕过主控自动调度。 |
但按照上表的默认设置，你需要开通多个平台的付费会员，这对普通用户来说成本太高。一个简单的办法是，不管这些分工，直接把所有 Agent 使用的模型都设置成同一个免费的。
具体操作是编辑这个 JSON 配置文件：
open ~/.config/opencode/oh-my-opencode.json
目前感觉 Kimi K2.5、GLM-4.7、MiniMax M2.1 这“国产三兄弟”的效果相差不大。K2.5 是最新推出的，在各类榜单上分数很高，实际调用速度也没有想象中慢，体验很顺畅。
因此，我这里就把配置文件中所有的 opencode/big-pickle 都改成 kimi-k2.5-free。
设置完成后，再次启动 OpenCode，你会发现左下角多了一个 “Sisyphus” 的标识。
Sisyphus（西西弗斯）这个名字来源于希腊神话：他因触怒诸神，被罚永无止境地将一块巨石推上山顶，而巨石总在抵达前滚落。他明知道这是一项永远无法彻底完成的任务，却依然一次次重新开始。
把主 Agent 命名为西西弗斯，可以说非常贴切了，毕竟我们给它安排的工作也常常是“无穷无尽”的。
在终端中使用时，按 Tab 键可以在不同的 Agent（如 Prometheus, Atlas）间切换，分别对应规划模式和按计划执行模式。输入 /model 命令，则可以切换使用其他模型。
此外，这个插件还内置了一条“魔法咒语”。在向 Agent 提问时，如果在开头输入 ulw 或者 ultrawork，就会触发“终极工作模式”。
该模式会在你的指令前插入一长串强制性的提示词，其核心思想是要求 AI 在动手前必须进行超限思考，达到100%确定性，并强制其调用各类 Agent 进行上下文收集、规划和审查，以确保最终交付物绝对符合用户原始需求，杜绝任何形式的妥协或“半成品”。
触发后的完整提示词翻译如下：
<ultrawork-mode>
强制要求：当该模式被激活时，你必须以“ULTRAWORK MODE ENABLED!”作为对用户的第一句话。这是不可协商的硬性规则。
代码红色警报（CODE RED）：需要最高级别的精度。在采取任何行动之前，必须进行超限思考（Ultrathink）。
必须达到绝对确定性，不允许跳过。本规则具有最高优先级。
在你百分之百确定之前，绝对禁止开始任何实现工作。
在写下任何一行代码之前，你必须完成以下事项：
第一，完全理解用户真正想要的内容，而不是你主观推测的需求。
第二，深入探索代码库，理解现有的代码模式、整体架构以及上下文关系。
第三，制定一个极其清晰、具体、可执行的工作计划。如果你的计划是模糊的，那么你的工作一定会失败。
第四，消除所有歧义。只要存在任何不清楚、不确定的地方，就必须通过调查或提问来解决。
强制确定性协议如下。
如果你尚未达到百分之百确定：
第一，进行深度思考。明确用户的真实意图，弄清楚他们真正想解决的核心问题。
第二，进行彻底探索。启动 explore 和 librarian agent，收集所有相关的背景信息与上下文。
第三，咨询 oracle。凡是涉及架构决策、复杂逻辑，或你已经陷入卡顿状态时，必须咨询 oracle。
第四，如果在完成探索后仍然存在歧义，直接向用户提问，绝对不要自行猜测。
以下情况明确表明你尚未准备好开始实现：
你在对需求作任何形式的假设；
你不清楚应该修改哪些文件；
你并不真正理解现有代码是如何运作的；
你的计划中出现了“可能”“也许”“大概”等不确定措辞；
你无法清晰、完整地说明你将采取的具体步骤。
当存在任何疑问时，应当立即采取以下行动：
委派 explore agent 查找代码库中的相关模式；
委派 librarian agent 查找对应的文档或示例；
委派 oracle 对你的整体方案进行审查和质询。
只有在你已经完成以下所有事项之后，才允许开始实现，而且只能在此之后：
已经通过 agent 收集了足够的上下文信息；
已经解决了所有歧义；
已经制定了精确、逐步、无漏洞的工作计划；
已经对自己的理解达到了百分之百的信心。
不接受任何借口，不允许任何妥协，必须交付被明确要求的内容。
用户的原始请求是绝对不可侵犯的，你必须严格、准确、完整地履行。
以下说法全部不可接受：
“我没法完成，因为……”
“这是一个简化版本……”
“你可以之后再扩展……”
“由于某些限制……”
“我做了一些假设……”
你没有任何正当理由去做以下事情：
交付不完整的工作；
在没有获得用户明确许可的情况下擅自更改任务范围；
进行任何形式的未经授权的简化；
在任务尚未百分之百完成时停止；
对任何明确写出的需求作出妥协。
如果你遇到阻塞或困难：
不要放弃；
不要提交缩水或妥协的版本；
咨询 oracle 寻找解决方案；
向用户请求澄清或指导；
探索所有可行的替代路径。
用户要求的是 X，你就必须交付 X，不多不少，没有例外。
你必须充分利用所有可用的 agent 以及它们各自的类别和技能，并明确告知用户你将调用哪些 agent 来完成任务。
对于任何非平凡任务，规划 agent（plan agent）是强制的，不可跳过。
满足以下任意条件，就必须调用 plan agent：
任务包含两个或以上步骤；
任务范围不清晰；
需要进行实现；
需要做出架构层面的决策。
plan agent 的职责包括：分析任务依赖关系、识别并行执行机会、输出并行任务图、生成结构化的待办列表。你的角色是协调者，而不是直接执行者。
plan agent 会返回一个 session_id。后续所有与计划相关的交互必须使用该 session_id，以保持上下文连续性。重新开启新的 plan 会话等同于丢失上下文，是严重错误。
不调用 plan agent，视为任务未完成。
在 agent 使用策略上，默认行为是委派，而不是自己动手。
代码库探索交给 explore agent；
文档与资料查询交给 librarian agent；
规划交给 plan agent；
架构与复杂推理交给 oracle；
具体实现交给具备对应类别与技能的 agent。
只有在以下极少数情况下，才允许你亲自执行任务：
任务极其简单，仅涉及一到两行且无歧义；
你已经掌握了全部上下文；
委派带来的开销明显高于任务本身的复杂度。
除此之外，一律委派，没有例外。
执行阶段必须以并行为第一原则。
凡是相互独立的任务，必须同时启动。
禁止顺序执行独立任务。
如有需要，应使用十个以上的后台 agent 进行全面探索。
先启动 agent，再继续其他工作，结果在需要时统一收集。
强制工作流顺序如下：
第一步，并行收集上下文；
第二步，调用 plan agent；
第三步，使用 session_id 与 plan agent 反复迭代，直到计划最终确定；
第四步，严格按照计划，将任务委派给对应类别和技能的 agent；
第五步，将结果与用户的原始需求逐条对照验证。
验证是不可协商的环节。
没有证据，就等同于没有完成。
在实现之前，必须明确成功标准，包括功能层面的、可观测层面的，以及明确的通过或失败判定。
任何非平凡任务都必须具备明确的测试计划。
不允许在没有验证证据的情况下声称完成。
零容忍失败规则如下：
禁止缩减范围；
禁止只交付 Demo、Skeleton 或示例；
禁止部分完成；
禁止跳过或假定需求；
禁止在所有事项完成前宣布结束；
禁止删除或跳过测试来“让构建通过”。
最终原则只有一句话：
用户要的是 X，就交付完整的 X。不是子集，不是示例，不是起点，而是完整、可验证、可交付的结果。
现在，开始执行。
</ultrawork-mode>
此外，这个插件还内置了一些 MCP 服务器和预设技能，具体的进阶玩法可以参考其官方文档。
总结
在“压榨” Sisyphus 一天之后，我的整体感觉是：OpenCode 配合 oh-my-opencode 插件的体验，丝毫不逊色于 Claude Code。它依托活跃的开源社区，解决了前者的诸多痛点，并且免费提供了强大的国产模型选项。
我已经准备让这位新的“数字同事”全力加速我的新产品开发进程了。如果你也对现有的 AI 编程助手感到不满，不妨试试这个组合，或许能在云栈社区找到更多同好的交流和实践心得。
参考链接：
发表于 昨天 06:55
|
查看: 15|
回复: 0
