找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

4130

积分

0

好友

545

主题
发表于 前天 05:44 | 查看: 15| 回复: 0

用了两天OpenCode之后,我决定彻底放弃Cursor。因为我最近摸索出一套让我觉得“既强悍又极具性价比”的组合:OpenCode + Oh My OpenCode

这篇文章主要分享我是如何利用这套开源组合,配合 GitHub Copilot,在终端里搭建出一套低成本、高效率的 Agent 工作流。

什么是 OpenCode?

OpenCode 本质上是一个运行在终端里的开源 AI 编程环境,你可以把它看作是脱离了 IDE 束缚的“命令行版 Cursor”。

OpenCode终端界面截图

它最近在技术圈翻红,主要有三个核心原因:

  1. 完全开源且兼容性强:它不绑定特定厂商,支持几乎所有主流模型(OpenAI, Claude, Gemini,甚至本地的 Ollama),想用什么自己配。
  2. 完美支持 MCP(模型上下文协议):这是它最大的技术红利,让开发者能用极低的资源占用,在命令行里跑起复杂的全栈 Agent 工作流。
  3. 终端原生:对于习惯 CLI 的开发者来说,它能直接调用系统工具(git, grep, cat),执行效率远高于图形界面工具。

简单说,它不仅仅是一个聊天机器人,而是一个能直接操作你系统的“虚拟工程师”。

算笔账

工具是开源免费的,但模型是要钱的。这就涉及到了 OpenCode + Copilot 的核心套利逻辑。

大家知道,最新的 Claude Opus 4.5 模型虽然强,但贵。它的上下文窗口高达 200K tokens,如果直接走 API 按 Token 计费,一次满血的深度任务调用,费用相当感人。

但在 GitHub Copilot 的体系下,这变成了一个可以通过策略优化的数学题:

  • 计费机制:Copilot 会员通常按月付费或按“次数”限制(例如每月免费 300 次)。
  • 消耗倍率:Opus 4.5 这种高阶模型,目前通常按 3 倍 消耗计算。
  • 套利空间:这意味着,你每个月可以用 100 次 满血版的 Opus 4.5。

关键在于你怎么用这 100 次。

如果只是用来写个 Hello World,那是浪费。但 OpenCode 支持 ulw (Ultra-Long Work) 模式,它能直接拉满 200K 上下文。

你可以把“项目架构+前后端代码+数据库设计+单元测试”一次性丢进去。用 3 倍的额度,换取一次价值几十美元的 200K Token 深度推理,特别是如果你有学生包认证(Student Developer Pack),这几乎就是零成本使用地表最强算力。

核心武器 Oh My OpenCode

OpenCode 只是一个容器,Oh My OpenCode 才是注入灵魂的必装插件。它引入了一套名为 Sisyphus (西西弗斯) 的智能体编排系统。

Sisyphus AI Agent宣传图

Sisyphus 在神话里象征着把石头推上山的锲而不舍。在代码世界里,它就是个死磕到底的监工

  • Todo Continuer 机制:它不允许 AI 偷懒。代码写完了?跑测试。测试挂了?Debug。还挂?继续修。不完成任务绝不收工。
  • 特种部队分工:它指挥一支“特种部队”。让 Hephaestus(主力 Opus 4.5)写核心逻辑,同时调度 Librarian(Sonnet)查阅最新文档。
  • 拒绝“AI 味”:它集成 LSP 和 AstGrep,保证代码符合规范,并自动清洗 AI 生成的废话注释。

简单说,它能让你的 Opus 4.5 不仅写得快,而且写得像个严谨的高级工程师。

实战工作流

既然有了 Opus 4.5 的 200K 窗口和 Sisyphus 的调度能力,我的工作流变成了这样:

在终端里开多个 pane,利用 ulw 模式 下发重型任务:

  • Pane 1 (后端):
    opencode
    > ulw: 设计用户表 Schema,实现 CRUD 接口,并编写配套的单元测试
  • Pane 2 (前端):
    opencode
    > ulw: 基于现有的组件库,实现用户管理列表页

OpenCode实战工作流终端截图

在这里,ulw 模式会充分利用长上下文,深度探索代码库;而 Sisyphus 则在后台并行调度多个 Agent,这感觉就像指挥着一个小团队在干活。

最爽的体验:自动跑测试

这套流程里,最让我觉得“值回票价”的,是它对质量的执念

我下指令时最常用的要求是:

  • “改完必须跑测试/跑 lint”
  • “如果失败,你自己定位、自己修、再跑,直到通过为止”

它不会像普通 Chat 那样甩给你一段代码就让你自己去试错,而是会在终端里反复执行“修改 -> 测试 -> 报错 -> 再修改”的循环。

关于 Git 提交,我的习惯是保持“Human-in-the-loop(人在环路)”:

  • AI 做脏活:让它整理变更点、生成 Commit Message、建议提交粒度。
  • 人做决策:最后的 commitpush 动作由我确认执行,这样更稳。

下面这张图就是我让它自动跑测试、并在测试通过后准备提交的过程记录:

自动化测试通过终端截图

安装方法:脏活累活让 AI 干

这种 CLI 工具的配置,看文档有时候挺累的。既然我们有 AI,安装也别自己动手。

我的安装姿势: 直接把 GitHub README 扔给现在的 AI(比如 Cursor 或者 ChatGPT),输入提示词:

“请阅读 OpenCode 的文档,帮我生成在 macOS 下安装 OpenCode 和 Oh My OpenCode 插件的命令,我要一步到位的。”

参考步骤:

  1. 安装核心工具

    curl -fsSL https://opencode.ai/install | bash
  2. 安装插件(召唤 Sisyphus)

    bunx oh-my-opencode install --no-tui --claude=yes

    Oh My OpenCode安装配置界面

  3. 配置鉴权: 根据提示关联你的 GitHub Copilot 账号即可。
    GitHub Copilot设备授权成功页面

写在最后

OpenCode + Oh My OpenCode 的本质,是用工程化的 Agent 编排(Sisyphus),去放大 Opus 4.5 长窗口(200K)的价值。

如果你手头有 Copilot 额度,强烈建议试试这种“让 AI 像西西弗斯一样死磕代码”的体验。毕竟,同样的钱,为什么不让 AI 多推几次石头呢?欢迎到 云栈社区 的开发者板块交流更多关于终端 AI编程开源工具 的实战心得。

项目地址:




上一篇:JavaScript 诞生记:从十日原型到生态帝国的技术演进史
下一篇:GEO优化实战:独立站SEO的延伸与五大核心技巧
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-3-10 10:18 , Processed in 0.707353 second(s), 40 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表