OpenCode 实战：用终端打造项目级 AI 工程师

安装

最简单的方式是用官方安装脚本：

curl -fsSL https://opencode.ai/install | bash

也可以用包管理器：

• Node.js 生态：npm install -g opencode-ai 或 bun install -g opencode-ai
• Homebrew：brew install anomalyco/tap/opencode
• Arch Linux：paru -S opencode-bin
• Windows：Chocolatey choco install opencode 或 Scoop scoop install opencode
• Docker：docker run -it --rm ghcr.io/anomalyco/opencode

配置模型

OpenCode 支持配置任意 LLM 提供商的 API Key。如果你之前没怎么折腾过，推荐先用 OpenCode Zen。

1. 在 TUI 中运行命令：/connect
2. 在 provider 列表中选择 opencode，去 opencode.ai/auth 完成登录和支付设置，复制 API Key；
3. 把 API Key 粘贴到终端里的输入框即可完成配置。

如果想用其他 provider（如 Anthropic、OpenAI），也可以在 /connect 中选择对应选项，按提示填入相应的 Key。

项目初始化

配置好提供商之后，进入项目目录运行 opencode。进入 TUI 后，先运行 /init。

这会让 OpenCode 分析你的项目，在项目根目录生成（或更新）一个 AGENTS.md 文件，用来记录项目结构和编码模式等上下文信息。建议把项目的 AGENTS.md 提交到 Git 仓库，这样团队其他成员也可以复用这份'项目记忆'。

使用示例

问问题

可以让它解释你不太熟悉的代码库。例如：@packages/functions/src/api/index.ts 里的鉴权是怎么实现的？ 小技巧：在提问时用 @ 来触发项目文件的模糊搜索，帮它精准定位文件。

新增功能

建议先让它'规划'而不是直接'开干'。

1. 用 Tab 键切换到 Plan 模式（右下角会有模式指示）。
2. 描述你的需求，比如：'当用户删除一条笔记时，我们希望在数据库中标记为已删除，而不是真正删掉。然后再创建一个页面，展示所有最近删除的笔记。'
3. 多给一些上下文和细节，把它当成你团队里的一位初级开发者来沟通。你还可以在讨论过程中直接把图片拖进终端，让它参照图片来设计页面。

实施功能

等 Plan 方案聊得差不多了，再次按 Tab 切回 Build 模式，然后直接说一句：'看着不错，就按这个方案来吧。'它就会开始真刀真枪地修改代码，帮你把这个功能做出来。

撤销与重做

如果发现它改的不是你要的东西，可以用 /undo。它会把改动回滚，并恢复你最初的 prompt，你可以微调之后让它再试一次。也可以用 /redo 把刚刚撤销的改动再应用回来。

分享与会话

你和 OpenCode 的会话是可以分享给团队的。运行 /share，它会生成一个链接并复制到剪贴板。注意：默认会话并不会公开，需要你主动通过 /share 才会生成可访问的链接。

优缺点总结

优点

• 完全开源：可自托管、可控、可审计。
• 供应商无关：自由切换不同 LLM，不怕被单一厂商绑定。
• 终端优先：TUI 体验好，主题化、快捷键、支持 LSP，对重度终端用户很友好。
• 项目级 Agent：通过 AGENTS.md 记忆项目结构和技术栈，逐步变成'懂你项目的 AI 同事'。
• Plan/Build 双模式：大改动前先规划，减少盲目修改带来的风险。
• 工作流集成：在 PR/issue 中通过命令触发自动修复/实现/分析，真正融入协同开发流。

不足与权衡

• 学习曲线：对不熟悉终端/命令行的人有门槛，第一次面对 TUI 需要一点时间适应。
• 生态差距：扩展生态不如 VS Code 庞大，UI/体验暂时不如成熟 IDE 精致。
• 成本管控：需要自己关心 Token 配额和模型成本，对小团队或个人会增加一些心智负担。
• 仍需把关：它可以执行命令、修改文件，但'业务语义正确'仍需人工 Review。

对比与选型

与 VS Code 的对比

VS Code 是通用图形 IDE，扩展生态极其庞大，适合'稳当好用、生态丰富'的场景。而 OpenCode 是项目级 AI 编程代理，强调自动执行和工作流集成。两者完全可以结合使用：用 VS Code 写代码，让 OpenCode 在 GitHub Actions 里帮忙做 review。

与 TRAE 的对比

TRAE 偏向'开箱即用'的一体化体验，深度绑定特定模型生态。OpenCode 更通用、更底层，支持任意模型、可自托管，更偏'工程化 / DevOps 化'的场景。如果你看重开源、可自托管、深度融入 GitHub 工作流的 Agent，OpenCode 是更好的选择。

与 Cursor 的关系

Cursor 闭源且供应商绑定较深，目前与 CI/CD 工作流的集成不如 OpenCode 工程化。OpenCode 更像一个可以在任何环境（包括 CI）里运行的 Agent，你可以用 Cursor 写代码，让 OpenCode 在后台处理自动化任务。

结语

如果你是一个愿意折腾一点、想认真把'AI 当队友'而不是'当补全器'的开发者，OpenCode 是一个非常值得投入精力的工具。它把开源、Agent、终端体验和 GitHub/GitLab 工作流绑在一起，形成了一条真正'工程化'的 AI 编码路径。

不妨按上面的步骤装一个，先用 Plan 模式让它熟悉你的项目，再慢慢把一些'重复任务'交给它——你会发现，原来'让 AI 真正替你干活'，可以这么自然。

资源链接：

• Github: https://github.com/anomalyco/opencode
• 文档：https://opencode.ai/docs