OpenCode 是什么？——终端中的开源 AI 编程 Agent 全面解读

Anthropic 公司在2026 年 1 月决定对第三方工具关闭 Claude Code 服务调用。

这条消息迅速引爆了开发者社区。

许多人刚将 Claude Code接入自己的工作流，就突然得知“这条路走不通了”。问题并非模型无法使用，而是入口受到限制：如果想使用 Claude 的能力，就必须选择 Anthropic 官方渠道，不能再借助第三方工具。

一个名叫 OpenCode 的开源项目，也在当月开始现身 GitHub。

它如今已成为开源 AI 编程 Agent 赛道中星标最高的项目，GitHub Star 数突破 17 万。

这个数字反映出，开发者对“受到锁定”的敏感程度远超想象。

一、事情是如何发生的

二、OpenCode 要处理的问题本质

三、架构解析：四层设计与一个核心机制

四、真实对比：完成同样的代码修改有何差异

五、工程实践启示

六、目前由谁控制你的开发环境？

一、事情是如何发生的
市场上的 AI 编程工具已相当密集。与微软生态绑定的是 GitHub Copilot；Cursor 的价格为每月 20 美元；至于 Claude Code，烧 Token 的程度令人心疼。

每种工具既有独特优势，也存在各自的限制。

终端而非 IDE，才是 OpenCode 的运行场所，这让它选择了截然不同的路径。SST（Serverless Stack）团队以 Go 语言和 Bubble Tea 框架为基础，打造出这套终端交互界面。

可以这样理解它：将 ChatGPT 或 Claude 的能力直接放入命令行，并与本地项目深入整合，从读取文件、修改代码到执行命令，整个过程可以连续完成。

更关键的是，它完全开源，采用MIT 协议；工具完全免费，不收取任何费用；同时支持 75 种以上的模型提供商。

模型由你选择并用自己的 API Key 接入，不必向工具支付抽成。

其本质并不是“市场上又增加了一款 AI 编程工具”，而是首次出现一个主流选择，将“模型选择权”与“工具使用权”彻底分离。

二、OpenCode 要处理的问题本质
当前的 AI 编程工具大体可以归为两类。

以 Cursor、GitHub Copilot为例，第一类工具采用 IDE 插件形态，嵌入编辑器后体验很流畅。代价是模型套餐已由厂商打包，无论随后发生模型更换、价格上涨还是政策变化，你都没有别的选择。

第二类是终端型，比如 Claude Code、Aider。它们在终端里工作，但 Claude Code 绑定了 Anthropic 的模型，Aider 更偏向“结对编程”而不是“自主 Agent”。

OpenCode并不能归入上述任何一类。

能连接任意模型的 Agent 平台，而非绑定某某模型的工具，才是它提供给用户的形态；其核心定位由此落在模型无关的 AI 编程 Agent 框架上。

模型由你选择，Token 费用由你支付，工具本身既不干预，也不抽成，更不会形成锁定。

这具体意味着什么？

你可以让 Claude 编写核心逻辑，让 GPT-4 负责代码审查，再让本地部署的 Ollama 处理涉及隐私的代码。同一款工具可以针对不同场景使用不同模型，并采用不同的成本策略。

“供应商锁定”才是 OpenCode 瞄准并处理的实际症结。

这并非技术问题，而是控制权归属问题。

三、架构解析：四层设计与一个核心机制
整体四层结构运行于 TypeScript 和 Bun 之上，OpenCode 在架构形式上采用客户端-服务器（C/S）模式。

第一层：用户交互层。交互入口共有三种：通过 Tauri 提供的桌面应用、命令行接口（CLI）和终端交互界面（TUI）。其中，面向长期在终端工作的开发者，主力入口是响应快、由键盘驱动的TUI。

第二层：AI 推理层（LLM Adapter）。 这是 OpenCode 最核心的差异化设计。它通过统一的接口适配 75 种以上的模型提供商——Anthropic、OpenAI、Google Gemini、DeepSeek、GLM，以及本地部署的 Ollama、LM Studio。你切换模型，只需要改一行配置，不需要换工具。

第三层：核心能力层。MCP 协议支持与 Skills 系统、Agent 系统一同构成这一层。

Agent 系统是核心所在。AI 模型的单次调用只能“回答问题”，而 Agent 会让模型进入循环：接收请求、决定采取读文件、执行命令或编辑代码等行动、观察结果，并不断重复，直至完成任务。

代码理解、生成、执行以及自动化任务，会在 OpenCode 的 Agent 模式中被拆成能够协作的子任务，再交给多个智能袋里分工处理，以此模拟人类程序员的操作和思维流程。这套多 Agent 协作架构中，具体实现交给 Implementer，审查由 Reviewer 完成，只读搜索由 Researcher 执行，方案分析归 Advisor，流程由 Workflow 驱动，Orchestrator 则负责总体调度。

可自定义扩展的 Skills 系统提供了 200 多种开发技能模板。作为跨组件通信标准，MCP（Model Context Protocol）承担异步任务处理与事务回滚支持。

第四层：工具集成层。 文件系统操作、Git 版本控制、API 调用、数据库连接。Agent 的每一个决策最终都会落到这一层的具体操作上。

Plan 和 Build 双模式是 OpenCode 在四层架构之外设置的另一项关键设计。

先让 Agent 在 Plan 模式中分析并产出详细实现计划，此时不会执行修改。计划由你看过且确认没有问题后，再进入 Build 模式完成执行。

这一设计回应了一个现实难题：用户不敢直接允许 AI 修改代码。Plan 模式相当于增加一道保障，让用户先审查方案，再开始操作。

四、真实对比：完成同样的代码修改有何差异
任务保持不变：项目里的 REST API 调用全部需要改用 axios 拦截器统一处理，不再使用 fetch。

使用 Claude Code（或其他绑定模型的工具）时：打开终端并输入指令后，Agent便开始分析代码、拟定方案和执行修改，整个过程十分流畅。然而，你无法知道它采用了哪个模型、消耗了多少 Token，也不知道为何漏改某个文件，只能选择信任。

使用 OpenCode时，第一步是在 Plan 模式输入指令。项目会由 Agent 扫描，随后得到一份涵盖依赖处理方式、文件修改方法和待改文件的迁移计划。计划交给你 review并调整细节，确认之后才切换至 Build 模式。接下来 Agent 开始修改，且每一步都提供 diff 供审查；如果结果不满意，使用/undo即可一键回滚。

差别并不在于“是否可以修改代码”，而在于“控制权是否掌握在你手中”。

“可审查的协作”取代“黑盒委托”，构成 OpenCode 对 AI 编程方式的改变。

成本是另一项重要区别。Cursor Pro 每月收费 20 美元，Claude Code 采用 Token 计费且价格不低。OpenCode工具免费，用户只需支付模型提供商的 API 费用：简单任务使用便宜模型，复杂任务使用昂贵模型，成本由自己控制。

五、工程实践启示
开发者类型不同，OpenCode 的到来所代表的含义也不一样。

对在校生：面对行业变化而看不懂并不奇怪，因为 AI 编程工具每半年迭代一轮，今天占据主流的产品明天就可能遭到替代。OpenCode 所提供的“不变的东西”，是一个模型无关且开源的 Agent 框架。重点应放在掌握“怎么用 Agent 编程”本身，而非学习“怎么用某个特定工具”；前一种能力能够跨工具迁移。

对初级工程师：即使你担心工作被 AI 取代，OpenCode 的 Plan/Build 双模式仍表明，现阶段 AI 做不到完全自主：Plan 模式离不开人的审核，Build 模式也要由人确认。因此，价值的落点不是“写代码”这个动作，而是能否“判断 AI 写的代码对不对”。在 OpenCode 提供的练习环境中，你能查看 AI 的计划，并拿它与个人思路作比较，由此逐步形成判断标准。

对中级工程师：需要升级的是你的方法论。过去的工作流程为“接到需求→分析→写代码→测试”；采用 OpenCode 后，流程调整为“接到需求→用 Plan 模式让 AI 出方案→审核方案→用 Build 模式让 AI 执行→审核代码”。这意味着你不再只是“执行者”，而要成为“审核者和决策者”。角色转换离不开练习，而当前最适合用来完成这种练习的工具就是 OpenCode。

OpenCode还有一项常被忽略的价值，即在远程和 Headless 环境中的工作能力。它采用 C/S 架构，Agent以进程形式运行，用户可以通过 TUI 从包括 SSH 在内的远程机器连接。这意味着你能让服务器执行长期 Agent 任务，并随时连接查看进展，对运维自动化和 CI/CD 集成而言非常实用。

六、目前由谁控制你的开发环境？
“能不能写代码”从来就不是 AI 编程工具要面对的核心症结。

真正的问题是“控制权掌握在谁手里”。

Cursor决定用户采用什么模型；Claude Code决定用户采用什么模型以及如何付费；GitHub Copilot则决定用户采用什么模型，并影响代码数据的流向。

OpenCode则将控制权重新交回用户手中。

模型由你选择，费用由你支付，数据流向也由你控制，本地模型还可以完全离线。工具只承担工具的作用，不设置任何绑定。

不过，获得控制权也需要付出代价。你要自行配置 API Key、管理模型选择策略，并判断何时使用 Plan 模式、何时切换至 Build 模式。OpenCode提供自由的同时，也赋予用户相应责任。

最后再提出一个问题：

在你当前使用的 AI 编程工具链中，模型选择、成本策略与数据流向究竟由谁控制——是你自己，还是工具厂商？

欢迎在评论区分享并讨论你的选择。