OpenCode AI:智能编码新体验

OpenCode AI:智能编码新体验

搭档:Agent Skills (必备技能)

参考:https://blog.ZEEKLOG.net/2201_75305809/article/details/157699746?spm=1001.2014.3001.5501

安装

Windows(先安装Node.js

npm install -g opencode-ai 

关键特性

两种内置 Agent 模式:

  • Build 模式: 全权限,可直接编辑文件、执行命令。
  • Plan 模式: 只读规划,默认拒绝编辑,需要确认。

启动与使用

启动 OpenCode 只需要终端输入启动命令:

opencode 

首次启动会引导完成基础配置:

  • 模型选择: 默认展示可用模型列表,可直接选择标注 Free 的免费模型(如 MiniMax M2.1、GLM-4.7),无需 API Key 即可使用。
  • 登录选项: 可选择跳过登录,后续需对接商业模型时再配置 API Key,也可登录 Claude Code Pro账号调用专属模型。

启动成功后进入 TUI 界面,即可开始使用核心功能。

我们可以在终端输入 /models 查看可用的免费模型:

弹出的查看,右边有 Free 字样的就是免费的:

配置 API 密钥与模型

如果你连接一个 AI 提供商的 API 密钥,例如 OpenAI 或 Anthropic Claude,运行:

opencode auth login 

或者在终端启动后输入:

/connect 

选择模型。按照提示登录并粘贴你的 API Key。

你也可以使用 Zen 模型集合(由 OpenCode 官方推荐、经过测试的高质量模型),省去自己管理多个外部账户的麻烦。

如果不想用了,可以使用以下命令退出:

/exit

基本使用

启动 OpenCode

进入你想处理的项目目录:

cd /path/to/your/project opencode 

例如,我们创建目录 opencode-runoob-test:

mkdir opencode\-runoob\-test cd opencode\-runoob\-test 

然后执行命令:

opencode 

如果有权限问题,可以使用:

sudo opencode 

这会打开 OpenCode 的终端交互界面(TUI)。

项目初始化

在 OpenCode 界面中,运行:

/init 

这会生成一个 .opencode/ 文件夹,用于存储项目的向量化索引和自定义指令。

它会扫描当前目录的代码结构,并生成一个用于记录项目信息的 AGENTS.md 文件。

opencode-runoob-test 目录下可以看到 AGENTS.md 文件:

然后我们使用自然语言描述你的需求来发起任务:

在当前目录下创建一个登录页面 

接下来大模型就会开始思考,并创建登录页面:

生成的文件:

提问解释代码

你可以直接用自然语言向 OpenCode 询问代码库细节:

文件 @index.html 包含哪些功能

其中 @ 用来引用项目里的文件路径。

日常交互

  • 直接提问:例如 “解释 src/main.ts 中的认证逻辑”。
  • 添加功能:描述需求,如 “添加用户注册 API,支持邮箱验证”。
  • 切换模式:按 Tab 键切换 Plan/Build 模式(Plan 更安全,用于规划)。
  • 撤销变更:/undo
  • 重做:/redo
  • 分享会话:/share

交互模式(脚本化):

opencode \-p "修复 login 函数中的 bug"

oh-my-opencode

oh-my-opencode 是一个为 OpenCode(设计的强大插件/扩展层。它将单个 AI 代理升级为一个多智能体协作团队,提供开箱即用的高级功能。

GitHub 仓库:https://github.com/code-yeongyu/oh-my-opencode

核心亮点包括:

  • Sisyphus 主智能体:负责持续执行复杂任务,直至完成。
  • 支持并行运行专业子智能体(如 Oracle 预言者、Librarian 文档专家、Frontend Engineer 前端工程师、Explore 探索者等)。
  • 内置 LSP/AST 工具(代码重构)、MCP(模型调用插件,如搜索、文档检索)、钩子系统(25+ 种事件触发)。
  • 多模型调度:自动分配任务给最适合的模型(例如 Gemini 处理前端、Claude 处理规划)。
  • 关键词触发完整自动化(如 ultrawork 或 ulw ),支持后台任务、Todo 强制执行、上下文注入等。
  • 完全兼容 Claude Code 工作流,强调高性能、自动化和可定制性。

安装

推荐让 OpenCode 自动完成安装,复制以下提示并粘贴到你的 OpenCode 对话框:

按照以下说明安装和配置 oh-my-opencode: https://raw.githubusercontent.com/code-yeongyu/oh-my-opencode/refs/heads/master/docs/guide/installation.md

安装后,默认开箱即用,无需额外配置即可体验大部分功能。

基本触发

在 OpenCode 的提示词中加入关键词 ultrawork(或简写 ulw),例如:

ultrawork: 请帮我实现一个 React 组件,支持暗黑模式。 

这会激活完整模式:Sisyphus 主智能体接管,自动分配子任务给专业代理,并行执行(后台映射代码库、深度探索、自动重构等),直至任务 100% 完成。


参考地址

官方网址:https://opencode.ai/

GitHub 仓库:https://github.com/anomalyco/opencode

文档:https://opencode.ai/docs

Read more

用 OpenClaw + 微信实现 AI 自动回复(附完整接入流程)

用 OpenClaw + 微信实现 AI 自动回复(附完整接入流程)

SyNodeAi OpenClaw Plugin SyNodeAi OpenClaw Plugin 用于把微信私聊 / 群聊接入 OpenClaw,使每一条消息都能进入 Agent Runtime,触发 Tool / Skill / Workflow 调度。 为什么做这个插件 微信不只是聊天工具。 在 OpenClaw 体系里,微信可以被看作: * 高活跃入口:天然承载真实用户会话 * 事件源:每条消息都可以转换为 Agent Event * 执行环境:每个会话都可以成为独立上下文 Runtime * 能力承载层:可以继续挂载 Tool、Skill、Workflow、ACP 持久会话 你可以把它理解为: WeChat = Event Source OpenClaw = Runtime Agent = Execution Unit Tool / Skill

【GitHub项目推荐--Toonflow AI短剧工厂:一站式AI短剧创作平台】

简介 Toonflow AI短剧工厂是一个革命性的AI驱动短剧创作平台,由HBAI-Ltd团队开发。该项目致力于将小说文本智能转化为完整的短剧视频,实现从文字到影像的全流程自动化。通过集成先进的大语言模型、图像生成和视频合成技术,Toonflow让用户只需动动手指,就能将小说秒变剧集,创作效率提升10倍以上。 核心价值: * 全流程AI化:从文本到角色,从分镜到视频,0门槛完成短剧创作 * 效率革命:创作效率提升10倍+,大幅缩短制作周期 * 智能转换:自动将小说转化为结构化剧本和视觉内容 * 开源免费:基于AGPL-3.0许可证,完全开源且免费使用 技术定位:Toonflow填补了文学创作与影视制作之间的技术鸿沟。通过标准化的AI工作流,它为内容创作者提供了从创意到成品的完整解决方案,降低了视频制作的专业门槛。 主要功能 1. 智能角色生成 系统自动分析原始小说文本,智能识别并生成角色设定。生成内容包括角色的外貌特征、性格特点、身份背景等详细信息。为后续剧本创作和画面设计提供可靠的角色基础。支持批量角色生成,快速构建完整的角色库。 2. 自动化剧本生成 基

别等这波 AI 算力浪潮过去才后悔:CANN 应该学什么?

别等这波 AI 算力浪潮过去才后悔:CANN 应该学什么?

别等这波 AI 算力浪潮过去才后悔:CANN 应该学什么? 昇腾 CANN 这几年是真在 “狂飙”,生态越做越大、功能越来越多、文档越写越厚…… 但问题也随之出现: CANN 支持 Python、C++、AscendCL、TBE、MindSpore、PyTorch Frontend、Kernel DSL……这么多"语言",到底学哪个?从哪入门? 别急,今天就给你一次性讲透,看完不再迷茫。 CANN 语言体系到底有多复杂? 整个 CANN 软件栈由多层 API 和 Kernel 构成,所以才会出现一堆「看似不同,实则分工明确」的语言接口 为了简化理解,我们可以把它粗暴分成三层: * 高层:框架调用

用 OpenClaw + 飞书,快速搭建 5 个可协作的 AI 助理团队

多个飞书机器人 + 独立工作空间 + 互相协作 = 专业化分工的 AI 助理团队 写在前面 如何用 OpenClaw 搭建一套多 Agent 系统,让 AI 助理各司其职、协同工作?通过 OpenClaw 多 Agent 架构,你可以实现: * 多个独立的飞书机器人,每个人设不同 * 各自独立的工作空间,数据完全隔离 * 可以互相协作,通过 agentToAgent 通信 * 共享长期记忆,跨渠道信息同步 本文将详细介绍如何在腾讯云服务器上,用 OpenClaw 搭建一套飞书多 Agent 系统,包括完整配置流程、常见问题解决方案和实战协作案例。 目录 1. 为什么需要多 Agent 2. 前置准备 3. 5 个 Agent