Terminal AI Coding Agent

opencode

An open-source AI coding agent with terminal, IDE, desktop, multi-session, provider-flexible, and local-model workflows.

价格: Open source
平台: Terminal, IDE, Desktop, macOS, Linux, Windows
官网: https://opencode.ai

2026 年结论

opencode 现在不应该只被理解成“开源终端 agent”。官方定位已经覆盖 terminal、IDE、desktop、多 session、share links、GitHub Copilot 登录、ChatGPT Plus/Pro 登录、本地模型和 75+ model providers。

我的判断：opencode 最有价值的地方是让团队掌握 agent loop。Cursor 和 Windsurf 更偏打磨好的编辑器体验；Claude Code 和 Codex 更偏托管式 agent 工作流；opencode 则更强调可检查性：你选择 provider、配置 agent、看得见命令执行，并决定哪些部分要留在本地或自控环境里。

opencode 跨 terminal、IDE、desktop、providers 和 multi-session agent 工作的示意图 — Coding Agent Tools 基于 opencode 公开文档绘制的原创图解，不是官方产品截图。

它到底是什么

opencode 是一个开源 AI coding agent，核心仍然是 terminal-first workflow，但现在它的入口已经不止终端。官方站点强调 terminal UI、editor integration、desktop app、多个并行 session、share links、provider flexibility 和 local models。

重点不是入口多，而是它把 coding agent 当成可配置系统。你可以选择模型服务商，定义 agents 和 subagents，为不同任务路由不同模型，并把命令执行保持在离仓库很近的位置。

适合谁

希望终端原生控制，同时又不排斥 IDE 或 desktop 入口的开发者。
需要在 Claude、GPT、Gemini、本地模型和其他 provider 之间灵活选择的团队。
重视命令、diff、prompt 和配置可审查性的工程师。
测试命令、回滚路径和权限边界比较清楚的仓库。
正在比较 opencode、Claude Code、Codex、Cursor 和 Cline 的团队。

不适合谁

想要最顺滑编辑器 onboarding 的用户。
不想维护 provider、模型和权限策略的团队。
没有命令边界和密钥处理规则的敏感仓库。
需求很模糊、希望 agent 自动猜出产品意图的任务。

模型与 Agent 配置

opencode 文档强调 provider 和 model configuration。这确实是优势，但也意味着团队要承担运营责任。问题不只是“哪个模型最强”，而是“哪类任务应该用哪个模型、哪个 provider、什么成本结构”。

我的实用拆法：

不清楚的 bug fix、架构追踪、多文件重构，用更强的 frontier models。
机械修改、文档草稿、测试脚手架、搜索型任务，可以用更便宜或本地模型。
为 review、implementation、documentation、debugging 定义不同 agents 或 subagents，不要让一个通用 agent 包打天下。
记录模型、prompt、settings 和 verification command，让同事能复现。

opencode 评估栈，覆盖模型策略、agent 配置、命令边界、session review、成本路由和回滚路径 — 我们对 opencode 的评估栈：可检查性只有在模型策略、命令边界、review、成本路由和回滚路径明确时才有价值。

近期值得关注的新特性

opencode 最近的方向，不是把终端界面做得更漂亮，而是把开源 agent runtime 做得更可配置。官方文档现在已经把几个核心层次写得更清楚：primary agents、subagents、内置 specialized agents、permission keys、MCP servers、LSP、custom tools、Agent Skills、server mode、SDK、plugins，以及 Agent Client Protocol support。

最值得关注的变化：

Primary agents 与模式区分：opencode 默认有 Build 和 Plan 两个 primary agents。规划和实现不应该混在一个模式里，这对复杂任务很重要。
Specialized agents：Explore、Scout、General、Reviewer、Summarizer、Title、Code Indexer 等内置 agents，让 opencode 更像一个可拆分的 agent team，而不是一个万能助手。我的判断：这和 Claude Code、Codex 的方向一致，但 opencode 更强调本地控制和可检查性。
Permission keys：agent 配置可以表达哪些工具允许、需要询问、禁止使用。这让“agent 可以执行命令”变成“团队有可 review 的执行策略”。
MCP、LSP 与 custom tools：MCP 负责连接外部系统，LSP 提供代码智能，custom tools 可以把团队自己的脚本或内部流程暴露给 agent。
Agent Skills：Skills 让 opencode 可以打包可复用的 instructions 和 workflow 行为，而不是每次都靠长 prompt。
ACP、server、SDK 与 plugins：Agent Client Protocol support、server mode、SDK 和 plugins 让 opencode 更容易嵌入编辑器、自动化流程和团队自定义界面。

核心文档之外，近期 release notes 也显示 opencode 在 editor support、session path、Copilot model sync、模型更新和 instruction precedence 方面推进很快。我会把这些当作“产品速度信号”，但正式采用时仍然要回到稳定架构判断：provider 选择、agent 配置、权限、可复现性和命令可见性。

它比 Cursor 强在哪里

当团队想要透明 agent loop，而不是漂亮编辑器体验时，opencode 更强。如果你关心 provider 选择、终端日志、命令边界、prompt 可复现、本地或自控工作流，opencode 值得认真测试。

它也适合不想把 AI coding 策略绑死在某个编辑器厂商上的团队。你仍然可以用编辑器，但 agent workflow 不由编辑器独占。

Cursor 仍然更好的地方

Cursor 对交互式阅读代码、行内编辑和非终端重度用户 onboarding 更友好。如果日常工作是“选中代码、提问、改几行、继续写”，Cursor 通常更快。

opencode 对使用者要求更高。对有纪律的团队，这是优点；对随手用 AI 的用户，这是成本。

采用清单

先选一个会触及多个文件、但测试明确的真实维护 issue。
写清楚允许命令、禁止文件、密钥规则和回滚预期。
决定不同任务类型允许使用哪些 provider 和 model。
同时测试一条本地模型路线和一条 frontier model 路线，再决定成本模型。
用同一个 issue 对比 Claude Code、Codex、Cursor 和 Cline 的输出。
记录 review 时间，而不是只看完成时间。

质量判断

opencode 最好的信号，是小而清楚的 diff、可见的 command log、可复现的 settings。最差的信号，是 demo 很惊艳，但团队没人能复现。

来源说明

opencode 官方站点描述了 terminal、IDE、desktop、multi-session、share links、GitHub Copilot login、ChatGPT Plus/Pro login、provider flexibility 和 local-model support。
opencode docs 描述了 provider/model configuration、primary agents、subagents、permission keys、MCP、LSP、custom tools、Agent Skills、ACP、server mode、SDK 和 plugins。
近期 opencode release notes 和 package activity 显示其在 editor support、model sync、模型更新、session handling 和 instruction precedence 上推进很快；这些适合作为速度信号，正式标准化前仍要以当前官方文档验证行为。
本页图片是 Coding Agent Tools 基于公开产品模型绘制的私有图解，不是复制官方截图。