前言：為什麼 165k+ 開發者選擇了 OpenCode？

2026 年，AI 程式設計工具已經從「輔助補全程式碼」進化到「自主完成開發任務」。在這個賽道中，OpenCode（github.com/sst/opencode）以驚人的速度崛起——GitHub Star 數突破 165,000，成為目前最受歡迎的開源終端 AI 程式設計 Agent。

和 Claude Code、Cursor 等閉源工具不同，OpenCode 的核心理念是：模型與工具解耦。你可以自由選擇 GPT-4o、Claude、Qwen、DeepSeek、甚至本地 Ollama 模型，全部在一個終端工具裡使用。

今天這篇文章，帶你從零開始掌握 OpenCode——從安裝配置到進階玩法，一篇搞定。

一、OpenCode 是什麼？

OpenCode 是由 SST 團隊開發的開源 CLI 程式設計 Agent。它的核心架構分為兩層：

  • Harness（工具層）：負責檔案讀寫、Shell 指令執行、測試結果收集等環境操作
  • Model（模型層）：透過 OpenAI 相容 API 接入任意大型語言模型

這種解耦設計意味著：你不需要被某個廠商鎖定。今天用 Claude，明天換 GPT，後天切到本地 Qwen，同一個工具無縫切換。

核心特性速覽

特性 說明
🧠 多模型支援 Claude、GPT-4o、Gemini、Qwen、DeepSeek、Ollama 本地模型
🖥️ 終端優先 純 CLI 工具，不需要 IDE 外掛
📦 零配置啟動 安裝即用，內建合理預設配置
🔌 MCP 整合 支援 MCP 協議，可擴充工具鏈
📋 規劃模式 內建 Agent 規劃能力，可自主拆解任務
🔓 完全開源 Apache 2.0 授權條款

OpenCode vs 其他工具

工具 開源 多模型 終端優先 GitHub Stars
OpenCode ✅ ✅ ✅ 165k+
OpenAI Codex CLI ✅ ⚠️ 偏 OpenAI ✅ 30k+
OpenHands ✅ ✅ ❌ 偏 GUI 40k+
Claude Code ❌ ❌ Claude only ✅ N/A
Aider ✅ ✅ ✅ 40k+

OpenCode 的核心優勢在於模型靈活性和終端體驗的完美結合。

二、快速安裝

OpenCode 提供多種安裝方式，選擇最適合你的：

方式一：npm 安裝（推薦）

BASH 
npm install -g opencode-ai

方式二：Homebrew（macOS/Linux）

BASH 
brew install opencode

方式三：一鍵安裝腳本

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

驗證安裝

BASH 
opencode --version

三、快速上手：第一次使用

3.1 配置 API Key

OpenCode 需要配置至少一個 AI 模型的 API Key。最簡單的方式是設定環境變數：

BASH 
# 使用 OpenAI
export OPENAI_API_KEY="«redacted:sk-…»"

# 或使用 Anthropic Claude
export ANTHROPIC_API_KEY="«redacted:sk-…»"

💡 提示：你也可以把配置寫入 ~/.opencode/config.json，避免每次開啟終端都設定環境變數。

3.2 在專案中啟動 OpenCode

BASH 
# 進入你的專案目錄
cd ~/projects/my-app

# 啟動 OpenCode
opencode

OpenCode 會自動偵測專案結構，載入上下文，然後你就可以開始對話了：

$ opencode

🤖 OpenCode v1.x - AI Coding Agent

> 幫我檢查一下 src/auth.py 裡的登入邏輯，看看有沒有安全問題

3.3 第一個任務範例

試試讓 OpenCode 幫你完成一個具體任務：

> 建立一個 Python FastAPI 專案，包含以下結構：
> - main.py（應用入口）
> - routers/users.py（使用者路由）
> - models/user.py（使用者模型）
> - requirements.txt（依賴）

OpenCode 會逐步執行：讀取專案結構、建立檔案、寫入程式碼，並在過程中向你確認每一步操作。

四、進階配置：多模型切換

4.1 配置檔案

建立 ~/.opencode/config.json：

JSON 
{
  "providers": {
    "openai": {
      "type": "openai",
      "apiKey": "«redacted:sk-…»",
      "model": "gpt-4o"
    },
    "anthropic": {
      "type": "anthropic",
      "apiKey": "«redacted:sk-…»",
      "model": "claude-sonnet-4-20250514"
    },
    "ollama": {
      "type": "openai",
      "baseUrl": "http://localhost:11434/v1",
      "model": "qwen2.5-coder:32b"
    }
  },
  "defaultProvider": "anthropic"
}

4.2 執行時切換模型

在 OpenCode 對話中，你可以隨時切換模型：

> /model openai
切換到 OpenAI GPT-4o

> /model ollama
切換到本地 Ollama 模型

4.3 接入 DeepSeek（國內開發者推薦）

對於國內開發者，DeepSeek 是一個性價比極高的選擇：

JSON 
{
  "providers": {
    "deepseek": {
      "type": "openai",
      "baseUrl": "https://api.deepseek.com/v1",
      "apiKey": "your-deepseek-key",
      "model": "deepseek-coder"
    }
  }
}

或者使用 SiliconFlow 等中轉平台：

JSON 
{
  "providers": {
    "siliconflow": {
      "type": "openai",
      "baseUrl": "https://api.siliconflow.cn/v1",
      "apiKey": "your-siliconflow-key",
      "model": "Qwen/Qwen2.5-Coder-32B-Instruct"
    }
  }
}

五、實戰場景

5.1 場景一：重構遺留程式碼

BASH 
# 進入老專案
cd ~/projects/legacy-app

# 啟動 OpenCode
opencode

> 把 src/utils.js 裡的所有回呼函式改成 async/await 風格
> 保持原有功能不變，同時新增適當的錯誤處理

OpenCode 會： 1. 讀取 src/utils.js 內容 2. 分析所有回呼函式的結構 3. 逐個改寫為 async/await 4. 新增 try/catch 錯誤處理 5. 展示 diff 並等待你確認

5.2 場景二：撰寫單元測試

> 為 src/auth/login.ts 撰寫 Jest 單元測試
> 覆蓋以下情境：
> 1. 正常登入成功
> 2. 密碼錯誤
> 3. 使用者不存在
> 4. Token 過期
> 5. 並行登入請求

OpenCode 會產生完整的測試檔案，包含 mock 資料和斷言邏輯。

5.3 場景三：排查 Bug

> 我的應用在處理大量 JSON 資料時記憶體溢出
> 專案結構在 src/ 目錄下
> 請分析可能的原因並給出修復方案

OpenCode 會掃描程式碼，識別潛在的記憶體洩漏點（如未釋放的引用、無限增長的陣列等），並給出具體的修復建議。

5.4 場景四：本地模型開發（隱私優先）

如果你處理敏感程式碼，不想上傳到雲端：

BASH 
# 1. 安裝 Ollama
brew install ollama

# 2. 拉取程式設計專用模型
ollama pull qwen2.5-coder:32b

# 3. 啟動 OpenCode 並切換到本地模型
opencode
> /model ollama

現在所有推理都在本地完成，程式碼不會離開你的機器。

六、MCP 整合：擴充工具鏈

OpenCode 支援 MCP（Model Context Protocol），可以連接外部工具和服務。

配置 MCP Server

JSON 
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"]
    }
  }
}

配置後，OpenCode 可以直接操作 GitHub（建立 PR、檢視 Issue 等），大幅擴充了它的能力邊界。

七、常見問題

Q1: OpenCode 和 Aider 有什麼區別？

  • OpenCode 更側重終端互動體驗和多模型靈活性
  • Aider 更專注於 git 整合和配對程式設計
  • 兩者各有優勢，建議都試試找到最適合你工作流的那個

Q2: 免費模型夠用嗎？

對於日常開發，免費模型（如 Qwen2.5-Coder-32B 本地部署、DeepSeek 免費額度）完全夠用。如果是大型專案重構，建議用 Claude 或 GPT-4o 以獲得更好的程式碼品質。

Q3: 支援 Windows 嗎？

OpenCode 官方支援 Linux 和 macOS。Windows 使用者可透過 WSL2 使用。

Q4: 如何控制 token 消耗？

JSON 
{
  "chat": {
    "maxTokens": 4000,
    "temperature": 0.3
  }
}

降低 maxTokens 和 temperature 可以減少單次對話的 token 用量，但可能影響程式碼品質。

總結

OpenCode 代表了 2026 年 AI 程式設計工具的一個重要趨勢：開源、模型無關、終端優先。它不是某個廠商的封閉生態，而是一個開放的工具鏈——你可以自由選擇最合適的模型、最低的成本、最好的開發體驗。

如果你只用一個 AI 程式設計工具，2026 年我會推薦 OpenCode。 它的社群活躍度、功能成熟度和模型靈活性，目前幾乎沒有競品能完全覆蓋。

🔗 相關連結： - GitHub: github.com/sst/opencode - 文件: opencode.ai - 類似工具：Aider、OpenHands