[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-opencode-2026-setup-guide-open-source-ai-coding-zh":3,"article-related-opencode-2026-setup-guide-open-source-ai-coding-zh":33,"series-ai-agent-34e01712-e1ab-492a-bb9f-c2987b301c55":80},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":25,"views":29,"created_at":30,"published_at":31,"topic_cluster_id":32},"34e01712-e1ab-492a-bb9f-c2987b301c55","opencode-2026-setup-guide-open-source-ai-coding-zh","OpenCode 2026 安裝與實戰指南","\u003Cp data-speakable=\"summary\">OpenCode 是一個可切換模型的\u003Ca href=\"\u002Fnews\u002Fun-open-source-week-2026-ai-cooperation-zh\">開源\u003C\u002Fa> \u003Ca href=\"\u002Ftag\u002Fai-coding\">AI coding\u003C\u002Fa> agent，能在終端機、桌面和 IDE 裡工作。\u003C\u002Fp>\u003Cp>說真的，這工具在 \u003Ca href=\"\u002Fnews\u002Fbest-ai-music-generator-2026-ropewalk-zh\">2026\u003C\u002Fa> 年很有存在感。\u003Ca href=\"https:\u002F\u002Fopencode.ai\" target=\"_blank\" rel=\"noopener\">OpenCode\u003C\u002Fa> 的 GitHub stars 已經破 170,000，contributors 也超過 900。對開發工具來說，這種成績不常見，尤其它還是免費、開源、而且不綁單一模型。\u003C\u002Fp>\u003Cp>你可能會想問，這跟一般 AI 編輯器差在哪。講白了，OpenCode 不是把聊天框塞進編輯器而已。它更像一個跑在終端機裡的 agent，會記住 session、能分 plan 和 build、也能接 LSP 和多\u003Ca href=\"\u002Fnews\u002Fopenmontage-agentic-video-production-ready-zh\">代理\u003C\u002Fa> thread。\u003C\u002Fp>\u003Ch2>OpenCode 到底是什麼\u003C\u002Fh2>\u003Cp>很多 AI coding 工具，只是把 chat 包進 IDE。OpenCode 走得更硬派一點。它把 agent loop 放在核心，然後讓你用終端機、桌面 app，或 IDE extension 進入同一個工作流。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782866878205-5vk5.png\" alt=\"OpenCode 2026 安裝與實戰指南\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種設計對台灣開發者其實很實用。你可以在本機快速試一個修補，或在伺服器環境裡跑一段自動化流程。工具不需要綁死某一種介面，切換成本就低很多。\u003C\u002Fp>\u003Cp>它最重要的特點，是 model agnostic。OpenCode 能透過單一設定檔接 75 個以上的 LLM provider。包含 \u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002Ftechnologies\u002Fgemini\u002F\" target=\"_blank\" rel=\"noopener\">Google Gemini\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.mistral.ai\" target=\"_blank\" rel=\"noopener\">Mistral\u003C\u002Fa>，還有透過 \u003Ca href=\"https:\u002F\u002Follama.com\" target=\"_blank\" rel=\"noopener\">Ollama\u003C\u002Fa> 跑本地模型。\u003C\u002Fp>\u003Cul>\u003Cli>170,000+ GitHub stars\u003C\u002Fli>\u003Cli>900+ contributors\u003C\u002Fli>\u003Cli>75+ provider integrations\u003C\u002Fli>\u003Cli>支援 terminal、desktop、IDE\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>安裝與設定流程很短\u003C\u002Fh2>\u003Cp>OpenCode 的安裝流程很乾脆。CLI 可以直接裝，Linux、macOS、Windows 的路徑也都很直。裝好後，先跑版本指令，確認 shell 找得到 binary。這一步很土，但超重要。\u003C\u002Fp>\u003Cp>設定檔分成兩種層級。專案層級放在 \u003Ccode>opencode.json\u003C\u002Fcode>，全域設定放在 \u003Ccode>~\u002F.opencode\u002Fconfig.json\u003C\u002Fcode>。你可以在這裡指定預設 provider、預設 model、API key。想換模型家族，不用重裝，也不用改整套工作流。\u003C\u002Fp>\u003Cp>對忙著交付功能的人來說，這種做法很討喜。少一點安裝摩擦，就少一點心情被工具消耗。AI coding 工具最怕的，不是功能不夠多，而是設定流程太煩。\u003C\u002Fp>\u003Cp>最短上手路徑大概是這樣：\u003C\u002Fp>\u003Cul>\u003Cli>用官方安裝方式或 Homebrew 裝 CLI\u003C\u002Fli>\u003Cli>執行 \u003Ccode>opencode --version\u003C\u002Fcode> 確認安裝成功\u003C\u002Fli>\u003Cli>建立或編輯 \u003Ccode>opencode.json\u003C\u002Fcode>\u003C\u002Fli>\u003Cli>進入專案後執行 \u003Ccode>\u002Finit\u003C\u002Fcode>\u003C\u002Fli>\u003C\u002Ful>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>項目\u003C\u002Fth>\u003Cth>數值\u003C\u002Fth>\u003Cth>意義\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>GitHub stars\u003C\u002Ftd>\u003Ctd>170,000+\u003C\u002Ftd>\u003Ctd>顯示開發者採用度\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Contributors\u003C\u002Ftd>\u003Ctd>900+\u003C\u002Ftd>\u003Ctd>代表社群維護活躍\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Provider 數量\u003C\u002Ftd>\u003Ctd>75+\u003C\u002Ftd>\u003Ctd>切換模型很方便\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Anthropic 阻擋日期\u003C\u002Ftd>\u003Ctd>2026\u002F01\u002F09\u003C\u002Ftd>\u003Ctd>改變預設 provider 組合\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>SWE-bench Verified with GPT-5.4\u003C\u002Ftd>\u003Ctd>約 75%\u003C\u002Ftd>\u003Ctd>可看出 agent 品質\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>Plan mode 和 build mode 差很多\u003C\u002Fh2>\u003Cp>OpenCode 最有感的設計，是 Tab 鍵切換 plan mode 和 build mode。這不是小花招。它直接決定 agent 能不能動檔案，還是只能先講計畫。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782866878067-t4kx.png\" alt=\"OpenCode 2026 安裝與實戰指南\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>build mode 會讓 agent 讀檔、改碼、裝套件、跑測試。plan mode 則是只讀模式。它會先把預計做法講清楚，再碰你的 filesystem。對陌生 repo 來說，這很有用，因為你比較容易先抓到錯誤假設。\u003C\u002Fp>\u003Cp>如果任務很明確，build mode 就很省事。它可以一路處理多個檔案，不用你每一步都盯著。我的建議很直接：先 plan，再 build。這樣比較不容易把 repo 弄髒。\u003C\u002Fp>\u003Cblockquote>“The key to progress is to get the right things done.” — Paul Graham, \u003Ca href=\"https:\u002F\u002Fpaulgraham.com\u002Fmakersschedule.html\" target=\"_blank\" rel=\"noopener\">Maker’s Schedule, Manager’s Schedule\u003C\u002Fa>\u003C\u002Fblockquote>\u003Cp>這句話放在 OpenCode 上很貼切。工具的價值，不是幫你炫技。是把你從雜事裡拉出來，讓你把時間放在真正的 code change。\u003C\u002Fp>\u003Cp>OpenCode 也支援平行 agent thread。你可以一條 thread 查 \u003Ca href=\"\u002Ftag\u002Ftypescript\">TypeScript\u003C\u002Fa> error，另一條跑 unit test，第三條改文件。這種做法適合互不干擾的工作。若兩條 thread 碰同一段 code，merge 地獄就來了。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Ccode>\u002Finit\u003C\u002Fcode> 會建立 \u003Ccode>AGENTS.md\u003C\u002Fcode>\u003C\u002Fli>\u003Cli>\u003Ccode>\u002Fmodel\u003C\u002Fcode> 可中途換 model\u003C\u002Fli>\u003Cli>\u003Ccode>\u002Fcompact\u003C\u002Fcode> 能壓縮歷史紀錄\u003C\u002Fli>\u003Cli>\u003Ccode>\u002Fcost\u003C\u002Fcode> 可看 token 花費\u003C\u002Fli>\u003Cli>\u003Ccode>Ctrl+N\u003C\u002Fcode> 可開新 thread\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>和 Cursor、Claude Code、Copilot 比起來\u003C\u002Fh2>\u003Cp>OpenCode 不是想在每一項都贏。它沒有 \u003Ca href=\"https:\u002F\u002Fcursor.com\" target=\"_blank\" rel=\"noopener\">Cursor\u003C\u002Fa> 那種 inline autocomplete，也沒有那麼強的 IDE 內建感。可它有另一個很實際的優勢：自由度。\u003C\u002Fp>\u003Cp>它是免費軟體，能接 local model，也能隨時換 provider。這件事對團隊很重要。因為模型價格、品質、可用性，常常一季就變一次。你不想每次都重做整個工作流。\u003C\u002Fp>\u003Cp>如果看數字，差異更明顯。\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\" target=\"_blank\" rel=\"noopener\">Claude Code\u003C\u002Fa> 在 \u003Ca href=\"\u002Ftag\u002Fswe-bench-verified\">SWE-bench Verified\u003C\u002Fa> 上，搭配 Opus 4.8 可到 88.6%。但它要 $20\u002F月，而且還是 \u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa> 生態內。OpenCode 用 GPT-5.4 時大約落在 75% 左右，卻能接很多不同 provider。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ffeatures\u002Fcopilot\" target=\"_blank\" rel=\"noopener\">GitHub Copilot\u003C\u002Fa> 的 Pro 方案是 $10\u002F月，價格比較低，但 agent 工作流還是比較窄。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>OpenCode\u003C\u002Fstrong>：免費、開源、75+ provider、本地可跑\u003C\u002Fli>\u003Cli>\u003Cstrong>Cursor\u003C\u002Fstrong>：IDE 體驗強，但仍是封閉產品\u003C\u002Fli>\u003Cli>\u003Cstrong>Claude Code\u003C\u002Fstrong>：benchmark 很高，但只吃 Anthropic 生態\u003C\u002Fli>\u003Cli>\u003Cstrong>Copilot\u003C\u002Fstrong>：價格較低，但 agent 流程較 محدود\u003C\u002Fli>\u003C\u002Ful>\u003Cp>2026 年還有一個插曲，直接影響社群走向。Anthropic 在 1 月 9 日阻擋了 OpenCode 的 Claude 存取。原因是它使用了 Anthropic 視為未授權的 OAuth 流程。後來 OpenCode 把 Anthropic 相關引用移出程式碼。很多人也改把 GPT-5.4 和 Gemini 3.1 Pro 當預設。\u003C\u002Fp>\u003Ch2>本地跑模型是最大賣點\u003C\u002Fh2>\u003Cp>OpenCode 搭配 \u003Ca href=\"https:\u002F\u002Follama.com\" target=\"_blank\" rel=\"noopener\">Ollama\u003C\u002Fa>，就能把整個 agent loop 跑在自己的機器上。這代表不需要 API call，也不用把程式碼送出去。對重視資料保密的公司，這很有吸引力。\u003C\u002Fp>\u003Cp>如果你有夠強的硬體，效果會更明顯。官方常提的本地模型，是 \u003Ca href=\"https:\u002F\u002Follama.com\u002Flibrary\u002Fqwen2.5-coder\" target=\"_blank\" rel=\"noopener\">Qwen2.5-Coder 32B\u003C\u002Fa>。它對硬體要求不低，但在 M3 Max 或 M4 Pro 這種機器上，速度已經能拿來做 coding 任務。\u003C\u002Fp>\u003Cp>如果 VRAM 不夠，7B 版本會比較務實。你不一定要追最強模型，尤其是 cleanup、文件、測試修補這類工作。講白了，很多任務用中階 model 就夠了。\u003C\u002Fp>\u003Cp>這種 local-first 設計，和訂閱制工具差很多。你可以把成本、隱私、模型品質拆開看，再決定當下要怎麼用。這比被單一供應商綁住好太多。\u003C\u002Fp>\u003Ch2>背景脈絡和實際建議\u003C\u002Fh2>\u003Cp>OpenCode 之所以會紅，不只是因為功能多。更大的原因，是開發者開始在意控制權。大家想自己選模型，也想自己決定資料要不要離開本機。這個需求在公司環境特別明顯。\u003C\u002Fp>\u003Cp>另一個背景，是模型市場變得很亂。今天某家 provider 便宜，明天可能漲價。今天某個模型在 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 很強，明天可能被別家追上。OpenCode 把 agent 和 model 分開，正好避開這種不穩定。\u003C\u002Fp>\u003Cp>如果你要認真試，我不建議拿玩具 repo。找一個有 tests、有 lint 規則、也有真實維護需求的專案。先寫好 \u003Ccode>AGENTS.md\u003C\u002Fcode>，再用 plan mode 跑一次，最後才讓 build mode 動手。\u003C\u002Fp>\u003Cp>我自己的判斷很直接：OpenCode 很適合想把 AI coding 當工具，而不是當展示品的人。你如果常在 terminal 工作，又在意 local run 和 model 切換，它值得放進工具箱。若你主要需求是 VS Code 裡的即時補全，那還是先留著 Cursor 或 Copilot。\u003C\u002Fp>\u003Ch2>接下來該觀察什麼\u003C\u002Fh2>\u003Cp>接下來最值得看的，不是 OpenCode 會不會繼續衝 stars。那種數字很熱鬧，但不一定代表實用。真正重要的是，它能不能在 provider 規則一直變的情況下，維持 model-agnostic 這個核心承諾。\u003C\u002Fp>\u003Cp>如果它做得到，這類開源 agent 會更像開發者的標準工具，而不是某家公司的附屬功能。我的建議很簡單：先在一個真實專案裡試 1 次 plan mode，再試 1 次 build mode。你很快就會知道，這工具到底是幫忙，還是只是在增加噪音。\u003C\u002Fp>","OpenCode 在 2026 年靠著模型可切換、可本地執行和多代理流程，成為熱門開源 AI coding 工具。","devtoollab.com","https:\u002F\u002Fdevtoollab.com\u002Fblog\u002Fopencode-guide-2026",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782866878205-5vk5.png","ai-agent","zh","56f7d868-1cea-402a-93dc-3b863072220e",[17,18,19,20,21,22,23,24],"OpenCode","AI coding","開源工具","model agnostic","Ollama","Claude Code","Cursor","GitHub Copilot",[26,27,28],"OpenCode 的核心價值是模型可切換，還能跑本地模型。","plan mode 和 build mode 讓 agent 行為更可控。","它適合重視終端機工作流、隱私和成本控制的開發者。",0,"2026-07-01T00:47:33.751841+00:00","2026-07-01T00:47:33.729+00:00","e3b68196-9e64-4c18-a3b6-a73e73bfb367",{"tags":34,"relatedLang":39,"relatedPosts":43},[35,37],{"name":18,"slug":36},"ai-coding",{"name":17,"slug":38},"opencode",{"id":15,"slug":40,"title":41,"language":42},"opencode-2026-setup-guide-open-source-ai-coding-en","OpenCode 2026 Setup Guide for Open-Source AI Coding","en",[44,50,56,62,68,74],{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":13},"5dea881b-6fa6-4193-a0e7-3e0d391ae785","happycapy-best-manus-alternative-zh","HappyCapy 才是 Manus 最佳替代品","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782831781342-7506.png","2026-06-30T15:02:34.343828+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"be07f530-b13a-4c07-ada2-f93f112970e3","kimi-k2-5-local-setup-ollama-docker-zh","Kimi-K2.5 本機部署產出","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782828169969-prdn.png","2026-06-30T14:02:22.214135+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"1eca3b84-685f-4695-ae9b-3d16676de034","cursor-ai-code-review-fading-zh","Cursor 數據顯示 AI 審查在退位","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782820977595-qxyn.png","2026-06-30T12:02:30.802192+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"cd51c43c-312b-4bcf-a6b2-b3217c4e05b7","llm-wikis-beat-raw-rag-knowledge-work-zh","LLM 維護的 wiki 比原始 RAG 更適合真正的知識工作","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782760669415-7e3l.png","2026-06-29T19:17:20.761542+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"cde225a8-eb8e-4724-a089-77f36af0e8a6","mcps-new-primitives-make-agent-middleware-obsolete-zh","MCP 的新原語，正在淘汰自製 agent middleware","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782748974384-f5w9.png","2026-06-29T16:02:24.789168+00:00",{"id":75,"slug":76,"title":77,"cover_image":78,"image_url":78,"created_at":79,"category":13},"6e37d84c-aa27-4d4d-bbf1-81c47dc4522d","mcp-servers-ai-workflows-explained-zh","MCP Server 讓 AI 工具接上工作流","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782747180723-q3gs.png","2026-06-29T15:32:33.536175+00:00",[81,86,91,96,101,106,111,116,121,126],{"id":82,"slug":83,"title":84,"created_at":85},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]