Loading... # OpenCode Agent 系统深度体验：Context Engineering 决定上限 # 一、新闻概述 ## 1. 标题 OpenCode Agent 系统深度体验：Context Engineering 决定上限 ## 2. 发布时间 2025 年 1 月 15 日 ## 3. 来源 微信公众平台 # 二、核心内容 ## 1. 事件摘要 ### A. 主要内容 作者 dongxu 分享了使用 OpenCode + oh-my-opencode 在真实项目中的深度体验，重新实现 TiKV 的 PostgreSQL 协议 SQL 层。 ### B. 核心亮点 - 不到一个下午完成需要团队 2 个月的工作量 - 烧掉约 100 万 token，成本几乎可忽略 - Context Engineering 比模型本身更重要 - 多模型协同效果超越预期 ## 2. 关键信息 ### A. 项目内容 为 TiKV 重新实现兼容 PostgreSQL 协议的 SQL 层，能够运行 dvdrental 兼容性测试和 TPCC。 ### B. 重要数据 - 时间成本：不到一个下午 - Token 消耗：约 100 万 - 传统方式：团队 2 个月工作量 ### C. 涉及技术 OpenCode、oh-my-opencode、Claude Code、Agent 系统 ## 3. 背景介绍 ### A. 任务难度 相当于重写 TiDB 的 SQL 层，这是数据库核心组件，涉及解析、优化、执行等多个复杂模块。 ### B. 相关上下文 作者已重度使用过 Claude Code、Gemini Pro、Codex 等工具，对各类 AI 编程助手有深入对比。 # 三、详细报道 ## 1. 主要观点 ### A. Context Engineering 并不是堆 Prompt 真正有效的 context engineering，需要持续、结构化、稳定地注入以下内容： - 明确但不过度具体的目标（人） - 清晰的计划（Agent） - 工程边界与约束（人） - 历史决策与隐含假设（Agent） - 让模型在长上下文中不乱飞的稳定中间结构（Agent） ### B. 多模型协同的优势 oh-my-opencode 的设计理念：不执着于使用最强模型，而是将多个一线模型组织进同一工作流。 效果：3 个诸葛亮的协同明显超过单个诸葛亮。 ### C. 不中断体验的重要性 非中断流（non-interruptive flow）是关键体验要素。人只在必要位置介入，而不是被迫扮演下一步指挥官。 ## 2. 技术细节 ### A. Agent 系统架构对比 ```mermaid graph TB subgraph 传统Agent系统 A1[用户] -->|发送指令| B1[Agent] B1 -->|执行| C1[工具] C1 -->|报错| B1 B1 -->|等待确认| A1 end subgraph OpenCode系统 A2[用户] -->|设定目标| B2[Agent Loop] B2 -->|持续推进| C2[多模型协同] C2 -->|调用| D2[工具集] D2 -->|反馈| B2 B2 -->|最终验收| A2 end ```  ### B. 工作流程差异 ```mermaid sequenceDiagram participant U as 用户 participant T as 传统Agent participant O as OpenCode Note over U,T: 传统模式 U->>T: 执行任务 T->>T: 思考 T->>U: 报错，等待确认 U->>T: 给出下一步指令 T->>U: 再次报错 U->>T: 继续指挥 Note over U,O: OpenCode模式 U->>O: 设定目标 O->>O: 持续Loop推进 O->>O: 燃烧Token O->>U: 最终验收 ```  ### C. 用户体验要素 好的 Agent 系统应该让人始终清楚： - 系统现在在做什么（thinking 和 todo 的展示） - 为什么这么做 - 何时、以什么方式可以介入 ## 3. 数据与事实 ### A. 性能对比 | 指标 | 传统团队开发 | OpenCode Agent | |------|-------------|----------------| | 时间 | 2 个月（团队） | 1 个下午 | | 人力 | 多人团队 | 1 人 + Agent | | Token 消耗 | 0 | 约 100 万 | | 成本 | 高 | 几乎可忽略 | ### B. 体验差异 | 维度 | 传统 CLI 工具 | OpenCode | |------|-------------|----------| | 中断频率 | 高（频繁等待确认） | 低（持续推进） | | 认知负担 | 高（需要步步指挥） | 低（设定目标后验收） | | 掌控感 | 弱（被动等待） | 强（清晰展示状态） | # 四、影响分析 ## 1. 行业影响 ### A. 技术趋势 - 写代码的成本已几乎可忽略不计 - 上下文工程成为新的核心竞争力 - 多模型协同比单一大模型更有前景 ### B. 竞争格局 - 底层模型能力差距在缩小 - 真正的差异化在于 context engineering - 未来的竞争是系统设计能力的竞争 ## 2. 用户影响 ### A. 程序员群体 第一批感受到 AGI 到来的群体，职业写代码很快就不存在。 ### B. 转型方向 - 从代码编写者转向系统设计者 - 从实现细节转向架构决策 - 古法编程将成为爱好和思维游戏 ## 3. 技术趋势 ### A. 发展方向 - opencode for XXX、opencode for YYY 等垂直系统将出现 - 底层模型可以相同，但上下文组织方式不同 - 稳定 loop 的整体设计比模型本身更重要 ### B. 关键要素 ``` 未来Agent系统上限 = 多模型协同 + Context Engineering + 稳定Loop设计 ``` # 五、各方反应 ## 1. 作者观点 - Context engineering 是可迁移的 - 模型能力正在标准化 - More tokens, more intelligence ## 2. 核心洞察 同样的食材（LLM）配合不一样的厨子（Claude Code / OpenCode），会得到截然不同的效果。但是你本人的 init prompt（目的）也许并没变化。 # 六、相关链接 ## 1. 项目地址 - tipg 项目：https://github.com/c4pt0r/tipg ## 2. 相关工具 - OpenCode - oh-my-opencode - Claude Code *** ## 参考资料 1. [这两天重度使用 opencode 后引发的一些关于 agent 的感想](https://mp.weixin.qq.com/s/rY5yqB3TE0o7LcnC4vkfpQ) 最后修改：2026 年 01 月 15 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏