Loading... # OpenCode + Sisyphus AI 编程工具技术分析 # 一、新闻概述 ## 1. 标题 OpenCode + Sisyphus，把写代码全"外包"给 AI！Cursor 只是副驾，它才是全职司机！ ## 2. 发布时间 2025 年 1 月 17 日 ## 3. 来源 AI 职场风向标（微信公众号） # 二、核心内容 ## 1. 事件摘要 ### A. 主要内容 开源社区推出了一套名为 OpenCode + oh-my-opencode 的 AI 编程工具组合拳，相比 Cursor 等 AI 编程工具仅作为"副驾驶"，OpenCode 提供了更强大的代码全托管能力。 ### B. 核心亮点 - 支持混合模型策略，不同模型协同完成不同任务 - 完全开源免费，内置多个免费大模型 - 支持自定义工具挂载，可随手编写 Python 脚本作为工具 - 提供完整的 Agent 团队协作模式 ## 2. 关键信息 ### A. 涉及产品 - OpenCode：核心 CLI 工具 - oh-my-opencode：社区增强插件 - Sisyphus（西西弗斯）：总指挥 Agent - Google ADK：Agent 开发框架 ### B. 内置免费模型 - GPT-5 Nano - GLM-4.7 - MiniMax M2.1 - Grok Code Fast 1 - Big Pickle ### C. 核心特性 - 支持本地 Ollama 或 LM Studio 模型 - 多 Agent 协作模式 - 计划模式与执行模式分离 ## 3. 背景介绍 ### A. 前置技术 Cursor、Trae 等 AI 编程工具主要定位为"副驾驶"，需要人工参与编写代码。 ### B. 相关上下文 这是 Agent 系列文章的第四篇，作者准备带读者开启智能体实战之旅。OpenCode 的出现代表了 AI 编程工具从辅助模式向全托管模式的演进。 # 三、详细报道 ## 1. 主要内容 ### A. 技术特性 **混合模型策略**： - 让 GPT-4o 做 Planner（逻辑规划最严谨） - 让 Gemini 2.0 Flash 做 Researcher（免费且 Context 巨大） - 让 DeepSeek V3 做 Coder（写代码性价比极高） 这种架构既拥有最强大脑，又做到极致的性价比。 **工具扩展性**： - 可以随手写一个 Python 脚本作为 Tool 挂载 - 不受工具"严选"限制，完全自定义 - 开源意味着可以自己 DIY，挂载任意模型 ### B. 安装与配置 **环境要求**： - Node.js 环境 **安装步骤**： ```bash # 安装 OpenCode 核心 npm install -g opencode # 安装 oh-my-opencode 增强插件 npx oh-my-opencode install # 或使用 bun bunx oh-my-opencode install ``` **API 配置**： - 使用官方免费 OpenCode Zen - 运行 opencode auth login 进行配置 - 访问 https://opencode.ai/auth/ 免费创建 API Key - 免费用户注意不要启用"enable billing" ### C. 基础使用 **启动方式**： ```bash opencode # 或直接带任务启动 opencode "帮我xxxx" ``` **常用命令**： ```bash /models # 切换模型 /init # 让 AI 了解项目（新员工培训） /undo # 撤销上一步 /redo # 重做 /compact # 清理对话历史 /new # 开始新对话 /help # 查看帮助 ``` **基础操作**： - @：引用某文件 - Tab：切换计划模式（Plan）和执行模式（Build） - /：输入内置命令 - !：执行终端命令 ## 2. 技术细节 ### A. 系统架构 OpenCode + oh-my-opencode 采用多 Agent 协作架构： ```mermaid graph TB User[用户] --> OpenCode[OpenCode CLI] OpenCode --> Plugin[oh-my-opencode 插件] Plugin --> Sisyphus[Sisyphus 总指挥] Plugin --> Oracle[Oracle 先知] Plugin --> Librarian[Librarian 图书管理员] Plugin --> Explore[Explore 探索者] Plugin --> Frontend[Frontend Engineer] Sisyphus --> Models[混合模型策略] Models --> GPT[GPT-4o Planner] Models --> Gemini[Gemini 2.0 Researcher] Models --> DeepSeek[DeepSeek V3 Coder] GPT --> Tasks[任务分配] Gemini --> Tasks DeepSeek --> Tasks ```   ### B. Agent 角色分工 - **Sisyphus（西西弗斯）**：总指挥，默认在干活 - **Oracle（先知）**：设计架构、调试难题 - **Librarian（图书管理员）**：查文档、找资料 - **Explore（探索者）**：快速搜索代码 - **Frontend Engineer**：写漂亮的界面 使用 @名字可以呼叫特定团队成员： ```bash @oracle 帮我看看这个架构合不合理 @librarian 这个功能在官方文档怎么写的? @explore 找一下所有登录相关的代码 ``` ### C. 高级模式 **隐藏技巧**（非内置命令）： ```bash # 死磕模式（ultrawork） ulw 帮我完成这个工程从 Python 2 到 Python 3 的升级 # 深度思考模式 ultrathink 查看下这个错误是如何产生的，如何根除 # 全力搜索模式 search 工程中所有用到这个 API 的地方 # 深度分析模式 analyze 查看下这个错误是如何产生的 ``` **模式说明**： - analyze：只分析，不动手改 - ultrathink 和 ulw：会死磕到底 ## 3. 实战案例 ### A. 第一个 Agent 开发 **原始需求**： ```bash ulw 帮我开发第一个简单的智能体，要求如下： 1. 使用 Google 的 ADK 完成我的第一个 agent 开发 2. 里面包含 1 个工具 [google_search] 3. llm 使用 google 的 "gemini-2.5-flash-lite" 4. llm 需要的 api 已经保存到 .env 文件的 GOOGLE_API_KEY 中 5. 构建完成之后，帮我提一个问题"北京现在几点了？那里的天气如何？" ``` **生成结果**（30 分钟后自动完成）： ```python import os import asyncio from dotenv import load_dotenv from google.adk.agents import Agent from google.adk.runners import InMemoryRunner from google.adk.tools import google_search # 加载 .env 文件 load_dotenv() async def main(): # 1. 检查 API Key api_key = os.getenv("GOOGLE_API_KEY") if not api_key: print("错误: 未找到 GOOGLE_API_KEY。请检查 .env 文件。") return print(f"环境检测通过。正在初始化 Agent (Python {os.sys.version.split()[0]})...") # 2. 定义 Agent root_agent = Agent( name="helpful_assistant", model="gemini-2.5-flash-lite", description="一个智能助手。", instruction="你是一个乐于助人的助手。如果用户问的问题你需要实时信息（如天气、新闻），请务必使用 Google Search 工具。", tools=[google_search], ) # 3. 定义运行器 runner = InMemoryRunner(agent=root_agent) # 4. 模拟用户提问 user_query = "现在北京几点了？那里的天气如何？" print(f"\nUser: {user_query}") print("Agent: (正在思考并调用工具...)\n") try: # 5. 运行 Agent response = await runner.run_debug(user_query) print("-" * 30) print("最终回答:\n") print(response) except Exception as e: print(f"\n运行出错: {e}") print("提示: 如果是 404 错误，可能是模型名称写错了，请尝试更改 model 参数。") if __name__ == "__main__": asyncio.run(main()) ``` ### B. 工作流程对比 ```mermaid sequenceDiagram participant U as 用户 participant C as Cursor participant O as OpenCode+Sisyphus U->>C: 输入需求 C->>C: 生成代码建议 C-->>U: 等待用户确认 U->>C: 手动采纳/修改 C->>C: 继续生成 Note over C: 需要持续交互 U->>O: 输入需求（ulw 模式） O->>O: 自动规划 O->>O: 自动执行 O->>O: 自动验证 O->>O: 自动修正 O-->>U: 返回完成结果 Note over O: 全程自动化 ```   # 四、影响分析 ## 1. 行业影响 ### A. 技术趋势 - AI 编程工具从辅助模式向全托管模式演进 - 混合模型策略成为新趋势，充分利用各模型优势 - 开源免费方案挑战商业 AI 编程工具 ### B. 竞争格局 - 对比 Cursor：OpenCode 提供更完整的自动化能力 - 对比 Trae：OpenCode 支持多模型协作和完全自定义 - 开源社区的创新速度可能超越商业产品 ## 2. 用户影响 ### A. 现有用户 - 降低使用门槛：内置免费模型，无需付费订阅 - 提高效率：全托管模式减少人工干预 - 增强灵活性：可自定义工具和模型 ### B. 潜在用户 - 对 AI 编程感兴趣但不愿付费的用户 - 需要高度定制化的专业开发者 - Agent 开发者 ### C. 迁移建议 - 需要配置 API Key（免费版也需要） - 学习命令行交互模式 - 熟悉 Agent 协作模式 ## 3. 技术趋势 ### A. 技术方向 - 多模型协同是未来发展重点 - Agent 化编程成为新范式 - 开源与商业方案竞争加剧 ### B. 生态影响 - 促进 AI 编程工具标准化 - 推动 Agent 开发框架普及 - 可能催生更多基于 OpenCode 的扩展 # 五、各方反应 ## 1. 官方信息 - OpenCode 为开源项目，社区维护 - oh-my-opencode 由社区大佬 code-yeongyu 维护 ## 2. 业内评价 ### A. 技术优势 - 混合模型策略创新性强 - 完全免费降低使用门槛 - 开源可定制，扩展性好 ### B. 潜在挑战 - 命令行界面学习曲线 - 文档和社区支持相对有限 - 稳定性和可靠性待验证 ## 3. 用户反馈 ### A. 正面评价 - 30 分钟完成 Agent 开发，效率显著 - 免费模型质量不错 - ulw 死磕模式解决复杂问题能力强 ### B. 关注点 - 需要配置环境，上手门槛略高 - 相比 GUI 工具，命令行不够直观 - 免费模型可能有调用限制 # 六、相关链接 ## 1. 官方资源 - OpenCode 官网：https://opencode.ai/ - OpenCode 认证地址：https://opencode.ai/auth/ - GitHub 仓库（需补充） ## 2. 相关技术 - Google ADK 文档 - oh-my-opencode 插件仓库 - Ollama 本地模型支持 - LM Studio 本地模型支持 ## 3. 参考资料 - Cursor AI 编辑器 - Trae AI 编程工具 - Agent 开发最佳实践 *** ## 参考资料 1. [Opencode+Sisyphus，把写代码全"外包"给AI！Cursor只是副驾，它才是全职司机！](https://mp.weixin.qq.com/s/B9yvhgRGkT8kVEaF1e1dKg) 最后修改：2026 年 01 月 17 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