#终端 Agent
标签 · 共 44 篇
故障排查指南
flowchart TD
企业部署与治理
flowchart TB
IDE 扩展开发
flowchart TB
LSP 与 ACP
flowchart TB
服务器部署
flowchart TB
Go SDK 使用
flowchart TB
插件系统
Plugin 是比 Tool 更强大的扩展机制。如果说 Tool 是给 AI 添加「能力」，Plugin 则是给 OpenCode 本身添加「行为」。
自定义工具开发
当内置工具无法满足需求时，你可以编写自己的 Tool。OpenCode 的工具系统遵循 MCP (Model Context Protocol) 规范，允许 AI 在对话中安全地调用外部能力。
代理技能
技能（Skills）是可复用的指令集，让 OpenCode 在需要时加载特定能力。它们是团队知识沉淀的最佳载体——将反复使用的提示词、规范、流程封装为标准化模块。
Web 界面与 IDE
OpenCode 提供三种界面形态，适应不同场景：TUI（终端）、Web（浏览器）、IDE 插件。理解各自特点，能帮助你在正确场景选择最高效的工具。
GitHub/GitLab 集成
OpenCode 原生支持 GitHub 和 GitLab 工作流，配合 MCP 服务器可以实现从 Issue 查看到 PR 创建的全流程自动化。本章覆盖配置方法、实战场景和标准化工作流。
MCP 服务器集成
flowchart TB
规则系统
规则（Rules）是告诉 AI "应该怎么做" 的指令。它们会：
工具系统与权限
工具（Tools）是 AI 代理执行操作的能力。OpenCode 的工具系统让 AI 能：
模型选择与切换
OpenCode 通过 AI SDK 支持 75+ 提供商、数百种模型。面对如此多的选择，如何为你的任务挑选最合适的模型？本章提供系统化的决策方法和实战配置。
配置系统详解
OpenCode 的配置系统采用多层合并策略，让你可以在组织、个人、项目、环境变量等多个层级管理设置。理解这套体系，是高效使用 OpenCode 的基础。
个性化设置
flowchart TB
常用内置命令
mindmap
基础工作流
flowchart TD
TUI 界面导航
┌─────────────────────────────────────────────────────┐
第一次运行
OpenCode 需要 LLM 提供商的 API 密钥才能工作。首次运行时会提示配置。
安装与环境准备
使用官方安装脚本，一行命令搞定：
什么是 OpenCode
OpenCode 是一个开源的 AI 编码代理（AI Coding Agent）。简单来说，它是一个住在你的终端/编辑器里的智能助手，能帮你：
大规模团队架构模式：平台化 Codex 部署
当团队从"个人使用 Codex"扩展到"百人级平台化部署"时，需要解决：
性能优化与成本控制：Token 预算管理
Codex 的成本主要来自Token 消耗，理解其计费模型是优化的前提：
Plugin 开发与分发：跨团队复用
Plugin 是 Skill 的分发单元，支持跨仓库、跨团队共享：
自定义 Skill 开发：沉淀团队工作流
Skill 是 Codex 的可复用工作流单元，区别于一次性 Prompt：
遥测、审计与可观测性：企业级监控
传统安全日志回答"发生了什么"（What），Codex 的 Agent-native 遥测回答"为什么"（Why）：
CI/CD 流水线集成：自动化 Codex 执行
codex exec 命令提供非交互式执行能力，使 Codex 可嵌入 CI/CD 流水线：
企业级配置与合规：集中管控策略
企业级 Codex 部署需回答三个核心问题：谁在用、做了什么、如何管控。
沙盒安全模型深度解析：分层防御的工程实现
Codex 的安全模型采用"沙盒约束 + 审批策略"双轨制：
子 Agent 编排：多智能体并行协作架构
Codex 的 Subagents 机制支持主 Agent 拆分子任务并行执行，每个子 Agent 拥有独立的模型配置、沙盒权限和上下文窗口。这标志着从"单 Agent 串行"到"多 Agent 协作"的架构跃迁：
日常开发工作流设计：从需求到交付
高效的 Codex 工作流不是"问一个问题等回答"，而是人机协作的流水线。设计良好的工作流应明确：
MCP 集成：扩展 Codex 的能力边界
MCP（Model Context Protocol）是 OpenAI 推出的标准化工具集成协议，允许 Codex 调用外部系统（数据库、浏览器、文档平台、GitHub 等）。
多文件编辑与重构：跨文件协调的 Agentic 能力
Codex 的核心优势不是"生成代码片段"，而是理解项目结构后协调跨文件修改。其内部执行流程：
代码审查工作流：让 Codex 当你的 Reviewer
Codex 内置的 /review 命令会启动一个独立的只读子 Agent，与当前会话隔离，避免"自我审查"的认知偏差。
提示工程：让 Codex 精准理解你的意图
Codex 的 Prompt 处理遵循"意图识别 → 上下文加载 → 任务规划 → 执行"四阶段。优质的 Prompt 能显著降低 Token 消耗和提升结果准确率。
AGENTS.md 项目规范：让 Codex 读懂你的团队规则
AGENTS.md 是 Codex 的项目级系统提示持久化机制。它的核心作用是：把"每次都要交代一遍的项目规则"写成文件，让 Codex 每次启动自动读取。
第一个实战任务：从读懂项目到修复 Bug
Codex 的 Agentic Workflow 遵循"理解 → 规划 → 执行 → 验证"四阶段循环。对于初学者，掌握如何描述任务边界比掌握命令更重要：
审批模式与安全入门：控制 Agent 的自主边界
Codex 的权限控制采用"沙盒（Sandbox）× 审批策略（Approval Policy）"双轨模型。这两个维度正交组合，产生 9 种实际权限状态：
基础命令与交互：TUI 导航与核心操作
Codex CLI 的交互界面是一个全屏终端 UI（TUI），基于 Rust 的终端渲染引擎构建。理解其输入模式是高效使用的前提：
首次运行与认证：从登录到第一个会话
Codex CLI 支持两种认证方式，其安全模型和适用场景截然不同：
安装与环境配置：从零到 codex 命令可用
Codex CLI 是一个基于 Node.js 的 npm 全局包，但其底层核心 Harness 使用 Rust 编写，通过 Node.js 封装暴露给终端。这种混合架构兼顾了 Rust 的性能（文件系统监控、沙盒执行）和 Node.js 的生态（npm 分发、配置管理）。
Codex 全景概览：从 ChatGPT 到终端 Agent
Codex 不是 ChatGPT 的终端版。 它是 OpenAI 推出的终端原生自主编程 Agent（Autonomous Coding Agent），核心差异在于：