AI編程：OpenCode 入門 | Plan & Build 模式 | Agent,command,Skill|教學|廣東話|60fps
三句話摘要
OpenCode 開源 AI Coding Agent 的完整使用指南，涵蓋 Terminal/Desktop 兩版本、設定層級、Agent/Command/Skills 客製化，以及複雜專案的 Debugging 策略。 善用 Plan Mode 定位 Root Cause、搭配 Debug Log 追蹤資料流，是解決複雜循環 Bug 的關鍵，而 Agent/Command/Skills 的分層客製化則讓 OpenCode 得以適應各種專案規模與工作流程。 OpenCode 分 Terminal（TUI）與 Desktop（GUI）兩版，Terminal 版是核心，Desktop 版大同小異但介面更直覺；兩者都內建 Build 與 Plan 兩個 Primary Agent，Plan Mode 不會修改磁碟檔案，適合先規劃再執行，避免衝動修改引發連鎖問題。
重點整理
重點- 1
OpenCode 分 Terminal（TUI）與 Desktop（GUI）兩版，Terminal 版是核心，Desktop 版大同小異但介面更直覺；兩者都內建 Build 與 Plan 兩個 Primary Agent，Plan Mode 不會修改磁碟檔案，適合先規劃再執行，避免衝動修改引發連鎖問題。
- 2
設定分 Global（User）與 Project 兩個層級，Global 設定放在 `~/.config/opencode/`，Project 設定放在專案內的 `.opencode/` 資料夾；兩層設定可同時生效，例如 Global 的 `agents.md` 可要求所有專案產生含 Comment 的程式碼，Project 層則管理專案專屬的 Agent 或指令。
- 3
OpenCode 支援自訂 Command、Agent、Skills 三種擴充機制：Command 是主動呼叫的指令腳本（如 `gitinit`）；Sub Agent 是被 Primary Agent 呼叫的獨立工作單元，各有獨立 Context 以避免主 Context 爆滿；Skills 則是由 AI 自動判斷是否觸發的可重用行為，以資料夾名稱作為識別名。
- 4
面對複雜或循環出現的 Bug，光靠文字描述給 AI 往往詞不達意、越改越亂；應先讓 AI 加入 Debug Log 追蹤資料流，定位根本原因（Root Cause），再切換到 Plan Mode 限制 AI 只針對特定位置修改，避免隨機 patch 引發新的問題。
實用技巧與重點
乾貨- 安裝指令：`npm install -g opencode`，需預先安裝 Node.js
- 目前版本：1.17.57
- 切換 Build/Plan Agent：按 `Tab` 鍵
- 免費模型：Big Pickle（來源未公開）、DeepSeek V4 Flash Free、小米 V2.5 Memo、NVIDIA 模型
- 付費 Subscription：約每月 10 美元，可用多種國產模型
- Provider 平台名稱：Variant（OpenCode 官方平台）、OpenRouter、DeepSeek、Google、Anthropic、阿里巴巴
- Variant 思考深度設定：Low / Medium / Max
- Context 壓縮指令：`/compact`；開新 Session：`/new`；查看模型：`/model`
- Global 設定路徑：`~/.config/opencode/`，含子資料夾 skills、plugins、agents、commands
- Project 設定路徑：`.opencode/`（需自行建立）
- 主設定檔：`opencode.jsonc`（Global）
- 聲音設定：在 `~/.config/opencode/` 加入 `tui.json` 並填入對應設定
- LSP 啟用：在 `opencode.jsonc` 加入 LSP 設定，Python 對應 PyRight Language Server
- Skills 資料夾名稱即為 Skill 名稱（非檔案名）
- Skills 安裝指令：`mpx skill <skill-name>`，如 `mpx skill super-powers`
- Built-in Sub Agents：`journal`（讀寫）、`explore`（唯讀）、`skull`（已廢棄）
- 手動呼叫 Sub Agent：`/add general` 或 `/add explore`
- Code Review Command：`/review`（針對未 commit 的變更）
- Init 指令：`/init`（讓 AI 掃描專案自動生成 `agents.md`）
- Desktop 版開啟 Terminal：`Ctrl+B`；切換 Agent：`Ctrl+.`
- Debug 建議步驟：① 加 Debug Log → ② Plan Mode 定位 Root Cause → ③ 限制修改範圍再 Fix
結論
結論“善用 Plan Mode 定位 Root Cause、搭配 Debug Log 追蹤資料流，是解決複雜循環 Bug 的關鍵，而 Agent/Command/Skills 的分層客製化則讓 OpenCode 得以適應各種專案規模與工作流程。”
完整解析
詳細OpenCode 是一款開源的 AI Coding Agent，提供 Terminal（TUI）與 Desktop（GUI）兩個版本。Terminal 版透過 NPM 安裝（`npm install -g opencode`），進入任意專案資料夾後執行 `opencode` 即可啟動。畫面中央為對話框，左上顯示專案路徑，右側顯示版本名稱；核心功能之一是 Context 用量指示器，顯示目前已消耗多少 Token 百分比，超過一半時建議執行 `/compact` 壓縮，或用 `/new` 開啟新 Session。模型選擇方面，免費選項包含 DeepSeek V4 Flash Free 與 Big Pickle 等，付費訂閱約每月 10 美元可解鎖更多國產模型；也可透過 Connect 功能接入 OpenRouter、Google、Anthropic、阿里巴巴等外部 Provider 並填入 API Key。
OpenCode 的設定分 Global 與 Project 兩個層級，Global 設定位於 `~/.config/opencode/`，包含 `opencode.jsonc` 主設定檔及 agents、commands、skills、plugins 等子資料夾；Project 設定則放在專案根目錄的 `.opencode/` 資料夾下。兩層設定會同時生效，讓使用者可以在全域層定義通用規則（例如在 `agents.md` 要求 AI 產生程式碼時一律加上 Comment），並在個別專案層定義專屬的 Agent 或指令。`agents.md` 是給 AI 看的行為準則文件，可手動撰寫或透過 `/init` 指令讓 AI 自動掃描專案內容生成初稿。
客製化擴充機制有三種：Command 是主動呼叫的 Markdown 腳本，例如自訂的 `gitinit` 指令可一鍵建立 `.gitignore` 並執行 `git init`；Sub Agent 是具有獨立 Context 的工作單元，內建 `journal`（讀寫）與 `explore`（唯讀）兩種，使用者也可自行定義（如 Security Advisor），Primary Agent 會在需要時自動呼叫，或透過 `/add explore` 手動觸發，核心優勢是避免所有工作擠在 Primary Agent 的 Context 裡導致超載；Skills 則是放在 skills 資料夾下的 Markdown 描述檔，資料夾名稱即為 Skill 識別名，AI 會根據 description 自動判斷是否觸發，無需手動呼叫，例如「chart from source」Skill 可在分析 Python 檔案時自動生成流程圖的 HTML。此外，啟用 LSP（Language Server Protocol）後，AI 能識別變數型別、函式回傳值與語法錯誤，Python 對應 PyRight，可大幅提升程式碼編輯的準確度。
Debugging 方面，講者指出在專案早期 AI 修 Bug 輕而易舉，但到了後期會出現兩類棘手問題：反覆修改仍無法解決的頑固 Bug，以及修好 A 又壞 B、循環出現的 Bug。對此，講者給出兩個核心建議：第一，先讓 AI 在程式碼中加入 Debug Log，透過真實執行時的資料流來定位問題根源，而非靠文字描述反覆猜測；第二，切換到 Plan Mode 進行 Debug，強迫 AI 先找出 Root Cause 並規劃修改範圍，而不是在 Build Mode 中隨機 patch 某個位置，如此才能避免牽一髮動全身的連鎖破壞。Desktop 版本功能與 Terminal 版大同小異，差別在於提供圖形化的 Sidebar、FileTree、內建 Terminal（Ctrl+B）與 diff Review 面板，也可設定遠端 Server 讓其他人連線使用。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
