核心用法
OpenCode 是一款原生AI驱动的终端代码编辑器（CLI/TUI），定位类似Cursor/Windsurf的终端版本。核心使用场景包括：
一键任务模式 (opencode run)：通过自然语言指令完成代码任务，支持多模型选择（如Claude、GPT等）、文件上下文附加、会话续传与分享。适合快速修复、重构或功能实现。
交互式TUI模式 (opencode [path])：提供沉浸式终端界面，支持会话管理、代理模式切换（plan/build/explore/general）、模型选择、历史压缩等。推荐工作流：先用plan代理分析设计，再切build代理实现。
高级集成能力：GitHub PR直接检出修复、MCP服务器生态、自定义Agent创建、ACP协议支持、远程实例附加等。
显著优点
1. 深度上下文感知：多文件编辑、会话级记忆、可附加外部文件作为上下文
2. 灵活代理体系：四种预设代理模式（plan/build/explore/general）+ 自定义Agent
3. 模型生态开放：支持多供应商模型，可按任务选择不同推理强度（--variant high/max/minimal）
4. 工作流无缝衔接：session续传/fork、导出导入、分享链接、GitHub原生集成
5. 终端原生体验：无需离开SSH/终端环境，适合服务器/远程开发场景
潜在局限
- 学习成本：TUI交互和代理模式需理解才能高效使用，非开箱即用
- 依赖外部服务：AI能力依赖第三方API，存在成本、延迟和可用性风险
- 复杂任务边界模糊：简单编辑仍需判断"用edit tool还是opencode"，决策 overhead
- token消耗不可控：大规模重构可能产生高额API费用
- 终端限制：无图形化diff/预览，复杂UI场景体验受限
适合人群
- 习惯终端环境的后端/全栈开发者
- 需要远程服务器编码的工程师（SSH场景）
- 追求AI深度集成但偏好轻量工具的用户
- 处理多文件复杂重构、代码库探索、PR级任务的开发者
常规风险
- 代码质量风险：AI生成代码需人工审查，尤其是安全敏感逻辑
- 会话数据隐私：代码上下文上传至AI服务商，敏感项目需确认数据政策
- 成本失控：大模型+长会话+多文件可能产生意外高额费用
- 供应商锁定：多模型支持虽开放，但高级功能可能依赖特定生态
- 版本兼容性：快速迭代中可能存在CLI行为变更