融合 Boris Cherny 的系统性方法论与 OpenCode 开源生态的实战经验

一、思维转变：从"聊天工具"到"工程系统"

Boris Cherny（Claude Code 创始人）在 2026 年初的分享中强调了一个核心理念：AI 编程助手不是聊天工具，而是工程系统。这一认知转变是使用好这类工具的前提。

1.1 并行化工作流

Claude Code 经验：Boris 常年在终端运行 5 个 Claude 实例，Web 端再开 5-10 个，配合 --teleport 在本地和网页版间无缝切换，甚至用手机启动任务让其在后台运行。

OpenCode 实践：OpenCode 作为开源替代方案，同样支持多实例并行。通过 .opencode/skills/ 定义可复用的技能（Skills），你可以让不同实例专注于不同任务维度——一个负责核心功能开发，一个处理代码审查，一个专门做文档生成。

关键收益：不再"盯着 AI 干活"，而是让它在后台推进任务，人类专注于架构设计和关键决策。

1.2 模型选择策略

Claude Code 经验：Boris 坚持使用 Opus 4.5 + thinking 模式，虽然更大更慢，但"更少跑偏、更少返工"。真正浪费时间的不是"等几秒"，而是反复纠正。

OpenCode 实践：OpenCode 支持 75+ 种模型，包括其官方精选的 OpenCode Zen 免费模型（如 GLM-4.7、MiniMax M2.1）。建议根据任务复杂度分层：

• 复杂架构设计：选择带 thinking 模式的大模型（如 Claude 3.7 Sonnet、Kimi K2-Thinking）

• 日常编码任务：使用 OpenCode Zen 的免费轻量模型

• 快速验证：本地小模型或 Grok Code Fast 1 这类高速模型

二、系统化配置：构建可复用的 AI 行为边界

2.1 长期记忆外置：CLAUDE.md vs AGENTS.md

Claude Code 经验：团队共享 CLAUDE.md 文件，提交到 Git。这不是文档，而是长期记忆外置层。每次发现 AI 做错事，立即补充约束规则，团队成员每周多次贡献更新。

OpenCode 实践：OpenCode 提供了 AGENTS.md 作为对等方案。通过 /init 命令（或 ctrl+x i）创建，用于存储项目级上下文和规则，帮助 Agent 理解代码库。同时配合 Skills 系统（.opencode/skills/<name>/SKILL.md）定义可复用的具体行为。

三者关系：

• AGENTS.md = 项目级长期记忆（对标 CLAUDE.md），存储架构规范、编码标准、常用命令

• SKILL.md = 可复用的具体技能模块，通过 skill 工具按需加载

• opencode.json = 配置文件，管理模型、权限、MCP 等设置

工作流建议：

1. 首次进入项目时运行 /init 生成 AGENTS.md，手动补充项目架构和约束规则

2. 当发现 AI 重复犯错时，将纠正写入 AGENTS.md 作为长期记忆

3. 对于跨项目复用的能力（如 Git 工作流、发布流程），封装为 Skill 放入 .opencode/skills/

4. 团队共享这些文件，通过 Git 版本控制迭代更新

2.2 Slash Commands 自动化

Claude Code 经验：将高频重复工作流（commit、push、PR）封装成 Slash Commands，配置在 .claude/commands/ 目录，避免每天几十次重复写同样的提示词。

OpenCode 实践：OpenCode TUI 原生支持丰富的 Slash Commands，通过 / 前缀快速执行操作。常用命令包括：

命令	功能	快捷键
/compact	压缩当前会话上下文	ctrl+x c
/init	创建或更新 AGENTS.md 文件	ctrl+x i
/models	列出可用模型	ctrl+x m
/new	开启新会话	ctrl+x n
/undo	撤销上条消息及文件变更	ctrl+x u
/redo	重做已撤销的操作	ctrl+x r
/export	导出会话为 Markdown	ctrl+x x
/thinking	切换思考/推理块的显示	-

进阶技巧：

• 使用 @ 引用文件（如 @src/index.ts），自动将文件内容加入对话上下文

• 使用 ! 前缀执行 shell 命令（如 !git status），输出自动作为工具结果返回

• 通过 /editor（ctrl+x e）打开外部编辑器编写复杂提示词，支持 VS Code、Vim 等

三、工作流程优化：从计划到验证的闭环

3.1 Plan Mode 先行

Claude Code 经验：会话从 Plan Mode 开始（Shift+Tab 两次），与 Claude 反复讨论直到产出满意计划，确认后再切换到自动接受编辑模式。好的计划 = 避免更大的返工。

OpenCode 实践：OpenCode 的初始化流程体现了类似理念。首次进入项目时，可以通过tab键切换为plan模式，和ai探讨方案后，通过/init初始化并生成 AGENTS.md 文件——这相当于项目的"记忆文件"，包含代码库信息，帮助 Agent 更好地理解上下文。

建议流程：

1. 初始化阶段：允许 OpenCode 生成 AGENTS.md，手动补充项目架构、编码规范、常用命令等

2. 任务开始前：明确告诉 AI 你的预期，如"先列出修改计划，确认后再执行"

3. 复杂任务：使用专门的 Plan Agent（可在 opencode.json 中配置）先生成详细方案

3.2 Subagents 与职责分离

Claude Code 经验：定义专用子代理处理配套工作（如代码简化器、验证器），让 Claude 像项目指挥官一样协调这些"团队成员"。

OpenCode 实践：通过 Skills 的权限配置，可以为不同 Agent 分配不同技能集：

{
  "agent": {
    "plan": {
      "permission": {
        "skill": {
          "internal-*": "allow"
        }
      }
    },
    "code": {
      "permission": {
        "skill": {
          "test-*": "allow",
          "deploy-*": "deny"
        }
      }
    }
  }
}

这样，Plan Agent 可以访问内部文档技能，而 Code Agent 只能使用测试相关技能，实现权限最小化。

3.3 验证闭环：质量提升 2-3 倍的关键

Boris 强调：给 AI 一个验证其工作的方法，最终结果质量提升 2-3 倍。

具体实践：

• 自动化测试：配置 PostToolUse hook 在工具调用后自动运行测试套件

• 代码格式化：使用 hook 处理最后 10% 的格式问题，避免 CI 因小问题反复失败

• 浏览器测试：使用 Claude Chrome 扩展或 Playwright 测试 UI

• 类型检查：对 TypeScript 项目，在 AI 编辑后自动运行 tsc --noEmit

在 OpenCode 中，可以通过定义专门的 validator skill 来实现：

---
name: validator
description: Run tests and type check after code changes
---

## Validation Steps
1. Run `npm run type-check` or `tsc --noEmit`
2. Run `npm test` or equivalent test command
3. If failures, report specific errors and suggest fixes
4. If success, confirm "All checks passed"

四、安全与权限管理

4.1 谨慎使用危险权限

Claude Code 经验：不使用 --dangerously-skip-permissions，而是使用 /permissions 预先允许已知安全的命令，配置写入 .claude/settings.json 并团队共享。

OpenCode 实践：OpenCode 同样支持细粒度权限控制。在 opencode.json 中：

{
  "permission": {
    "skill": {
      "*": "allow",
      "pr-review": "allow",
      "internal-*": "deny",
      "experimental-*": "ask"
    }
  }
}

权限	行为
allow	技能立即加载
deny	对 Agent 隐藏，访问被拒绝
ask	加载前提示用户批准

4.2 长时间任务处理

Claude Code 经验：使用 --permission-mode=dontAsk 避免阻塞，配合后台代理验证工作，使用 Stop hook 确保执行预定义检查。

OpenCode 建议：对于耗时任务，可以：

1. 在独立终端会话启动 OpenCode

2. 使用 screen 或 tmux 保持会话在后台运行

3. 配置技能在任务完成后发送通知（如调用 Slack MCP）

五、MCP 集成：连接外部系统

Claude Code 经验：配置 MCP server 连接 Slack、Sentry、BigQuery 等，Claude 可以搜索 Slack、查询数据库、拉取错误日志。配置写在 .mcp.json 并团队共享。

OpenCode 实践：OpenCode 原生支持 Model Context Protocol (MCP)，可集成本地和远程服务器。配置在 opencode.json 的 mcp 字段中，支持工具级权限管理。

5.1 本地 MCP 服务器

通过 type: "local" 配置，使用 npx/bun 等命令启动：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "sentry-local": {
      "type": "local",
      "command": ["npx", "-y", "@modelcontextprotocol/server-sentry"],
      "enabled": true,
      "environment": {
        "SENTRY_AUTH_TOKEN": "{env:SENTRY_TOKEN}"
      }
    }
  }
}

5.2 远程 MCP 服务器

通过 type: "remote" 配置，支持 OAuth 自动认证：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "sentry": {
      "type": "remote",
      "url": "https://mcp.sentry.dev/mcp",
      "oauth": {}
    },
    "context7": {
      "type": "remote",
      "url": "https://mcp.context7.com/mcp",
      "headers": {
        "CONTEXT7_API_KEY": "{env:CONTEXT7_API_KEY}"
      }
    }
  }
}

OAuth 认证流程：

1. 首次使用时自动触发浏览器授权

2. 或使用 CLI 手动触发：opencode mcp auth sentry

3. 查看认证状态：opencode mcp auth list

4. 清除凭证：opencode mcp logout sentry

5.3 权限与上下文管理

重要警告：MCP 服务器会增加上下文 tokens，过多工具容易超出上下文限制（如 GitHub MCP server）。建议谨慎选择。

全局禁用/启用：

{
  "mcp": {
    "sentry": { "type": "remote", "url": "https://mcp.sentry.dev/mcp" },
    "context7": { "type": "remote", "url": "https://mcp.context7.com/mcp" }
  },
  "tools": {
    "sentry*": false,
    "context7*": true
  }
}

按 Agent 分配：

{
  "tools": { "sentry*": false },
  "agent": {
    "debug-agent": {
      "tools": { "sentry*": true }
    }
  }
}

5.4 使用示例

配置完成后，在提示词中显式调用：

Show me the latest unresolved issues in my project. use sentry

或在 AGENTS.md 中预设行为规则：

When you need to search docs, use `context7` tools.
If you are unsure how to do something, use `gh_grep` to search code examples from GitHub.

常用 MCP 集成：

• Sentry：查询错误日志和项目问题

• Context7：搜索技术文档（支持 API Key 提升限流）

• Grep by Vercel：在 GitHub 代码片段中搜索示例

六、核心收获总结

融合 Boris Cherny 的系统性思维与 OpenCode 的开源实践，AI 编程助手的工程化使用可以归纳为三个核心原则：

1. 并行（Parallelism）

• 多实例调度，不让 AI 空闲

• 不同实例负责不同任务维度

• 后台运行，人类专注决策

2. 约束（Constraints）

• 用 CLAUDE.md 或 AGENTS.md 积累团队共识

• 将经验转化为可复用的行为边界

• 每次 Review 不只是改代码，也在更新 AI 行为

3. 验证（Verification）

• 必须有反馈闭环，质量提升 2-3 倍

• 自动化测试、类型检查、代码格式化

• AI 不只是写代码，还要能验证自己的工作

七、OpenCode 独特优势

作为开源方案，OpenCode 相比 Claude Code 有以下独特价值：

1. 完全免费：OpenCode Zen 提供免费模型，降低使用门槛

2. 高度可定制：Skills 系统允许深度自定义，不受限于厂商预设

3. 多模型支持：75+ 模型可选，避免供应商锁定

4. 社区生态：开源社区持续贡献新技能和集成

5. 隐私可控：可本地部署，敏感代码无需上传第三方

结语

无论是 Claude Code 还是 OpenCode，工具只是手段，工程化思维才是关键。从"聊天"到"系统"，从"单次交互"到"持续迭代"，从"人工验证"到"自动闭环"——这三重转变，才是 AI 编程助手发挥最大价值的正确姿势。

建议从以下步骤开始实践：

1. 选择 OpenCode 或 Claude Code 作为主力工具

2. 建立项目的 CLAUDE.md 或 AGENTS.md，记录前三个你纠正过 AI 的错误

3. 配置一个自动化验证流程（测试 + 类型检查）

4. 尝试并行运行两个实例，分别处理不同任务

5. 每周回顾并更新你的技能库

让 AI 成为真正的工程伙伴，而不仅仅是代码生成器。

---

参考来源：

• Boris Cherny Twitter 分享 (2026.01.03)

• OpenCode Skills 官方文档 (https://opencode.ai/docs/)

• OpenCode 保姆级教程 (https://blog.csdn.net/weixin_42684533/article/details/157101036)