收录于 AI 浏览量
开源 AI 编码代理 OpenCode 的上手教程：安装、连接模型、TUI 核心键位、内置 Agent 体系、自定义命令与子代理，一篇走完从零到熟练的路。
AI 编码助手这两年层出不穷，但大多绑死在某一家厂商的客户端里。OpenCode 是一个开源的 AI 编码代理（AI coding agent）：它把“能读写你代码库、能执行命令、能自己多步干活的 AI 助手”做成了一款终端优先的工具，同时提供桌面 App 和 Web 界面。模型随便换——Anthropic、OpenAI、Google 或任何兼容供应商都行，数据和工作流都留在你自己的机器上。
收录于 AI 浏览量
OpenCode 的 Skills 扩展机制：按需加载的说明书如何节省上下文、SKILL.md 的结构与 front matter、发现位置与优先级、权限控制，以及与 Agent、命令、AGENTS.md 的分工。附本站真实技能案例。
OpenCode 入门教程里我们用过它的自定义命令和子代理，这篇补上第三种扩展机制：Skills（技能）。它解决的是所有 Agent 都要面对的一个问题——上下文是有限的，而“怎么干活”的知识越来越多。
收录于 AI 浏览量
讲清 MCP（Model Context Protocol）：为什么需要它、Host/Client/Server 三角架构、Tools/Resources/Prompts 三类能力、JSON-RPC 消息与传输方式、与 Function Calling 和 Skill 的区别，以及在 OpenCode 里接入一个 MCP 服务器的实际步骤。
前面几篇讲过 Agent 怎么调用工具（工作原理篇第三节），也讲过 OpenCode 的 Skill 机制。但有一个问题还没回答：工具从哪来？ 每个产品都自己写一套文件读写、数据库查询、网页抓取，彼此不通用。MCP 就是为解决这个问题而生的协议。
收录于 AI 浏览量
自底向上看清 AI 系统的完整技术栈：token 与 embedding、Transformer 注意力机制、预训练与后训练四道工序、推理过程的 prefill 与 decode 与 KV Cache、GPU 算力经济学、推理服务架构、RAG 向量检索的底层原理。
这个系列已经打穿了三层：OpenCode 教程讲工具层——怎么用；《AI Agent 的核心推理逻辑详解》讲认知层——Agent 怎么想；《AI Agent 工作原理详解》讲系统层——Agent 怎么跑。这篇挖到最底下：模型本身与支撑它的基础设施。
收录于 AI 浏览量
拆开 AI Agent 的黑盒：感知-推理-行动-观察的循环、ReAct 范式、思维链、上下文与记忆管理、工具调用机制、子代理调度与自我修正，附一份 60 行的极简 Agent 伪代码实现。
上一篇文章介绍了 OpenCode 这类 AI 编码代理的用法，这篇往深处走一层：Agent 到底是怎么“思考”的。剥开各家产品的界面差异，所有 Agent 的核心都是同一套推理循环。理解了它，你就明白为什么有的 Agent 表现得有条不紊，有的却像无头苍蝇。
