微信扫码
添加专属顾问
我要投稿
OpenCode与Claude Code究竟有何不同?这篇文章帮你理清AI编程工具的核心概念与使用技巧。 核心内容: 1. OpenCode与Claude Code的本质区别及适用场景 2. API、MCP协议与Skills的生动类比解析 3. 提升AI工具使用效率的实用技巧与碎碎念
前几天我发了使用 OpenCode 的体验分享后,我是真没想到,评论区和群里大家还是有不少关于使用的问题。
其实在 AI 时代,关于如何安装这类基本疑问是完全可以通过询问 AI 来解决的,而且这是最好的一对一的解决方式,大家一定要养成这个习惯,如果是怕描述不清楚,那就直接截图丢过去,比起描述起来词不达意更有效。
还有一个技巧,你完全可以让豆包浏览器的屏幕分享来帮你全程协助,这样连截图都可以省去,直接鼠标点给豆包看,说这个我搞不定,你来帮我解决,大家可以去试试看。
但是,既然大家问到了一些问题,我就选一些比较有共性,并且是基础性的概念问题来解答一下,然后再给大家提供一些使用时候的思路和技巧。
今天这篇,就倒倒车来接一下刚开始接触的小伙伴,希望能对大家有点用,结尾会碎碎念一些最近使用 Skill 的一些感触,用得越多,越是有些伤感。
搞清基本概念
1. OpenCode 和 Claude Code 是一回事吗?
完全不同,Claude Code 是 Anthropic 官方专门为自家的 Claude 模型开发的工具,最大的优势在于与 Claude 模型的高度适配和极致的推理能力,在处理复杂架构和多文件协同编辑时非常稳健,但它对第三方模型接入 API 限制比较多,还有就是从整个生态来说,还是兼容 Claude Code 的玩法更丰富。
OpenCode 被称为开源版的 Claude Code。它的目标是提供和官方一致,甚至更强的终端编程体验,但打破模型限制。对于咱们喜欢折腾的人来说,可玩性更高。
建议: 如果你追求极致稳定且只用 Claude,选官方版;如果你希望尝试不同模型、节省费用或需要桌面客户端,OpenCode 是更好的选择。
2. Gemini 能不能挂载 OpenCode?
这个问题问得好,但是逻辑反了。
OpenCode 是车,Gemini 是引擎。接入 Gemini API 就是给车装上引擎,让 OpenCode 借助 Gemini 的动力驱动运行。
3. API 和 OpenCode 什么关系?
接上面的比方,如果说 OpenCode 是车,Gemini 是引擎,那 API 就是油。
OpenCode 本质是个无智力的空壳,跑不动是因为缺了 API 这桶油。API 是连接模型的关键。
只有填入 API ,它才能调用大模型工作,否则它就是个空油箱的车,啥也跑不动。
4. MCP 协议和这里的 Skills 有什么区别?
MCP:就像是为 AI 准备的一个万能插头。如果你想让 AI 读取你电脑里的 PDF、查询学校数据库或操作你的 GitHub 仓库,你需要配置一个 MCP。
Skill:更多是关于领域知识的技能说明书,可以包含复杂的提示词、工作流,甚至一小段辅助执行的脚本。它让 AI 学会了某种特定技能。
在实际使用中:你通过 MCP 赋予 AI 访问权限,让它能读取你服务器上的代码文件。你通过 Skills 赋予 AI 专业知识,告诉它,当用户任务触发到对应领域的技能时,就拿出对应的技能去按照说明书解决问题。
5.OpenCode 中的 Plan 和 Build 分别是什么作用?
当你打开 OpenCode,通常有两个模式让你选:Plan 模式 和 Build 模式。
在 OpenCode 中,Plan 与 Build 的区别在于:前者是出方案 ,后者是搞执行。
Plan :只读/分析模式。AI 会扫描代码库,输出一份修改清单(涉及哪些文件、逻辑如何变动),但不实际动手修改任何文件。
适合用在评估复杂功能、讨论架构方案、防止 AI 在未理解意图前乱改代码,它更像是一个可以读取你本地文件的增强版 Chatbot。
Build:全功能/执行模式。AI 直接读写文件、新建目录、运行终端命令,将想法转化为代码。适用于正式写代码、修复 Bug、部署环境。
建议:你可以把这套工作流想象成谋定而后动,先用 Plan 听听它打算怎么干,没问题了再切到 Build 让它开工干活。
先用 Plan 模式, 告诉 AI 你的想法,看它列出的修改清单涉及哪些文件、改动逻辑是什么。
如果计划没错,切换到 Build 模式,对 AI 说按刚才的计划执行,它就开始自动修改你的工程了。
这种模式最大的好处是安全,能避免 AI 因为理解偏差一下子毁掉你的整个项目。
最后总结一下:
你可以把这一整套系统想象成一个打工人:
大模型(LLM):比如 Gemini 或 智谱 GLM,这是大脑。它负责思考,但它本身没有手,动不了你电脑里的文件。
OpenCode:这就是身体和手。它连接了大脑和你电脑的操作系统,让 AI 真的能去执行命令。
Skill:这就是工具包。比如搜索网页是一个技能,写 PDF 是一个技能。
MCP:就是通用的 USB 接口。以前 A 公司的工具 B 公司用不了,现在有了 MCP,大家的工具都能插在这个身体上用了。
我们要做的,就是给电脑装上身体(OpenCode),接上大脑(API),然后给它塞满工具(Skill)。
做个 Skill 玩玩
好了,理论课有点枯燥是吧,那咱们直接来点实操的,先从做一个 Skill 开始,完成对这玩意的祛魅,其实你会发现并不难。
咱们之前经常说提示词工程,把一段很复杂的提示词发给 AI,让它按要求干活。但每次都要复制粘贴一大段提示词,是不是很烦?
在 OpenCode 里,我们可以把这段提示词封装成一个 Skill。那怎么操作呢?
就拿我之前写的那个仿写的提示词来说吧。如果你不懂怎么搞 Skill ,没关系,我刚开始也不知道。
既然有 AI,就先问它呗。
我就直接打开 OpenCode(记得选 Build 模式),把我的需求甩给它:
找到 E 盘中文件名为 # 多篇文章风格分析与模仿系统 v3.0 的文档,我需要把这个文档中的提示词做成一个 SKILL,请告诉我具体流程。
本来我还准备按它给的教程一步步学呢。结果 OpenCode 完成一系列操作后,直接回了我一句:
需要我帮你创建这个 SKILL 文件吗?
行啊,这服务意识,这必须需要啊。
仅仅 34 秒,它就搞定了,自动按照 Skill 的格式规范,生成了一个文件,并贴心地告诉了我存放的位置以及使用方法。
我去那个文件夹一看,嘿,真的就在那儿了。
这真的是不用我操作任何动作,动动嘴就行。这么简单,你上你也行。
细心的小伙伴可能会发现:OpenCode 帮我生成的 Skill 只是一个单文件,但我看网上别人分享的官方包,怎么是一个文件夹,里面还有个 .md 文件?
就像这样的:
之所以会有这两种形态,是因为技能的复杂度不同:
1. 单文件形态:适用纯提示词(Prompt)类的技能。
它的核心逻辑是告诉 AI 怎么说话、怎么分析文本。这一切只需要一堆文字指令就够了,不需要调用外部程序。
2. 文件夹形态:适用场景:需要的复杂技能。
scripts/: 里面通常藏着 Python 或 Shell 脚本。因为把网页变成 PDF,光靠 AI 想是想不出来的,AI 必须去调用一个转换工具。
examples/:因为逻辑太复杂,开发者放了一些示例文件告诉用户怎么用。
SKILL:这是指挥中心,告诉 AI 什么时候去运行 scripts 里的代码。
所以,如果是 SKILL.md 就像我们平时写 Word 文档一样,这里面全是文字版的提示词(编辑模式)。OpenCode 运行时,实际上就是读取这个文件。
好了,我知道你想问,想从零开始做一个调用工具的 Skill 怎么办?
这时候,你就需要请出 Skill-Creator 了。
你可以把它理解为专门用来制造机器人的机器人。
普通 Skill 帮你干正常 AI 的活,而 Skill-Creator专门帮你写 SKILL.md 文件。
Anthropic 开源仓库,就有 Skill-Creator 工具。
仓库地址:
https://github.com/anthropics/skills
直接告诉 OpenCode :
安装这个 Skill,Skill 项目地址为:
https://github.com/anthropics/skills/tree/main/skills/skill-creator
安装 Skill-Creator 后,怎么使用呢?直接输入指令: run Skill-creator
它会问你一些问题,比如你想创建什么样的 Skill?它的主要功能是什么?你能给出一些使用这个 Skill 的具体例子吗? 等等。
你就根据你的需求来回答,最后它就能自动帮你生成那个 SKILL.md 文件,把里面的提示词都填好。
或者直接和 OpenCode 说需要建一个 Skill ,用来干嘛,输出效果是什么,以及要求等等,都可以。
如何使用 Skill?
那如果别人发给你一个 Skill 怎么用呢?
比如前两天我把仿写提示词这个 Skill 发到了群里,你可以把文件另存到本地,如果你了解 Skill 的路径,可以一步存到位。
不了解也没关系,再和 OpenCode 说:
我有一个 style-mimicry.skill 文件,在 E 盘,请把他拷贝在 Skill 路径下然后调用。
一会 OpenCode 就会回复:style-mimicry 技能现已就绪。
其实这个 Skill 也是我那个仿写提示词封装的。
不管 Skill 是单文件还是文件夹都可以用这两个方法。
注意,拷贝进去后,记得输入 /reload 指令。
这就好比网页浏览器的刷新 (F5)。不刷新,OpenCode 是看不见新技能的,目前 OpenCode 还不支持热加载,和 ClaudeCode 拷贝好就能用有区别。
技能装载好之后,接下来就不用像以前那样一篇篇上传文章分析了。
直接告诉它:
分析文件夹名为参考文章里的几篇 PDF 格式文章
它自己就能去找到然后分析。你看,分析报告和在 Gemini 中完全一样。
风格分析完成后,就可以让它仿写文章了。
没错,今天这篇文章原稿就是用这个方法仿写出来的,实际使用发现,GLM-4.7 做这个仿写效果也还不错,虽然整体效果还不如 Gemini。
去哪找好用的 Skills?
所谓授人以鱼不如授人以渔,但说实话,对于咱们大多数只想提高效率的懒人来说,直接给成品 Skill 才是最爽的。
目前市面上能找到的 Skill 主要有这些:
1.
skillsmp.com:目前体量最大(已超 9 万+),靠爬虫全量聚合 GitHub 技能,搜索方便但质量参差不齐,适合找灵感或边缘需求时用。
2. https://github.com/anthropics/skills
官方出品,数量少但最稳、最纯净,几乎不会踩坑,强烈推荐作为新手/生产环境的首选和基准。
3. https://github.com/ComposioHQ/awesome-claude-skills
人工精选+分类清晰,质量较高但更新可能没那么勤,属于值得收藏但不常逛的靠谱列表型资源。
4. https://github.com/travisvn/awesome-claude-skills
这是由社区成员 Travis 维护的另一个精选列表,社区驱动的 awesome 榜单里星最高的一个,挑选偏激进/实用向,数量和新鲜度都优于 Composio 版,适合想快速找到高赞黑魔法的人。
5.
Vercel 官方合作+高质量前端/部署方向技能,安装量排行榜很实用,生态正在快速起势,React/Next.js 重度用户几乎必看。
6.skillstore.io
走安全审计+一键安装路线,技能经过筛选和版本锁定,适合对代码卫生和团队一致性要求高的场景,但整体体量和热度暂时还追不上前几个。
一句话总结优先级逻辑:
先官方(稳)→ travisvn(实用新鲜)→ skills.sh(生态+特定领域强)→ Composio(精选收藏)→ skillstore(安全团队向)→ skillsmp(海量但杂)。
实际使用中很多人是 官方 + travisvn 这两家组合打天下,再视领域补充 skills.sh 或其他。
结语
其实这段时间里,我经常会产生一种既兴奋又绝望的感觉。
人类活了几世纪辈子攒下的那些真本事,不管是处理复杂任务的智慧,还是写文案时的逻辑,现在都被人精心打包好了。
只要你把它往 AI 身上一接,这个原本只会跟你闲聊的家伙,转头就成了一个资深老师傅。这种感觉挺震撼的,它把原本需要几年甚至几十年才能磨出来的经验值,变成了一个触手可及的插件。
我觉得这才是 AI 最让人类望尘莫及的地方,想想我家小孩还得再走一遍我走过的老路,学习,刷题,背书,考试,一点捷径都省不了,你说怎么比得过 AI?
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-02-08
从 Prompt 到 Skills:如何把业务流程切开,塞进AI的“技能槽”里?
2026-02-06
从入门到Agent大神:31个Claude Code技巧,让你的开发效率起飞
2026-02-05
当AI能替你干活,什么能力决定你不可替代?
2026-02-03
Claude Code 创始人亲授:10 条进阶秘籍(附 12 条工作流 Prompt 清单)
2026-01-31
全网首发!一张通往“人类禁区”的船票,手把手教你把 AI 送进 Moltbook
2026-01-30
ESLint创始人揭秘:用AI角色扮演编程,效率飙升
2026-01-30
谷歌官方推出!10 个 Gem 提示词,附详细Gem自律助手创建流程
2026-01-30
Skill手搓“自动化PPT神器”,不写一行代码
2025-11-14
2025-12-03
2025-12-26
2025-12-17
2026-01-18
2026-01-04
2025-11-27
2026-01-07
2025-11-30
2025-12-02
2026-02-08
2026-02-05
2026-01-21
2026-01-16
2026-01-13
2026-01-05
2025-12-22
2025-12-14