opencode常见问题

1、问题一：上下文限制

 这个错误很明确：你的输入提示词（24577 tokens）加上请求的输出长度（8192 tokens），超过了模型的最大上下文长度（32768 tokens），总需求是 32769 tokens，刚好超了 1 个 token。

解决方法

方法一：减少输入长度（推荐）

在对话中缩短你的提问内容，比如：

• 删除不必要的背景信息

• 把长文本拆分成多个小问题分别提问

• 如果粘贴了代码或日志，只保留关键部分

方法二：减少请求的输出长度

在 OpenCode 中调整输出 token 限制：

# 在 OpenCode 对话中，用 /set 命令调整
/set max_tokens 4096

或者修改配置文件 ~/.config/opencode/opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "internal": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "vLLM GLM-5",
      "options": {
        "baseURL": "http://172.16.49.62:8002/v1",
        "apiKey": "dummy"
      },
      "models": {
        "glm-5": {
          "name": "GLM-5 via vLLM"，
　　　　　　"limit": {
    　　　　　　"context": 32768,
   　　　　　　 "output": 4096
 　　　　　 }
        }
      }
    }
  },
  "model": "internal/glm-5"
}

输出 Token 变小，最直接的影响就是模型回答的篇幅会变短。你可以把它理解成限制了模型回答的“字数上限”，就像考试时规定了作文的字数，需要在有限的篇幅内把话说清楚。

核心建议

• 先调小再调大：在解决稳定性问题前，先将 output 设为 2048。如果模型能正常响应，再逐步增加。

• 注意请求总 Token：请求总 Token = 输入 Token + 输出 Token，必须小于模型的 context 限制（这里是 32768）。你的错误正好超出 1 个 Token，所以稍微调小输出或精简输入即可解决。

不同输出长度对应的文本量参考

 

输出 Token 数	约等于中文汉字	约等于英文单词	适用场景
512	~250 字	~380 词	简短问答、分类
1024	~500 字	~760 词	常规对话、摘要
2048	~1000 字	~1500 词	详细解释、翻译
4096	~2000 字	~3000 词	长文写作、代码生成
8192	~4000 字	~6000 词	长文档分析、复杂推理

方法三：使用 /clear 清空历史上下文

在 OpenCode 对话中，输入 /clear 清除之前的对话历史，然后重新提问。

方法四：使用支持更长上下文的模型

如果经常需要处理长文本，可以考虑使用支持 128K 或 256K 上下文的模型，比如：

• DeepSeek-V3

• Qwen2.5-72B（支持 128K）

• GLM-4-Plus（支持 128K）