AI芯片说

会话

通过/session 实现查找上下文对话的功能
每个会话有独立的空间
通过该命令可以查看会话列表

数据存在~/.local/share/opencode/
这个目录下有几个重要的子目录和文件：

auth.json：API Key等认证信息
log/：运行日志（出问题的时候看这里）
project/：项目级别的数据
opencode.db：核心数据库文件，所有会话、消息都存在这里

penCode使用SQLite数据库来存储会话数据。这意味着什么？意味着你的会话数据是结构化的，不是一堆乱七八糟的日志文件。每个会话、每条消息、每个工具调用都有对应的数据表：

SessionTable：会话基本信息
MessageTable：消息记录
PartTable：消息的组成部分（文本、文件、工具调用等）
TodoTable：任务跟踪
这种设计的好处是：你可以查询、筛选、甚至手动修复会话数据。

/new /clear 开始一个新会话（清空当前对话）
/sessions /resume, /continue 列出并切换会话
/compact /summarize 压缩当前会话的上下文
/export — 把对话导出为Markdown
/share — 生成会话的分享链接
/undo — 撤销上一条消息及文件改动

@

通过@符号精准控制上下文

用/compact管理上下文窗口

目标：学会在对话太长时压缩上下文，避免超出模型限制。

每个AI模型都有上下文窗口限制（比如128K tokens）。当你的对话越来越长，上下文迟早会塞满。

OpenCode提供了/compact命令来解决这个问题：

把对话历史中不那么重要的部分压缩成摘要
释放上下文窗口空间，让对话可以继续

压缩的原理是：把已经完成的任务、已经解决的讨论替换成一段简短的总结，而不是逐字保留所有细节。

注意了：/compact是不可逆的。压缩之后，被压缩掉的那些详细对话就无法恢复了。所以在执行/compact之前，先用/export把对话导出备份是个好习惯。

会话分叉——基于已有会话创建新分支

目标：学会从现有会话“分叉”出一个新会话，保留上下文但不互相干扰。

这是OpenCode一个很酷但很多人不知道的功能。

你可以在TUI中通过CLI 命令创建会话分叉：

什么时候用这个功能？

你有一个很长的会话，想尝试不同的解决方案，但不想丢失原来的对话
你想基于之前的分析结果，开启一个全新的任务
团队协作时，你想基于某个会话的上下文继续工作，但不影响原会话

配置优先级

![[ce7f6c89bc3a4449ba5433c3c66878cb.jpeg]]

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    // 在这里定义你的模型提供商
  },
  "model": {
    // 在这里设置默认模型
  },
  "small_model": {
    // 在这里设置轻量模型（用于快速任务）
  }
}

三个核心字段各司其职：

$schema ：指向JSON Schema定义地址。加上这行之后，你在编辑器里编辑配置文件时会有自动补全和语法校验，能帮你省掉80%的配置排错时间。
provider ：定义模型提供商。每个provider就是一个“模型来源”——可以是OpenAI、Anthropic、Ollama、vLLM，或者任何兼容OpenAI API的服务。
model ：设置默认使用的模型。格式是provider_id/model_id。
small_model ：设置轻量模型。OpenCode在一些简单任务（比如代码补全、快速问答）中会优先用这个模型，省Token也省时间。
运行验证：这一步不需要跑代码。你只需要在编辑器中打开配置文件，看看$schema那行有没有触发自动补全——如果编辑器提示了字段信息，说明Schema生效了。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen3-4b": {
          "name": "qwen3:4b"
        }
      }
    }
  },
  "model": "ollama/qwen3-4b"
}

逐行解释一下：

"ollama"：这是provider的ID，你可以随便起名，但要保证唯一
"npm": "@ai-sdk/openai-compatible"：指定用哪个SDK适配器。Ollama兼容OpenAI API，所以用这个
"options.baseURL": "http://localhost:11434/v1"：Ollama默认的服务地址
"models"：定义这个provider下有哪些模型可用
"model"：设置默认模型，格式是provider_id/model_id

多module

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "本地Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen3-4b": { "name": "qwen3:4b" },
        "deepseek-coder": { "name": "deepseek-coder:6.7b" }
      }
    },
    "openai": {
      "npm": "@ai-sdk/openai",
      "name": "OpenAI",
      "options": {
        "baseURL": "https://api.openai.com/v1"
      },
      "models": {
        "gpt-4o": { "name": "gpt-4o" },
        "gpt-4-turbo": { "name": "gpt-4-turbo" }
      }
    }
  },
  "model": "ollama/qwen3-4b"
}

配置完之后，你可以在TUI中随时切换模型：

输入/models查看所有可用模型
用方向键选择，按回车切换
或者在CLI中指定：opencode run --model openai/gpt-4o -p "你的请求"

第五步：定制模型推理参数（Temperature、Max Tokens等）

目标：为不同模型设置不同的推理参数，控制生成行为的“性格”。

不同任务需要不同的参数设置：

代码补全、bug修复：需要确定性强的输出 → 低Temperature（0.1-0.3）
代码重构、架构设计：需要一定的灵活性 → 中等Temperature（0.5-0.7）
创意生成、 brainstorming：需要多样性 → 高Temperature（0.8-1.0）

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "本地Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen3-4b": {
          "name": "qwen3:4b",
          "parameters": {
            "temperature": 0.3,
            "maxTokens": 4096,
            "topP": 0.9
          }
        },
        "deepseek-coder": {
          "name": "deepseek-coder:6.7b",
          "parameters": {
            "temperature": 0.1,
            "maxTokens": 8192
          }
        }
      }
    }
  },
  "model": "ollama/qwen3-4b"
}


`temperature`	控制随机性。越低越确定，越高越创意	代码任务0.1-0.3，创意任务0.7-1.0
`maxTokens`	最大生成长度	根据模型上下文窗口设定
`topP`	累积概率采样阈值	0.8-0.95

保存配置后，用opencode run发送一个请求，观察生成的代码风格是否符合你的预期——temperature越低，输出越保守、越可预测。

设置轻量模型（Small Model）

置一个轻量模型用于快速任务，节省时间和Token。

OpenCode在执行一些简单任务时（比如格式化代码、简单问答、文件重命名），不需要动用大模型。这时候配置一个small_model就能显著提升响应速度。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "本地Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen3-4b": { "name": "qwen3:4b" },
        "tinyllama": { "name": "tinyllama:1.1b" }
      }
    }
  },
  "model": "ollama/qwen3-4b",
  "small_model": "ollama/tinyllama"
}

配置了small_model之后，OpenCode会自动判断任务复杂度——简单任务走小模型，复杂任务走主模型。你不需要手动切换，它自己会决定。

运行验证：在TUI中执行一个简单任务（比如“帮我格式化这段JSON”），观察响应速度——如果使用了小模型，响应应该明显更快。

posted @ 2026-09-08 17:22 仓小小鼠阅读(2) 评论(0) 收藏举报

刷新页面返回顶部

仓小小鼠

一只正在学习的小耗子