OpenCode × DeepSeek 配置方案继续迭代：从能用到好用

技能与命令的扩展

技能从 6 个增至 12 个：

• spec-workflow：参照 OpenSpec 的轻量规约驱动变更流（propose → apply → archive），全程 git-tracked
• verify-with-docs：编码前核对依赖最新文档，避免基于记忆的 API 幻觉
• codemap：一键生成仓库结构图，替代盲目文件搜索
• simplify：行为保持的代码精简，减少嵌套与冗余抽象
• git-master：高级 Git 操作（rebase、bisect、worktree 等）
• gh-skill：用 gh skill 管理 Agent 技能面板

命令从 12 条扩至 19 条，新增 /propose /apply /archive（规约驱动三件套）、/codemap、/simplify、/docs、/skill。

路由系统深化

意图门控从 12 种模式扩展至 17 种，新增 Task Categories（deep/quick/analysis/research/visual/decision）作为辅助维度。核心原则不变：orchestrator 必须在分派前声明其理解结果，用户有权在 Agent 动手前纠正。

降级链从 8 条扩至 9 条，失败 Agent 的上下文被打包传递给升级 Agent，避免重复推理。

Token 效率体系化

这是本阶段最大的结构性改进。新增完整的 Token Efficiency 约束：

• 引用优先：指向 src/app.ts:42 而非粘贴整个文件
• 成本信号显式化：Agent Directory 标注每个 Agent 的相对成本/速度，路由决策量化
• 技能按需加载：12 个技能驻留在磁盘，Agent 仅在需要时拉取
• 会话复用：通过 task_id 复用已有会话，减少上下文重复传输
• 写操作序列化：检测文件写冲突，自动排队避免竞态损坏
• 压缩策略强化：120K 窗口中 reserved 8K，preserve_recent_tokens 16K

模型隔离与 Agent 约束

模型隔离采用 enabled_providers: ["deepseek"] + disabled_providers 双重锁，杜绝误入其他模型。执行型 Agent（deep-worker、light-orchestrator）增加硬约束：结构化输出格式减少回传 token，禁止自行研究或委托子任务。只读 Agent 严格遵守边界。

质量规范

AGENTS.md 新增反模式章节：禁止 catch-all 文件（utils.ts）、AI 废话注释、注释掉的代码、无说明的 @ts-ignore 等。配合 Comment Discipline（注释解释为什么而非是什么）和 Code Style（const 优先、early return 消除 else），代码产出质量明显提升。

实际效果

Flash Agent 承担约七成工作量，Pro 仅介入需要深度推理的场景。Token 消耗显著下降——codemap 替代十几次 glob，引用替代粘贴，结构化输出减少回传。典型工作流：日常对话自动路由 → 复杂任务 /deep → 方案设计 /plan → 编码前 /docs 核对 API → 提交前 /rmslop → /commit 规范提交 → /learn 沉淀知识。

总结

设计哲学不变：分工清晰、成本可控、行为稳定。变化在于执行深度——从"方向正确"推进到"每条规则可验证、每个边界有约束"。如果你在用 OpenCode + DeepSeek，这套配置值得重新审视。

🔗 github.com/znlgis/my-opencode-deepseek-config