opencode对话式编程助手
opencode全局配置文件的位置：
- Linux/macOS: ~/.config/opencode/opencode.json
- Windows:
C:\Users\<用户名>\.config\opencode\opencode.json
常用配置：
{
"$schema": "https://opencode.ai/config.json",
"disabled_providers": [
"opencode"
],
"model": "",
"small_model": "",
"provider": {
"qaxtest": {
"npm": "@ai-sdk/openai-compatible",
"name": "test",
"options": {
"baseURL": "https://ip-or-domain/v2",
"apiKey": ""
},
"models": {
"Qwen3.5-122B-A10B": {
"name": "Qwen3.5-122B-A10B"
}
}
}
}
}
禁止使用 opencode web 命令 和 opencode serve 命令： Web UI 默认将所有请求代理到 app.opencode.ai，且无法通过参数关闭
small_model设置用来生成标题的模型，如果不设置，就会使用opencode默认模型，有泄露本地数据的可能
Plan模式 vs Build模式
plan模式：LLM只提供建议和计划，不修改代码
build模式：LLM可以直接修改代码文件
通过 Tab键 切换模式
最佳实践是：先用Plan模式讨论方案，确认后再切换到build模式执行。
常用命令：
/init 初始化项目，生成 AGENTS.md
/connect 配置LLM提供商
/models 选择使用的模型
/undo 撤销上一次修改
/redo 重做撤销的修改
/share 分享当前对话
项目感知：AGENTS.md
首先运行 /init 后，OpenCode 会在项目根目录生成 AGENTS.md 文件，帮助LLM理解：
- 项目的技术和框架
- 代码风格和命名规范
- 目录结构和模块划分
建议将此文件提交到版本控制，确保团队成员获得一致的LLM辅助体验
大模型的token是怎么算的，问一次算一次token么？
大模型的“Token”通常可以理解为语言模型处理文本的基本单位，它不仅指一个汉字或英文单词，也可能是更小的片段（如子词）。
关于计费，通常不是“问一次”算一次Token，而是按输入和输出的总Token数来计算的：
- 输入Token：你提交的问题/提示文本会被转换成Token。
- 输出Token：模型生成的回答也会被转换成Token。
- 总费用一般按“输入+输出”的Token总数，结合不同模型的单价来计算。
不要浪费deepseek的算力了，DeepSeek提示词库指南
官方地址： https://api-docs.deepseek.com/zh-cn/prompt-library/
避坑指南：
- 复杂度陷阱：提示词≠越长越好（实测20字提示＞200字小作文）
- 迭代误区：3次追问未果→立即重构提示词
- 新手公式：需求场景+示例样本+输出格式
DISC原则是LLM时代的交互协议：本质是把LLM当实习生，指令越像操作手册，结果越靠谱
- 说人话（Definitive）：别让LLM猜，直接下明确指令（如“递归改循环，以让代码速度提升10倍”）。
- 给例子（Illustrative）：像老师教学生：甩个参考答案，LLM秒懂你要啥。
- 分步骤（Structured）：把复杂任务拆成任务清单，LLM按顺序干活不跑偏。
- 定格式（Controlled）：让LLM交作业时自带标准答题卡，方便你直接复制粘贴。
常用提示词：
- 代码改写提示词：下面这段代码的效率很低，且没有处理边界情况，请先解释这段代码的问题与解决方法，然后进行优化
- 代码生成：请帮我用HTML生成一个五子棋游戏，所有代码都保存在一个HTML中。
- 结构化输出：我将提供给你一段新闻内容，请你分析新闻内容，并提取其中的关键信息，以JSON的形式输出，输出的JSON需遵守以下的格式：
{ "entity": <新闻实体>, "time": <新闻时间，格式为 YYYY-mm-dd HH:MM:SS，没有请填 null>, "summary": <新闻内容总结> }
安全案例: AI云端同步和开源漏洞导致的境外窃密
某军工研发所的结构工程师，负责设计军机起重架零件图纸（机密级），为了提高绘图效率，他使用一款开源的工业AI绘图辅助工具，用来优化图纸的尺寸标注内核细节修改。
这款工具默认开启“云端同步”功能，工程师在上传图纸时未关闭该功能，也未检查工具的安全资质，导致图纸被自动同步到工具的云端服务器。
而这款开源AI工具的服务器存在明显安全漏洞，未设置严格的访问权限，不久后就被境外IP非法访问，部分图纸片段被下载窃取。
后续调查发现，这款工具的后台未进行涉密加密处理，甚至有境外势力人员参与工具的开源代码维护，相当于“开门揖盗”，把涉密图纸主动送到了境外势力手中。
虽未泄露完整图纸，但已对国防安全造成潜在威胁，该工程师被判处有期徒刑，研究所也承担了相应的管理责任。
