Маркетинг-стратег, IT-предприниматель, ментор по вайбкодингу
10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.
🎯 О чём этот конспект: Пошаговое руководство по работе с OpenCode Desktop — полностью открытой (Open Source) альтернативой Claude Code. Разбираются подключение моделей (бесплатные LLM, OpenAI через подписку ChatGPT, OpenCode Zen/Go), режимы Plan/Build, работа с памятью агента, сжатие контекста, установка навыков (Skills), интеграция MCP-серверов и синхронизация с GitHub через CLI.
👤 Кому будет полезно: Вайбкодерам, разработчикам и новичкам в AI-разработке, которые ищут гибкую, бесплатную или мультимодельную альтернативу Claude Code без привязки к экосистеме Anthropic.
✨ Что получите: Настроенное окружение OpenCode Desktop с поддержкой MCP, внешних навыков форматирования кода/UI, систему контроля версий (Git/GitHub) и практический навык создания full-stack веб-приложений с локальными LLM за пару промптов.
1. OpenCode vs Claude Code: Разница архитектур и моделей
Контекст: Claude Code жестко привязан к моделям Anthropic и их инфраструктуре, что дает высокую полировку, но ограничивает свободу (например, при блокировках или высоких ценах). OpenCode — это Open Source аналог, работающий по принципу открытой экосистемы (как Android в сравнении с Apple). Он позволяет использовать любые LLM: от Kimi, DeepSeek и Gemini до локальных Ollama и бесплатных встроенных провайдеров. При этом базовый UX и принципы управления агентом между OpenCode и Claude Code практически идентичны.
Тайминг: , ,
Выгода: Полная независимость от одного вендора, доступ к бесплатным моделям прямо из коробки и возможность переключаться на сверхдешевые альтернативы (например, Kimi или DeepSeek).
Как применить:
Шаг 1: Скачивание дистрибутива — Официальный сайт OpenCode — Перейдите на сайт OpenCode, выберите версию под вашу операционную систему (macOS, Windows, Linux) и установите десктопное приложение .
Шаг 2: Базовая проверка интерфейса — OpenCode Desktop — Запустите приложение. В нижней строке найдите селектор моделей .
Результат: Установленное рабочее окружение OpenCode с доступом к выбору провайдеров.
2. Подключение провайдеров: Бесплатные модели, OpenCode Zen и подписка ChatGPT
Контекст: OpenCode позволяет работать полностью бесплатно на предустановленных моделях либо подключать сторонние API. Для единого доступа к Claude, Gemini и DeepSeek без сотен отдельных аккаунтов существует хаб OpenCode Zen (Pay-as-you-go) или OpenCode Go (подписка). Если у вас уже оплачен ChatGPT Plus/Team, вы можете подключить аккаунт OpenAI напрямую без оплаты API-токенов.
Тайминг: , ,
Выгода: Экономия бюджета за счет использования уже имеющейся подписки ChatGPT или бесплатных встроенных моделей.
Как применить:
Шаг 1: Выбор модели через команду — Терминал OpenCode — Чтобы быстро вызвать меню выбора модели, введите слэш-команду:
/model
Шаг 2: Подключение OpenCode Zen — Настройки провайдеров — Нажмите Manage Models -> Connect Provider -> OpenCode Zen. Перейдите по ссылке, скопируйте выданный API-ключ, вставьте его в поле ввода и нажмите Continue .
Шаг 3: Подключение аккаунта ChatGPT (без API ключа) — OAuth OpenAI — Нажмите Manage Models -> Connect Provider -> OpenAI -> выберите вариант авторизации через активную подписку ChatGPT для существенной экономии на токенах .
Результат: Настроенный пул моделей (от GPT-4.5/GPT-4o mini до Claude 3.5 Sonnet и DeepSeek) внутри единого интерфейса.
3. Настройка UI и разделение режимов: Plan Mode vs Build Mode
Контекст: Для эффективного вайбкодинга критически важно разделять этап архитектурного планирования и этап генерации кода. По умолчанию в OpenCode скрыты системные панели, поэтому необходимо активировать отображение дерева файлов, статус серверов и селектор агентов. Режим Plan формирует требования и архитектуру без изменения файлов, а Build непосредственно генерирует файлы и запускает команды.
Тайминг: , ,
Выгода: Предотвращение поломок проекта благодаря предварительному ревью архитектурного плана до написания первой строчки кода.
Как применить:
Шаг 1: Добавление рабочей папки — Интерфейс OpenCode — Нажмите на текущую папку проекта -> Add Project и выберите директорию на вашем диске .
Шаг 2: Включение расширенных настроек — Настройки — Перейдите в меню File -> Settings -> раздел Advanced .
Шаг 3: Активация ключевых тумб Paras — Включите три чекбокса:
File Tree (дерево файлов)
Service Status (статус MCP-серверов)
Show Agent (переключатель режимов Plan/Build)
(Примечание: если селектор режимов не появился сразу, откройте новую сессию через иконку новой вкладки ).
Шаг 4: Запуск проектирования в Plan Mode — Селектор режима — Переключитесь в режим Plan, настройте уровень рассуждений (Thinking Level: High) и отправьте стартовый промпт :
Build me an app that can turn meeting notes into well organized PDFs with AI. The app should use a local AI model that is running on my local machine.
Шаг 5: Переход в Build Mode — Чат — Ответьте на уточняющие вопросы агента (выбор Web App и Ollama), проверьте сгенерированный план, переключитесь в режим Build и отправьте:
looks good. Builds me this.
Результат: Готовое веб-приложение, запущенное на локальном сервере, использующее Ollama для конфиденциальной обработки данных без отправки во внешние API.
4. Контроль версий и отслеживание диффов: Интеграция Git
Контекст: При генерации больших объемов кода AI-агенты могут вносить нежелательные изменения или ломать существующую логику. Git выступает механизмом контрольных точек (чекпоинтов) и активирует встроенный трекинг диффов (изменений файлов) в интерфейсе OpenCode. Инициализацию можно делегировать самому агенту.
Тайминг: , ,
Выгода: Возможность мгновенно откатить неудачные генерации и наглядно видеть измененные строки кода в реальном времени.
Как применить:
Шаг 1: Инициализация репозитория через агента — Промпт в чат — Отправьте команду агенту (работает даже на бесплатных моделях) :
Initialize this project as a Git project using Git init.
Шаг 2: Перезагрузка представления — Главное меню — Перейдите в верхнее меню View -> Reload.
Шаг 3: Анализ диффов — Боковая панель — Кликайте по появившимся файлам в боковом списке, чтобы проверить созданную агентом структуру и исходный код (например, логику генерации PDF).
Результат: Проект переведен под версионный контроль, в боковой панели отображаются все измененные и новые файлы.
5. Управление контекстом: Команда /compact
Контекст: В процессе длительной сессии контекстное окно LLM переполняется, из-за чего модель начинает «забывать» ранние инструкции, путать архитектуру или выдавать галлюцинации. В OpenCode встроена утилита компрессии контекста, которая сжимает историю диалога, сохраняя ключевые выводы и текущее состояние проекта.
Тайминг: , ,
Выгода: Снижение расхода токенов и очистка контекста без потери важной информации по проекту.
Как применить:
Шаг 1: Мониторинг контекста — Статус-бар — Нажмите на индикатор контекста в правом нижнем углу, чтобы увидеть процент заполнения контекстного окна (например, 14%) и лимиты текущей модели .
Шаг 2: Сжатие контекста — Чат OpenCode — Введите команду в поле ввода и нажмите Enter :
/compact
Результат: Заполнение контекстного окна снижается (например, с 14% до 5%), а агент сохраняет критически важные вводные проекта.
6. Расширение возможностей агента через Skills (skills.sh)
Контекст: Skills (навыки) — это детальные пошаговые инструкции и правила, обучающие агента специфическим методологиям (например, современному веб-дизайну, паттернам рефакторинга или стандартам тестирования). Навыки хранятся в папке .agents/skills внутри проекта. Центральным каталогом готовых навыков является платформа skills.sh.
Тайминг: , ,
Выгода: Быстрое улучшение качества UI и архитектуры кода без необходимости каждый раз писать громоздкие системные промпты.
Как применить:
Шаг 1: Открытие встроенного терминала — Чат OpenCode — Запустите терминал с помощью слэш-команды :
/terminal
Шаг 2: Установка навыка вручную — Терминал — Найдите нужный скилл на skills.sh (например, web-design-guidelines) и выполните команду установки в терминале (ручная установка экономит токены модели) :
npx skills-cli add web-design-guidelines
Шаг 3: Применение навыка — Чат OpenCode — Попросите агента использовать установленный навык для обновления интерфейса :
Use the installed skill to make the UI look more aesthetic and modern.
Результат: Агент перерабатывает кодовую базу с учетом UI/UX гайдлайнов из установленного скилла.
7. Подключение внешних инструментов через MCP-серверы
Контекст: Model Context Protocol (MCP) позволяет агенту вызывать локальные и облачные утилиты — например, для компиляции документации в PDF/Word, выполнения SQL-запросов или взаимодействия с браузером. В отличие от Skills (которые содержат только текстовые инструкции), MCP дает агенту исполняемые тулы. Настройки хранятся в файле opencode.json.
Тайминг: , ,
Выгода: Автоматизация генерации проектной документации и интеграция агента с внешними инструментами ОС.
Как применить:
Шаг 1: Автоматическая генерация конфигурации MCP — Чат OpenCode — Предоставьте агенту ссылку на документацию OpenCode по MCP и ссылку на репозиторий нужного MCP-сервера (например, document-generator) :
Here's a documentation how to add an MCP server to your configuration. Create an opencode.json file and add this MCP server accordingly: [ССЫЛКА_НА_ДОКУМЕНТАЦИЮ_MCP] [ССЫЛКА_НА_MCP_СЕРВЕР]
Шаг 2: Перезапуск для инициализации MCP — OpenCode Desktop — После того как агент создаст opencode.json, перезапустите приложение OpenCode, чтобы сервер отобразился в строке Service Status .
Шаг 3: Вызов тулов MCP — Чат OpenCode — Задайте агенту задачу на создание документации :
Create me a documentation of this entire project using the MCP server that we just added.
Результат: В проекте создается директория generated_documents с профессионально оформленными файлами документации в форматах .docx и .pdf.
8. Кастомизация поведения агента через agent.md
Контекст: Файл agent.md — это системная память и свод правил поведения агента в рамках текущего репозитория. В него записываются инструкции по стеку, команды сборки, ограничения по архитектуре или стилю общения. Принцип эффективной работы с agent.md — держать его максимально лаконичным, так как избыток инструкций приводит к деградации следования правилам.
Тайминг: , ,
Выгода: Полный контроль над тем, какие команды запускает агент и каких соглашений по коду он обязан придерживаться.
Как применить:
Шаг 1: Инициализация файла правил — Чат OpenCode — Выполните команду :
/init
Шаг 2: Редактирование правил — Файловый редактор — Откройте созданный файл agent.md в корне проекта и добавьте глобальные правила проекта (для теста автор задает следующее правило) :
# Agent Rules- Always add a joke at the end of every response.
Шаг 3: Проверка применения — Чат OpenCode — Отправьте любой запрос агенту и убедитесь, что он строго следует обновленному системному промпту из agent.md .
Результат: Агент применяет кастомные правила ко всем последующим ответам и генерациям в текущем проекте.
9. Публикация репозитория на GitHub через GitHub CLI
Контекст: Для безопасного хранения кода в удаленном репозитории и командной работы OpenCode можно связать с GitHub. Самый быстрый и бесшовный способ интеграции внутри AI-агента — использование утилиты GitHub CLI (gh), авторизацию в которой агент может провести в полуавтоматическом режиме.
Тайминг: , ,
Выгода: Мгновенный деплой и создание удаленного репозитория без ручного ввода команд в стороннем терминале.
Как применить:
Шаг 1: Установка GitHub CLI — Терминал / Сайт — Установите gh через официальный инсталлятор или попросите агента установить GitHub CLI .
Can you connect this project to my GitHub account? I have GitHub CLI installed.
Шаг 3: Авторизация через браузер — Браузер — Согласитесь на выполнение команды входа, перейдите по выданной ссылке, введите одноразовый код авторизации и подтвердите вход через 2FA .
Шаг 4: Создание репозитория и пуш — Чат OpenCode — Подтвердите агенту успешную авторизацию и укажите имя для удаленного репозитория (например, meeting-notes-to-pdf) .
Результат: Репозиторий автоматически создан на GitHub, весь локальный код залит в удаленную ветку, а локальные диффы очищены.
FAQ
В: В чём главное отличие OpenCode от Claude Code?
О: OpenCode полностью открыт (Open Source), бесплатен и поддерживает практически любых провайдеров LLM (OpenAI, Gemini, DeepSeek, локальные Ollama через API). Claude Code оптимизирован исключительно под модели Anthropic и работает в рамках закрытой экосистемы.
В: Можно ли использовать OpenCode абсолютно бесплатно?
О: Да, сразу после установки в OpenCode доступны встроенные бесплатные модели, не требующие подключения API-ключей или банковских карт. Также можно бесплатно подключать локальные модели через Ollama.
В: Как подключить подписку ChatGPT Plus/Team к OpenCode, чтобы не платить за API?
О: Перейдите в Manage Models -> Connect Provider -> OpenAI и выберите опцию входа через ChatGPT Subscription. Это позволит расходовать лимиты подписки без посекундной тарификации токенов API.
В: В чем разница между Skills и MCP-серверами?
О: Skills (навыки) — это текстовые инструкции и алгоритмы (ноу-хау), обучающие агента, как решать задачу (например, гайд по UI). MCP-серверы — это конкретные исполняемые инструменты (тулы), дающие агенту возможность взаимодействовать с окружением (например, скрипт сборки PDF/Word).
В: Что делать, если контекст чата переполнился и агент начал тупить?
О: Введите слэш-команду /compact. OpenCode выполнит суммаризацию диалога, сохранив состояние проекта и освободив до 70-80% контекстного окна.
В: Для чего нужен файл agent.md?
О: Это конфигурационный файл памяти агента в корне репозитория (создается командой /init). В нем прописываются постоянные правила, ограничения и команды сборки проекта. Рекомендуется держать его максимально кратким.
В: Почему после добавления MCP в opencode.json сервер не появился в списке статусов?
О: После генерации или изменения файла opencode.json необходимо полностью перезапустить десктопное приложение OpenCode для переинициализации фоновых процессов MCP.
Ресурсы и ссылки
OpenCode — Официальный сайт открытого AI-агента и десктопного приложения — упомянут в видео .
OpenCode Zen / OpenCode Go — Централизованные провайдеры моделей от OpenCode (Pay-as-you-go и подписка) — упомянуты в видео .
Git — Система контроля версий — упомянут в видео .
GitHub CLI (gh) — Официальная консольная утилита для работы с GitHub — упомянут в видео .
Ollama — Локальный сервер для запуска open-source LLM — упомянут в видео .
Конспект создан на основе видео «OpenCode Desktop Tutorial (CloudCode Alternative)» канала AI Jason / OpenCode Tutorials. Все права на оригинальный материал принадлежат авторам.Источник: https://www.youtube.com/watch?v=npjJyQnLM6U
