尝试用纯Go语言为opencode构建自己的套件
摘要
作者使用BubbleTea用纯Go构建了一个轻量级AI代理套件，灵感来自opencode和其他工具，旨在解决臃肿软件和任务跟踪不佳等问题，计划很快发布。
为什么构建这个？我尝试了grok build，非常喜欢它的用户界面，我甚至尝试按照opencode的建议配置，使用deepseek启动子代理，主代理使用grok，但这没有成功，而且有很多带有技能的臃肿软件（任何套件都有）。1. opencode真的很好，但我注意到大多数时候它没有正确跟踪我的当前任务或更新它们（在待办事项中，我必须总是告诉代理更新待办事项）2. 有时子代理花费太多时间 3. 日志存储的数据库大约有11GB 4. 如果我们有很长的聊天历史，有时很难知道之前给出了什么提示 5. 子代理布局我与codex应用类似，像一个抽屉，可以看到子代理的历史 6. 计划添加差异查看器，使用方向键，类似于codex抽屉 7. 保持简单，类似于PI。你们有兴趣尝试我的opencode替代品吗？可能在下个周末发布。周末随机观看了PI套件人的采访，想着为什么不构建自己的套件，从opencode UI灵感中获取数据库存储想法，xD/ 克隆自grok build + codex。总体思路是保持简单，使用PI代理套件。在过去两天用纯Go语言（BubbleTea库）构建了这个，二进制文件很小，大约20MB，首先禁用了最有害的东西，比如rm rf，xD。目前正在进行一些优化、基准测试、安全检查（特别是围绕rm rf和其他破坏性命令），以及自动压缩，完成后会分享更多信息！只是想要反馈，如果有人感兴趣，会提供GitHub链接，如果有任何请求，请随时提交问题作为功能请求！
相似文章
我自己的本地优先AI工具集
作者构建了TinyHarness，这是一个低内存占用的AI工具集，兼容Ollama、Llama.cpp和vllm，旨在与pi和opencode等工具竞争。
Building an Advanced Agentic Harness
A technical blog post that walks through building a production-grade agentic harness around a basic LLM loop, covering typed tools, plan DAGs, tiered memory, verification hierarchies, budgets, and tracing.
为垂直领域打造一个有主见的框架
本文讨论了一个有主见的框架，用于将领域特定结构编码到智能体系统中，并通过代码演示展示性能提升。
构建自己的智能体框架 VS 使用现有智能体框架（如Claude Code）
作者质疑像Claude Code这样的单体式智能体编码工具的效率，认为一个按阶段路由模型的自定义框架可以在不牺牲质量的情况下降低成本，并向社区询问他们的经验和建议。
Own the Loop：Agent Harnesses 现场指南（5分钟阅读）
随着AI编码模型变得商品化，智能体控制框架——即管理工具和工作流的控制循环——成为关键差异化因素。本指南绘制了控制框架领域的图谱，权衡了供应商原生性能与模型无关工作流的可移植性。