AB
AB
AiBoss站

全部分类

教程

OpenCode

教程

OpenCode Go 接入 Codex、Claude Code 与 CLI 的配置教程

OpenCode Go 只提供模型 API，界面需要自己接。这篇教程整理从 API Key 到 OpenCode CLI、Codex、Claude Code 三条接入路径的配置方法，并说明模型 ID 的写法、用量上限与费用该怎么看。

OpenCode Go 提供的是对一批开源与第三方模型的 API 访问，本身不带界面，所以真正要用起来，还得把它接到某个客户端或命令行工具上。这篇教程面向已经拿到 API Key、准备在本地把它跑通的人，按客户端分别说明配置方式，并解释模型 ID 怎么写、用量和费用该去哪里看。站内也有对应的工具条目可以一并参考：OpenCode。

准备工作

开始之前需要确认几件事：

  • 已有可用的订阅。OpenCode Go 是付费服务，没有订阅就拿不到可用的 API Key。
  • 已生成 API Key。Key 一般在服务后台生成，形如 sk- 开头的一串字符。生成后先复制保存，后面每个客户端都要用到它。
  • 选好客户端。OpenCode Go 只负责模型调用，UI 或命令行外壳要另外准备。常见的选择有 OpenCode 自带的 TUI、OpenCode CLI、Codex，以及 Claude Code。
  • Node.js 环境。如果打算用 npm 安装 OpenCode CLI，需要本机已有 Node.js 与 npm。

下面以 Windows 为例说明，其他操作系统在命令写法上差别不大，主要区别是环境变量的设置方式。

操作步骤

路径一：OpenCode 桌面客户端

OpenCode 官方提供了桌面客户端，这是它自己的主客户端，Go 更像是配套的模型服务。到 OpenCode 的下载页选择 OpenCode Desktop 的 Windows 版本安装，启动后把 OpenCode Go 的 API Key 填进去即可使用。这个客户端的界面比较基础，功能上够用，但不要期待很丰富的交互。

路径二：OpenCode CLI

在 Windows 上，用 npm 全局安装是最省事的方式：

npm install -g opencode-ai

Linux 系还可以用安装脚本：

curl -fsSL https://opencode.ai/install | bash

安装完成后，在终端里执行 opencode 启动。刚启动时还不能直接对话，需要先注册模型提供方：

  1. 在交互界面里输入 /connect，进入提供方注册流程。
  2. 在列表中选择 OpenCode，随后会出现 OpenCode Go 这一项，选中它。
  3. 粘贴前面拿到的 API Key，按回车完成注册。
  4. 接着会弹出模型选择界面，挑一个模型即可，例如 Qwen3.7 Plus。

完成这几步之后就可以正常使用了。

路径三：接入 Codex

Codex 也能接 OpenCode Go。一个比较实用的用法是：先用能力更强的模型做设计，再把会话延续到便宜模型上执行具体工作。

先在 ~/.codex/ 目录下新建一个名为 opencode_go.config.toml 的文件，内容如下：

model_provider = "opencode_go"
model = "muse-spark-1.3-contributor"

[model_providers.opencode_go]
name = "OpenCode Go"
base_url = "https://opencode.ai/zen/go/v1"
env_key = "OPENCODE_GO_API_KEY"
wire_api = "responses"
requires_openai_auth = false

然后把 API Key 写进环境变量，变量名要和配置里的 env_key 保持一致：

set OPENCODE_GO_API_KEY=sk-*******

最后用指定的 profile 启动 Codex：

codex --profile opencode_go

需要注意 Codex 这边的限制：由于它自身的实现要求，只有支持 /responses 接口的模型才能通过这条路使用，例如 grok-4.6、gpt-5.6-luna、muse-spark-1.3-contributor 这几个。其他模型即使 ID 写对了也调不通。

路径四：接入 Claude Code

Claude Code 这条路目前走不通。理论上可以通过下面这组环境变量来对接，但实际配置后无法正常工作，原因不明：

set ANTHROPIC_AUTH_TOKEN=sk-...
set ANTHROPIC_BASE_URL=https://opencode.ai/zen/go/
set ANTHROPIC_API_KEY=
set ANTHROPIC_MODEL=qwen3.7-plus
set CLAUDE_CODE_DISABLE_UNKNOWN_MODEL_WINDOW_ENFORCEMENT=1
claude

如果只是想试试，可以按上面的写法配置一遍，但不要把它当成可靠的方案。

路径五：GitHub Copilot CLI

GitHub Copilot CLI 目前也已经不可用。原因是服务端要求请求带上特定的 x-opencode-session 请求头，而 GitHub Copilot CLI 不支持自定义请求头，因此无法满足这个条件。理论上在本机架一个代理转发请求可以绕过，但配置成本较高，一般不值得为此折腾。

模型选择与费用查看

这部分信息分散在几个地方，看的时候需要对照着来：利用限制、预估请求数、端点三处要一起看。

模型 ID 的写法以端点表里的 Model ID 为准。例如要用 Kimi K2.7 Code，ID 就是 kimi-k2.7-code；要用 GLM-5.3，ID 就是 glm-5.3。

费用方面，先看利用限制表里的月度上限。这个值如果是 60 美元，说明当月可以用掉相当于 60 美元的请求量；如果是 15 美元，那么用满 15 美元就会被限流。换句话说，只有月度上限为 60 美元的那批模型才比较划算。高价模型本身的单次请求成本就高，上限又只有 15 美元，实际能用的次数相当有限。反过来，便宜模型基本不用担心用满。

实际消耗在利用限制表里也能看到，但数字不太直观，参考预估请求数会更容易判断。

下面是一份常见模型的对照，供选型时参考：

Model ID 模型 月度请求数 月度上限 备注
glm-5.3-flash GLM-5.3-Flash 31,580 $60
glm-5.3 GLM-5.3 1,080 $15
kimi-k3 Kimi K3 490 $15
kimi-k2.7-code Kimi K2.7 Code 6,750 $60
minimax-m3 MiniMax M3 16,000 $60
muse-spark-1.3-contributor Muse Spark 1.3 Contributor 226,600 $15 需要允许数据用于训练
qwen3.8-max Qwen3.8 Max 810 $15
qwen3.8-flash Qwen3.8 Flash 27,000 $30
qwen3.7-plus Qwen3.7 Plus 21,600 $60
deepseek-v4.1-flash DeepSeek V4.1 Flash 32,500 $15 需要启用中国主机模型
deepseek-v4-pro DeepSeek V4 Pro 5,200 $15 需要启用中国主机模型
grok-4.6 Grok 4.6 845 $15
gpt-5.6-luna GPT 5.6 Luna 10,250 $15

从性价比看，glm-5.3-flash、kimi-k2.7-code、qwen3.7-plus 这几个是比较稳妥的选择。muse-spark 系列虽然会使用你的数据做训练，但可用次数高得离谱，不介意这一点的话也可以考虑。

一个完整示例

下面走一遍从零到能对话的最短路径，以 Windows 上的 OpenCode CLI 为例。

第一步，安装 CLI：

npm install -g opencode-ai

第二步，启动：

opencode

第三步，在界面里输入 /connect，依次选择 OpenCode、OpenCode Go，然后粘贴 API Key 并回车。

第四步，在随后出现的模型列表里选择 qwen3.7-plus，确认后即可开始对话。

如果改用 Codex，则把前面的 opencode_go.config.toml 写好、环境变量设好，然后执行：

codex --profile opencode_go

注意此时配置里的 model 字段必须填支持 /responses 的模型，否则启动后调用会失败。

注意事项

  • 模型能力有上限。整体水平比最新的闭源模型弱一些，大致相当于中端模型的水平；如果挑对了高价模型，可以接近更强的档位，但受月度上限限制，用不了太多。
  • 文档偏少。公开资料不多，很多用法需要自己摸索，尤其是在各种命令行外壳上跑起来的方式，查起来比较费劲。这是目前最明显的短板。
  • 模型 ID 必须写对。各客户端的模型名以端点表里的 Model ID 为准，写错就调不通。
  • 部分模型有额外前提。muse-spark 系列需要允许数据用于训练；DeepSeek 系列需要先启用中国主机模型。
  • Codex 只支持部分模型。只有实现了 /responses 接口的模型才能通过 Codex 使用。
  • Claude Code 与 GitHub Copilot CLI 目前不可用。前者配置后无法正常工作，后者受限于不支持自定义请求头。
  • 价格、配额与模型清单会变动。上面表格里的数字只是某个时间点的快照，实际以官网当前信息为准。

整体来说，这是一个特点比较鲜明的服务：便宜、模型选择多，但需要自己动手接客户端，遇到问题也不太容易搜到答案。愿意花点时间配置的话，日常开发够用。

返回