时间：2026-03-11 23:21
人气：
作者：admin
人工智能(AI)相关的知识内容解析
https://coffeemilk.blog.csdn.net/article/details/158647749?spm=1001.2014.3001.5502
| 序号 | Opencode介绍 | 说明 |
| 1 | opencode是什么 | OpenCode是一款开源AI编码代理工具，可在终端（TUI）、桌面应用和 IDE扩展中使用，支持多种大语言模型、上下文感知，主打隐私优先。 |
| 2 | opencode的定位 | 《1》不是IDE插件，而是独立智能体(Agent)，可理解上下文，规划任务、执行代码修改并验证结果。 《2》不是大语言模型本身，而是模型调度层，支持75+的大语言模型提供商（如：Claude、GPT、Gemini、本地的Llama、Qwen等）。 《3》采用MIT协议开源，社区活跃。 |
| 3 | opencode的特点 | 《1》多模型兼容：可连接任意的大语言模型(LLM)提供商，也支持本地LLM模型，内置了opencode zen精选模型。 《2》多端接入：可在终端(TUI)、桌面与IDE扩展中使用opencode，使用方式灵活。 《3》上下文感知：可通过@引用文件，分析整个项目代码库，实现精准修改。 《4》隐私优先：不存储代码与上下文，适合隐私敏感环境。 《5》会话与协作：可多会话并行，执行多种操作；且可将会话链接进行分享出来可供参考或调试。 《6》LSP支持：可自动加载大语言模型，提供智能补全、诊断与跳转。 《7》交互式编码工作流：可通过自然语言描述需求或图片参考等方式，AI会给出实现方案、代码改动和测试建议。 |
| 4 | opencode的使用场景 | 《1》程序员： 1、可将需求快速落地为代码实现； 2、代码分析、重构建议与改动； 3、生成测试用例、文档、注释等； 4、学习新库、API、架构模式，提升开发效率。 《2》内容创作： 1、可实现多种内容的创作（如：公众号内容、营销文案、翻译润色、小说创作等）。 《3》问题处理： 1、可将其当做是一个经验丰富的助手，告诉他需要排查解决的故障或达成的目标，它就会自主分析解决。 《4》效率提升： 1、文件整理：批量命名文件、按规则分类归档、检索文件内容、整理混乱内容。 2、数据处理：可分析数据文件，提取关键数据进行统计，并生成报表。 3、编程私教：可让AI解释代码原理、给出规划与建议、完成练习项目，建立编程学习的方法。 4、自动化脚本：可识别自动化重复任务、将任务固化为可复用的“自定义命令” |
| 可以使用【MobaXterm】通过SSH连接。 | ||
#1-Linux或Mac中下载安装OpenCode命令（结果显示Successfully则表示成功）
curl -fsSL https://opencode.ai/install | bash
#2-将OpenCode添加到全局
source /home/coffeemilk/.bashrc
#3-启动opencode的终端界面命令
opencode
#3.1-启动opencode的web端界面命令
opencode web --hostname 192.168.1.37 --port 5000
PowerShell/PowerShell：适用于所有系统！
#1-Windows中下载安装OpenCode命令
scoop install opencode
#2-注意：若直接安装opencode报错“scoop : 无法将“scoop”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。”时则执行如下命令安装：
#2.1-允许运行脚本
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
#2.2-安装Scoop
Invoke-RestMethod -Uri https://get.scoop.sh | Invoke-Expression
#PowerShell是以管理员身份运行的（窗口标题带"管理员"字样）【安装Scoop】的命令会报错时。需要改用这个命令：
iex "& {$(irm get.scoop.sh)} -RunAsAdmin"
#2.3-安装 Git（Scoop 需要 Git 来添加 bucket）
scoop install git
#2.4-安装 OpenCode
scoop install opencode
#3-启动opencode的终端界面命令
opencode
#3.1-启动opencode的web端界面命令
opencode web --hostname 127.0.0.1 --port 5000
如：我使用Docker方式在安装OpenClaw后，这个OpenClaw容器一直在重启，导致无法使用，此时我就可以使用opencode的【plan(建议)】模式（按下tab键切换）【而Build是执行模式】咨询处理方法：如下图所示：
| 主流Claw | 定位 | 优点 | 缺点 | 使用场景 |
| (生态标杆) | 全功能、自托管AI执行中枢，Claw生态的标准与标杆，连接LLM、本地系统与多平台通讯。 开发语言：【TypeScript / Node.js】 | 《1》生态最成熟：（拥有50多个交互渠道【如telegram、钉钉、飞书】；5K多的技能模块；20多的大语言模型商）社区活跃，相关教程、插件、问题解决方案十分丰富。 《2》功能完整：可长期记忆、任务规划、工具调用、本地文件操作，MCP协议支持。 《3》本地优先、隐私可控：数据本地存储，AES-256加密。 | 《1》资源占用极高：代码量很大(约1百万行)，内存占用很高(1GB+)，启动缓慢，二进制大于150MB。 《2》安装部署较为复杂（需要Node.js、Docker、网关等配置）Node.js性能瓶颈明显。 《3》安全依赖版本与配置，默认的防护一般。 | 多平台集成、个人全场景 AI 助手、技术爱好者、需要全功能自动化、长期本地自托管、重度自定义、生产级复杂工作流。 |
| ZeroClaw (性能极致) | OpenClaw的Rust重写版本，主打极致性能、低资源、安全，面向边缘与资源敏感环境。 开发语言：【Rust】 | 《1》性能碾压：冷启动小于10毫秒，内存峰值小于5兆，单二进制没有依赖且4M左右；比OpenClaw快10-15倍，省75%的内存。 《2》零供应商锁定，可一键切换大语言模型。 《3》Rust原生安全：没有GC、内存安全、并发高效，适合高可靠场景。 | 《1》生态尚新，技能与插件远少于OpenClaw。 《2》二次开发需要Rust功底，门槛较高。 | 边缘计算、IoT 设备、嵌入式、低成本挂机、低功耗长期运行、资源受限硬件、旧设备改造；适合高安全、低功耗场景。 |
| PicoClaw (嵌入式极简) | Go编写的超轻量Claw，面向IOT、嵌入式与10美元级硬件。 开发语言【Go】 | 《1》超轻量：内存小于10MB，冷启动小于1秒，单二进制跨架构运行。 《2》硬件友好：可在树莓派、RISC-V开发板、旧安卓机稳定运行。 《3》配置极简：7个Markdown文件定义行为，无需修改核心代码。 | 《1》功能精简：无复杂记忆与工作流，仅支持基础技能。 《2》生态小，社区活跃低。 | IoT 设备控制、边缘节点、旧设备 AI 化、便携硬件助手。 |
| Nanobot (研究极简) | 港大出品，Python编写的极简可审计Claw，面向教学，研究与安全审计。 开发语言【Python】 | 《1》代码极简：仅4000行Python，单目录、单配置，易读易审计。 《2》上手快：Python生态友好，适合学习与原型验证。 《3》研究友好：MCP优先，适合教学与安全场景。 | 《1》性能一般：内存大于100MB，启用大于1秒，不适合高并发。 《2》功能有限，无复杂工作流与记忆系统。 | AI Agent 教学、安全审计、快速原型、个人轻量助手。 |
| IronClaw (安全强化) | Rust编写的安全级Claw，主打沙箱隔离、数据安全，面向金融、政企等敏感场景。 开发语言【Rust】 | 《1》五层安全纵深：WASM沙箱+Docker隔离，权限最小化。 《2》Rust安全+内存可控，防注入与越权。 《3》性能接近ZeroClaw，兼顾安全与效率。 | 《1》配置复杂，部署成本高。 《2》生态小，技能少。 | 金融交易、政企敏感数据处理、高安全自动化。 |
| MaxClaw (云托管) | 基于OpenClaw的云托管服务MiniMax（MaxClaw）开箱即用；是月之暗面(KimiClaw)出品。 开发语言【基于OpenClaw的TypeScript，云端封装】。 | 《1》零部署：云端托管，直接接入通讯平台。 《2》国内友好：适配钉钉、飞书、企业微信，模型本地优化。 《3》运维省心：自动更新、负载均衡。 | 《1》数据上传云端，隐私不如自托管。 《2》付费使用，成本随用量上升。 | 中小企业快速落地、团队协作、国内办公场景。 |
| 选型建议： | ||||
银河麒麟高级服务器中Docker容器的安装部署与管理实操保姆级教程与【镜像加速】https://blog.csdn.net/xiaochenXIHUA/article/details/155027993Docker的介绍、保姆级安装和使用https://blog.csdn.net/xiaochenXIHUA/article/details/141286596
#使用Docker安装OpenClaw【以AlmaLinux9.3为例】
#1-先安装Docker
yum install -y yum-utils device-mapper-persistent-data lvm2
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
yum makecache fast
yum install -y docker-ce docker-ce-cli containerd.io
#启动docker
systemctl start docker
systemctl status docker
systemctl enable docker
#2-在docker中安装OpenClaw（若是使用本地安装的ollama大语言模型则选择vLLM配置即可）
git clone https://github.com/openclaw/openclaw.git
cd openclaw
./docker-setup.sh
docker-compose up -d
注意：此时的openclaw容器是会一直重启，无法正常使用，是由于“OpenClaw Gateway 在 Docker 容器中运行时，即使配置了 bind: "loopback"，Docker 网络也会使其被识别为非本地环回访问。Control UI 是一个安全特性，要求在非环回模式下明确配置允许的来源（origins）。”因此需要设置明确的 allowedOrigins（推荐）即：在 ~/.openclaw/openclaw.json 的 gateway 部分添加 controlUi 配置：
vi ~/.openclaw/openclaw.json
"gateway": {
"controlUi": {
"allowedOrigins": [
"http://127.0.0.1:18789",
"http://localhost:18789"
]
}
}
如果你从其他机器访问，需要把你的服务器 IP 也加进去：
"allowedOrigins": [
"http://127.0.0.1:18789",
"http://localhost:18789",
"http://你的服务器IP:18789"
]
最后执行：
docker-compose down
docker-compose up -d
#1-安装nodejs-24
#1.1-在线安装
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
\. "$HOME/.nvm/nvm.sh"
nvm install 24
node -v
npm -v
#1.1-【也可手动安装nodejs】
cd /usr/local
wget https://nodejs.org/dist/v24.14.0/node-v24.14.0-linux-x64.tar.xz
tar -xJf node-v24.14.0-linux-x64.tar.xz
#注意：若不想用软链接，也可以直接加当前解压的nodejs路径到系统路径(PATH)中：export PATH=/usr/local/node-v24.0.0-linux-x64/bin:$PATH
ln -s /usr/local/node-v24.14.0-linux-x64/bin/node /usr/local/bin/node
ln -s /usr/local/node-v24.14.0-linux-x64/bin/npm /usr/local/bin/npm
ln -s /usr/local/node-v24.14.0-linux-x64/bin/npx /usr/local/bin/npx
node --version
npm --version
#2-安装openclaw
dnf update -y
dnf groupinstall -y "Development Tools"
dnf install -y git curl wget
npm config set registry https://registry.npmmirror.com
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon
openclaw gateway status
openclaw dashboard
#3-最后在该服务器的浏览器中输入【IP:18789】即可打开OpenClaw的Web界面
| TuriX-CUA是一款开源、免费的 AI 桌面操作智能体，让大模型像人一样看屏幕、控鼠标键盘，跨应用完成自动化任务，无需 API、无需编程。 | ||
| 序号 | TuriX-CUA | 说明 |
| 1 | 核心定位与原理 | 《1》定位：Computer-Use Agent（电脑使用智能体），替代传统 RPA 与 API 集成，实现 “自然语言→AI 规划→桌面操作→结果交付”。 《2》工作流（看-->想-->动）： 1、看：定时截屏，获取桌面 / 应用界面视觉信息。 2、想：多模态 VLM（如 Qwen3-VL、GPT-4V、Gemini）分析界面、拆解任务、生成操作指令。 3、动：模拟鼠标点击、键盘输入、滚动等，完成跨软件操作。 《3》优势：不依赖应用 API、零代码 / 低门槛、自适应 UI 变化、可绕过验证码 |
| 2 | 核心能力 | 《1》跨应用自动化：浏览器、Office、聊天 / 办公软件、系统设置等，完成订票、做 PPT、数据整理、消息收发等。 《2》数据抓取：可从网页 / APP 精准提取数据，适配动态页面与验证码。 《3》自然语言驱动：可用中文 / 英文描述任务，AI 自动生成并执行流程。 《4》模型可替换：可通过配置文件切换底层 VLM，支持热插拔。 《5》协议兼容：支持 MCP（Model Context Protocol），可对接 Claude 等第三方智能体。 |
| 3 | 系统支持 | 《1》macOS：15.6+，仅 Apple Silicon（不支持 Intel）。 《2》Windows：10+，支持 GUI 自动化与浏览器操作。 |
| 4 | 开源与使用 | 《1》开源免费：代码托管于 GitHub，个人 / 科研用途完全免费。 《2》上手门槛：零基础可用，无需标记 UI、无需设计流程。 《3》局限：存在操作延迟、复杂对话 / 多轮任务易出错、实时性不足、隐私安全需谨慎。 |
关注微信