乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > OpenCode 断网续航神器:如何让 AI 编程助手「关机也能接着干」

OpenCode 断网续航神器:如何让 AI 编程助手「关机也能接着干」

当前时间： 2026-03-18 13:28:10 分类：软件教程 评论(0)

OpenCode 断网续航神器:如何让 AI 编程助手「关机也能接着干」

场景：你和 OpenCode 改了一天代码，效果不错，但还有 30% 没完成…

突然要关电脑了！

明天换个模型？换台机器？甚至换个同事接手？别慌！ 这篇文章专门讲 OpenCode 的 session 导出 + 交接文档双保险，让你 AI 编程助手真正做到「断网续航」。

核心思路：把「隐形上下文」变成「显式文件」

把隐形对话 → 两个显式文件：

  • opencode-session.json：完整对话历史（机器可读）
  • docs/ai-handoff.md：人类 + AI 可读的「交接班本」（1 页纸总结）

第一步：关机前 90 秒，导出 session + 生成交接

1. 导出完整会话（机器能读）

在项目根目录（WSL）：

  1. opencode export > docs/opencode-session.json

解释：

  • 不带参数会让你选最近的 session（或直接导出当前）
  • > 重定向到文件，避免 stdout 里夹杂状态提示
  • 存到 docs/ 目录，跟代码一起进 Git，便于版本控制

2. 让模型写「人类可读交接」（超级重要！）

在 OpenCode TUI 里，复制粘贴这段 prompt：

  1. 请为我写一份「AI 编程交接文档」，输出为Markdown，保存到 docs/ai-handoff.md。
  3. 必须包含这6部分，用 H3 标题分隔：
  5. ### 当前目标
  6. 一句话：我们现在要完成什么？
  8. ### 现状（已完成）
  9. -已修改的文件和关键改动点
  10. -哪些地方效果已经 OK
  11. -当前能跑通的验证命令
  13. ### 关键决策
  14. -为什么这么设计/改动（技术选型、权衡）
  15. -有哪些边界条件/约束要遵守
  17. ### 当前卡点/TODO
  18. -现在卡在哪里？
  19. -报了什么错？可能的3个原因
  21. ### 下一步计划（按优先级）
  22. 1.第1步：改哪里，怎么验证，预期时长
  23. 2.第2步：...
  24. 3.第3步：...
  26. ### 验证命令清单
  27. -完整启动：`pnpm dev`
  28. -关键测试：`pnpm test mediapipe`
  29. -效果验证：访问 http://localhost:3000/demo，预期看到什么
  31. 最后一行写一句：「下次开机后，请你先阅读这个文件，然后从『下一步计划第1步』开始执行。」

模型会输出一份 1-2 页的 Markdown，包含所有关键信息。你直接复制保存：

  1. mkdir -p docs
  2. # 用 nano 或 vim 粘贴保存到 docs/ai-handoff.md
  3. nano docs/ai-handoff.md

第二步：开机后 30 秒，完美接力

1. 导入会话历史（可选，让 AI「回忆」前一天）

  1. cd /path/to/your/project
  2. opencode import docs/opencode-session.json

2. 启动 OpenCode + 喂交接文档

  1. opencode

TUI 里第一句话：

  1. 先完整阅读 docs/ai-handoff.md，然后严格按照其中「下一步计划第1步」开始执行。每次完成一个步骤后，都更新 ai-handoff.md 的进展和下一个 TODO。

效果：新模型不用重新理解项目背景，直接「接着干」，省下大量 token。

实战案例：我的人脸融合项目是怎么续航的

项目背景： face-merge-tool，基于 nexty saas 模板做人脸替换，MediaPipe 检测效果不佳，需要优化。

关机前交接文档（真实输出节选）

  1. ### 当前目标
  2. 在 nexty saas 模板基础上优化人脸替换效果，主要解决：边缘融合不自然、肤色不匹配、多人脸场景错误替换。
  4. ### 现状（已完成）
  5. -✅已集成MediaPipeFaceMesh，`src/lib/mediapipe.ts`能正确检测关键点
  6. -✅前端页面`app/group-shot/page.tsx`已完成 UI 和调用链路
  7. -✅后端接口`/api/face-replace`能接收图片并返回结果
  8. -验证命令：`pnpm dev`，访问 http://localhost:3000/group-shot 能跑 demo
  10. ### 关键决策
  11. -用MediaPipeFaceMesh而不是FaceLandmark，因为实时性更好（浏览器端30fps）
  12. -边缘融合用PoissonBlending，肤色匹配用 histogram matching
  13. -多人脸场景：优先替换面积最大的脸（按 bounding box）
  15. ### 当前卡点/TODO
  16. -❌边缘融合后出现 halo 效应（`src/utils/blend.ts:87`）
  17. -❌肤色匹配在强光/暗光场景失效
  18. -❌MediaPipe在低质量图片上 confidence <0.7
  20. ### 下一步计划
  21. 1.**修复边缘融合 halo**：改用 guided filter，30分钟，验证：人工对比前后图
  22. 2.**肤色匹配加曝光补偿**：在 histogram 前加 exposure normalization，1小时
  23. 3.**MediaPipe预处理**：输入图预增强（contrast + sharpen），45分钟
  24. 4.**多人脸场景排序**：面积+置信度综合排序，30分钟
  25. 5.**端到端测试集**：准备10张测试图，做 A/B 测试对比，2小时
  27. ### 验证命令清单
  28. -完整启动：`pnpm dev`
  29. -MediaPipe测试：`pnpm test mediapipe -- --url http://localhost:3000/test`
  30. -效果验证：访问 http://localhost:3000/group-shot，上传 test/10-sample.jpg，预期 PSNR > 32dB
  32. **下次开机后，请你先阅读这个文件，然后从『下一步计划第1步』开始执行。**

开机后第一句话

  1. 先完整阅读 docs/ai-handoff.md，然后严格按照「下一步计划第1步」开始执行：修复边缘融合 halo，用 guided filter 替换Poisson blending。

结果：GPT‑5.3 Codex 直接打开 src/utils/blend.ts，看了第 87 行，开始写 guided filter 实现，30 分钟后有了可验证的结果。

进阶技巧：让交接文档「自更新」

在每次任务开始前，让模型承诺：

  1. 在开始每个新步骤前，先阅读 docs/ai-handoff.md。
  2. 每次完成一个步骤后，更新该文件：
  3. -把「下一步计划」里已完成的任务打勾移到「已完成」
  4. -更新「当前卡点」或添加新的 TODO
  5. -记录本次改动的验证结果

这样交接文档会变成一个活的开发日志，不仅能跨会话/跨模型，还能跨人手。

欢迎留言你的「AI 交接经验」，比如：

  • 你是怎么写交接 prompt 的？
  • 有没有遇到「AI 写的交接文档反而误导」的坑？

👇 评论区见！

AD：【资源若失效或者不可用，请留言评论或加老夜微信 al_tmen】>>点此前往<<
本站文章均为手工撰写未经允许谢绝转载：夜雨聆风 » OpenCode 断网续航神器:如何让 AI 编程助手「关机也能接着干」

wang

猜你喜欢

  • 暂无文章