夜雨聆风“ OpenCode 的 GitHub Stars 已经超过 160K，甚至高于 Claude Code。它为什么突然爆火？和 Claude Code、Codex CLI、Gemini CLI、Aider、Continue 这些 AI 编程工具相比，各自适合谁？这篇详细讲清楚。
AI 编程工具的战场，正在从 IDE 插件转向终端。
过去大家讨论 AI 写代码，第一反应可能是 GitHub Copilot、Cursor、Continue 这类编辑器插件；但从 2025 年开始，越来越多开发者开始把 AI Agent 直接放进命令行：让它读代码、改文件、跑测试、查日志、提交 diff，甚至并行开多个任务。
这里面最近最火的名字，就是 OpenCode。
它的官网已经把自己定位成：The open source AI coding agent。页面显示 OpenCode 已经拥有超过 160K GitHub Stars、900+ contributors、13,000+ commits，并声称每月有 750 万开发者使用。
更有意思的是，GitHub 页面可见数据里，OpenCode 的 Stars 已经超过 Claude Code。本文写作时，OpenCode 约 167K，Claude Code 约 128K，Gemini CLI 约 105K，Codex CLI 约 86.9K，Aider 约 45.5K。
当然，Stars 不等于能力排名。
但它确实说明了一件事：开发者正在强烈需要一个开源、可控、多模型、终端优先的 AI 编程 Agent。
OpenCode 到底是什么？
一句话解释：OpenCode 是一个开源 AI 编程 Agent，可以在终端、IDE 和桌面应用里帮你理解、修改、生成和维护代码。
它不是单纯的代码补全工具，也不是网页聊天机器人。
它更像一个住在项目目录里的 AI 工程师助手：你进入某个代码库，运行 opencode，然后用自然语言告诉它你想做什么。它可以读取项目文件、理解上下文、调用 LSP、编辑代码、运行命令、生成 diff，并在你确认后把修改落到项目里。
OpenCode 官方强调几个特点：
开源：代码和工具链开放，社区可以审查、贡献、扩展； 终端优先：适合习惯 CLI 工作流的开发者； 多模型支持：通过 Models.dev 接入 75+ LLM providers，包括 Claude、GPT、Gemini 和本地模型； 多入口：不仅有终端 TUI，也有桌面 App 和 IDE extension； 多会话：可以在同一个项目里并行启动多个 Agent； LSP enabled：自动加载合适的语言服务器，让模型更懂代码结构； 可分享 Session：可以把某次会话分享出去，便于复盘和调试； 隐私优先：官方称不会存储你的代码或上下文数据。
这几个点放在一起，就构成了 OpenCode 的核心吸引力：它不是绑定某一家模型公司的工具，而是一个相对开放的 Agent 外壳。
为什么 OpenCode 会火？
我觉得原因有四个。
第一，开发者不想被锁死在单一模型里
Claude Code 很强，但它天然绑定 Anthropic；Codex CLI 很顺，但它绑定 OpenAI；Gemini CLI 很适合 Google 生态，但默认还是 Gemini。
OpenCode 的卖点是：你可以接 Claude，也可以接 GPT，还可以接 Gemini、DeepSeek、OpenRouter、本地模型，甚至用 GitHub Copilot、ChatGPT Plus/Pro 账号登录。
对开发者来说，这很重要。
因为 AI 编程不是一个模型永远最好。写前端、改后端、做推理、读大仓库、生成测试、处理长上下文，不同模型表现会变。工具如果只支持一家模型，你就被它的价格、限额、稳定性和能力边界绑住了。
OpenCode 的思路是：工具层归工具层，模型层可替换。
这很像当年大家喜欢 VS Code：不是因为它每个功能都最强，而是因为它足够开放，生态能长出来。
第二，开源带来的信任感
AI 编程 Agent 有一个天然敏感点：它要读你的代码，还可能执行命令、改文件、跑测试。
这比普通聊天机器人敏感得多。
闭源工具体验可以很好，但在企业、团队、隐私敏感项目里，很多人会问：代码会不会被上传？上下文会不会被存储？权限怎么控制？工具到底执行了什么？
OpenCode 开源，至少给了开发者审计和自托管的可能。你可以看它怎么处理上下文、怎么调模型、怎么执行命令、怎么写文件。
这不代表开源就天然安全，但它降低了黑箱感。
第三，终端正在成为 Agent 的天然入口
为什么不是继续在 IDE 里卷？
因为 Agent 真正要做的事，很多发生在终端里。
比如：
安装依赖； 跑测试； 看日志； 执行 lint； 查 git diff； 切分支； 启动本地服务； 运行迁移脚本； 复现 bug； 调用 CLI 工具。
传统 IDE 插件更擅长补全和局部编辑，但一旦任务变成“帮我修这个 issue，跑完测试，再给出可合并 diff”，终端工作流反而更自然。
OpenCode、Claude Code、Codex CLI、Gemini CLI 的兴起，本质上都是同一个趋势：AI 编程从“写一段代码”升级成“完成一个工程任务”。
第四，社区热度形成了正循环
OpenCode 的 Star 数很夸张，官网也强调 900+ contributors、13,000+ commits。
这种热度会带来正循环：更多开发者试用，更多人提交 issue 和 PR，更多教程出现，更多插件和生态集成出现，然后吸引更多用户。
这就是开源项目最强的地方。
和 Claude Code 比：OpenCode 赢在哪里？输在哪里？
Claude Code 是目前 AI 编程 CLI 里体验最强的一档。
Anthropic 对它的定位是：一个住在终端、IDE、桌面、Slack、Web 里的 agentic coding tool。它可以理解代码库、执行日常任务、解释复杂代码、处理 git workflows。
Claude Code 的优势很明显：
Claude 模型在代码理解、长上下文、复杂重构上很强； 产品体验完整，终端、桌面、VS Code、JetBrains、Slack、Web 都在打通； 对工程任务的规划、提问、执行、回滚体验成熟； Pro / Max 订阅里直接包含 Claude Code，用起来门槛低； 适合重度开发者和团队用来处理真实项目任务。
那 OpenCode 赢在哪里？
第一，开源。
Claude Code 虽然 GitHub 上有仓库和文档，但核心产品还是 Anthropic 的闭源商业工具。OpenCode 则更像社区可参与的基础设施。
第二，多模型。
Claude Code 默认围绕 Claude，OpenCode 可以换不同 provider。对需要成本优化、模型对比、本地部署的团队来说，OpenCode 更灵活。
第三，生态想象力。
如果 OpenCode 能持续把插件、Agent、MCP、LSP、IDE、桌面、多会话这些能力做扎实，它可能成为一个 AI 编程 Agent 的开放平台。
但 OpenCode 也有劣势。
Claude Code 的模型和工具体验是深度整合的，Anthropic 可以围绕 Claude 的能力做非常细的产品优化。OpenCode 需要兼容很多模型，灵活性高，但一致性会更难。
换句话说：Claude Code 像苹果，体验统一；OpenCode 像 Linux，开放可折腾。
和 Codex CLI 比：OpenAI 的强项是生态闭环
Codex CLI 是 OpenAI 的终端编程 Agent。GitHub 描述很直接：Lightweight coding agent that runs in your terminal。
它的优势主要来自 OpenAI 生态：
和 GPT / Codex 模型能力天然绑定； 开发者文档和 API 生态完善； 适合已经深度使用 OpenAI API 的团队； 可以更自然地接入 OpenAI 的 Responses API、tools、Agents SDK 等能力； 对脚本化、自动化、CI 场景有潜力。
如果你的团队已经在用 OpenAI 模型做产品，Codex CLI 的心理成本最低。
OpenCode 相比 Codex CLI 的优势，还是开放性和模型无关性。你不需要押注一家模型，也更容易把不同模型接进同一个工作流里。
但 Codex CLI 的优势在于 OpenAI 对工具调用、结构化输出、Agent SDK、沙箱、补丁应用等底层能力有长期积累。一旦 OpenAI 把 Codex CLI 和云端 Codex、GitHub、ChatGPT、企业权限体系打通，它会非常有竞争力。
所以这两者的区别是：
想要 OpenAI 原生体验：Codex CLI； 想要模型可替换和开源控制：OpenCode。
和 Gemini CLI 比：免费额度和 1M 上下文很香
Gemini CLI 是 Google 推出的开源终端 AI Agent。
它的卖点非常明确：
个人 Google 账号可用免费额度：60 requests/min、1000 requests/day； Gemini 2.5 Pro，1M token context window； 内置 Google Search grounding； 支持文件操作、shell commands、web fetching； 支持 MCP； 可接 GitHub Action 做 PR review、issue triage、@gemini-cli 协助等。
这对很多开发者很有吸引力。
尤其是“免费额度 + 大上下文”这两个词，几乎就是开发者试用的最大动力。你想让它读一个大仓库、总结架构、检索大量文件，1M 上下文会很有用。
Gemini CLI 的问题在于：它的体验和模型表现是否稳定，仍然取决于 Gemini 在具体编程任务里的发挥。Google 的强项是搜索、上下文和生态集成，但在工程任务完成度上，很多开发者仍会拿它和 Claude Code、Codex、OpenCode 接 Claude/GPT 模型做对比。
OpenCode 相比 Gemini CLI 的优势，是它可以接 Gemini，也可以接别的模型。Gemini CLI 则更像 Google 生态原生入口。
如果你主要想低成本试 AI CLI，Gemini CLI 很值得装；如果你想长期搭一个模型可替换的 Agent 工作台，OpenCode 更有弹性。
和 Aider 比：老牌工具依然很能打
Aider 其实是这波 AI CLI 编程工具里非常值得尊重的老玩家。
它的定位是：AI pair programming in your terminal。
Aider 的优势不在于营销声量，而在于工程细节很成熟：
支持大量云端和本地 LLM； 能生成代码库 map，帮助模型理解大型项目； 支持 100+ 编程语言； Git 集成强，会自动提交修改并生成合理 commit message； 可以自动 lint 和 test，发现问题再让模型修； 支持图片、网页、语音等上下文输入； 对“结对编程”这个场景打磨很久。
如果你喜欢一个工具围绕 Git diff、commit、测试循环来工作，Aider 仍然很好用。
那 OpenCode 和 Aider 有什么区别？
Aider 更像一个成熟的终端结对程序员，围绕“改代码—看 diff—提交—测试”这个闭环很强。
OpenCode 更像一个新一代 Agent 平台，强调多会话、LSP、多入口、桌面/IDE、分享、模型生态和更强的产品扩展性。
如果你想要稳定、朴素、好用的终端结对编程，Aider 是很务实的选择；如果你想要更像 Claude Code 的新式 Agent 体验，同时又希望开源和多模型，OpenCode 更符合方向。
Continue：从“写代码”转向“管质量”
Continue 现在的定位和前几位不完全一样。
它的 GitHub 描述是：Source-controlled AI checks, enforceable in CI. Powered by the open-source Continue CLI。
也就是说，它不只是让 AI 帮你写代码，而是把 AI 规则写进代码库，变成每个 PR 都会执行的质量检查。
这个方向很有意思。
当 AI 编程越来越普及，团队真正担心的不是“代码写不出来”，而是“AI 写出来的代码质量不可控”。比如：重复造轮子、违反团队规范、引入安全风险、漏掉文档、破坏架构约束。
Continue 的思路是：把这些标准写成 markdown checks，放进 repo，让 AI 在 PR 阶段自动检查，并给出修复建议。
它更适合团队工程治理，而不是个人开发者临时问一句“帮我改这个 bug”。
所以如果说 OpenCode、Claude Code、Codex CLI、Gemini CLI、Aider 主要解决“怎么让 AI 帮我写代码”，Continue 更关注“怎么让 AI 写出来的代码符合团队标准”。
横向对比：一句话怎么选？
先给一个非常直接的版本：
OpenCode：适合想要开源、多模型、可折腾、可扩展 Agent 工作台的人。
Claude Code：适合追求最强一体化体验、复杂工程任务、Claude 模型能力的人。
Codex CLI：适合 OpenAI 生态用户，尤其已经在用 GPT / Codex / Responses API 的团队。
Gemini CLI：适合想低成本试用、需要大上下文、依赖 Google 搜索和 Gemini 生态的人。
Aider：适合喜欢终端结对编程、Git diff / commit / test 闭环的开发者。
Continue：适合团队把 AI 检查接进 PR / CI，做工程质量控制。
如果按使用场景分：
个人开发者想快速试：Gemini CLI、Aider、OpenCode； 重度工程任务：Claude Code、OpenCode、Codex CLI； 多模型对比和成本控制：OpenCode、Aider； 企业/团队质量治理：Continue、Claude Code、Codex； 本地模型或隐私敏感：OpenCode、Aider； 追求最省心：Claude Code； 追求最可控：OpenCode。
Stars 超过 Claude Code，说明 OpenCode 更强吗？
不一定。
GitHub Stars 是社区热度指标，不是能力指标。
OpenCode Stars 高，说明它击中了开发者对开源、多模型、可控 Agent 的需求。但 Claude Code 的真实能力，尤其是和 Claude 模型深度结合后的工程任务表现，仍然非常强。
更合理的理解是：
OpenCode 代表“开放路线”；
Claude Code 代表“模型厂商精品路线”；
Codex CLI 代表“OpenAI 生态路线”；
Gemini CLI 代表“免费额度 + 大上下文 + Google 生态路线”；
Aider 代表“终端结对编程老牌路线”；
Continue 代表“AI 工程治理路线”。
这些工具不是简单替代关系，而是在争夺不同类型开发者的工作流。
AI 编程 CLI 的下一步会卷什么？
我觉得会卷五件事。
第一，任务完成率。
不是能不能写代码，而是能不能从 issue 到可合并 PR，完整跑完。
第二，权限和安全。
Agent 会执行命令、改文件、访问密钥，必须有更细的权限控制、沙箱、审计和回滚。
第三，上下文管理。
谁能更聪明地读项目、压缩上下文、记住架构约束，谁就更能处理大仓库。
第四，团队协作。
多会话、共享 session、PR review、CI checks、任务分配，会成为团队用 AI 的关键。
第五，模型路由。
未来一个工具不会只用一个模型。简单任务用便宜模型，复杂任务用强模型，本地隐私任务用本地模型，长上下文任务用 Gemini 或其他大上下文模型。这会成为标配。
OpenCode 的优势正好踩在第五点上。
最后总结
OpenCode 爆火，不只是因为它 Star 多，而是因为开发者开始意识到：AI 编程工具不能只依赖某一家模型公司，也不能永远停留在 IDE 补全层。
真正的 AI 编程 Agent，需要能读代码、跑命令、改文件、测结果、管理上下文、支持团队协作，还要尽可能开放、可控、可替换。
OpenCode 现在站在这个趋势上。
它未必在每个任务上都比 Claude Code 更强，也不一定比 Codex CLI 或 Gemini CLI 更适合所有人。但它代表了一种很有生命力的方向：把 AI 编程 Agent 做成开放基础设施，而不是单一模型的附属功能。
如果你是开发者，我的建议是：
别只选一个工具。
装一个 Claude Code 处理复杂任务，装一个 OpenCode 做多模型和开源工作台，装一个 Aider 做轻量结对编程，再用 Gemini CLI 白嫖大上下文和搜索能力。
AI 编程的下一阶段，不是谁统治所有入口，而是谁能更自然地融进你的真实工作流。
OpenCode 之所以值得写一篇长文，就是因为它让这个未来变得更清晰了。
资料来源：OpenCode 官网与文档、GitHub 页面可见数据、Claude Code 产品页与 GitHub、OpenAI Codex CLI 文档与 GitHub、Gemini CLI 文档与 GitHub、Aider 官网与 GitHub、Continue 官网与 GitHub。
