OpenCode 源码解析
第 3 讲:Session 会话核心
基于 dev 分支源码 · 2026-07-09
📖 开篇导读
第 1 讲我们俯瞰了 OpenCode 的 Monorepo 全景,第 2 讲拆解了 CLI 入口与命令路由。今天深入 Session 会话核心——这是整个系统的"心脏"。Session 负责管理一次完整的 AI 对话生命周期:从用户输入、LLM 推理、工具执行到上下文压缩和持久化。Session 层横跨 packages/core/src/session/(25 个文件,3657 行)和 packages/opencode/src/session/(24 个文件,8034 行),总计约 11700 行源码。
一、Session 的三层架构
OpenCode 的 Session 设计遵循"Schema → Core → Application"的三层分离:
packages/schema/src/session*.ts
Schema 层:类型定义与事件清单
⬇️ 依赖
packages/core/src/session/
Core 层:Effect 服务、SQLite 持久化、执行编排
⬇️ 依赖
packages/opencode/src/session/
应用层:LLM 流式处理、上下文溢出、V1 兼容
二、Schema 层:会话的类型骨架
packages/schema/ 定义了 Session 相关的所有类型,共 64 个文件,其中直接关联 Session 的核心文件包括:
| Schema 文件 | 职责 |
|---|---|
| session.ts | Session ID、Info 结构体、版本字段 |
| session-message.ts | V2 消息类型(user/assistant/system/tool) |
| session-input.ts | 用户输入准入(Admitted)与投递模式 |
| session-event.ts | 会话事件定义(PromptAdmitted、MessageUpdated 等) |
| session-compaction-event.ts | 上下文压缩事件 |
| session-todo.ts | Todo 列表信息结构 |
| prompt.ts / prompt-input.ts | Prompt 结构与附件类型 |
Session ID 使用 ulid 库生成时间排序的唯一标识符。V2 消息系统引入了序列号(seq)机制,每条消息在 SQLite 中按序列号严格排序,确保事件溯源的一致性。
三、Core 层:Effect 驱动的会话引擎
packages/core/src/session/ 是 Session 的核心实现,基于 Effect 函数式编程范式构建。以下是关键模块:
3.1 SessionStore — 会话数据存取
packages/core/src/session/store.ts 定义了 SessionStore.Service,提供四个核心接口:
interface Interface {
get(sessionID: ID) → SessionSchema.Info | undefined
context(sessionID: ID) → SessionMessage.Message[]
runnerContext(sessionID: ID, baselineSeq: number) → Message[]
message(messageID: ID) → { sessionID, message } | undefined
}
context() 通过 SessionHistory.load() 加载完整会话历史;runnerContext() 则加载从指定基线序列号之后的消息,用于 V2 Runner 增量加载。两者都考虑了压缩(compaction)边界——压缩后的历史只保留最新压缩点之后的消息。
3.2 SessionExecution — 执行路由
packages/core/src/session/execution.ts 定义了 Session 执行的抽象接口:
interface Interface {
active() → ReadonlySet<SessionID> // 当前活跃会话
resume(sessionID) → void // 恢复/加入执行
wake(sessionID) → void // 注册新工作
interrupt(sessionID) → void // 中断执行
}
execution/local.ts 实现了本地执行路由:通过 LocationServiceMap 找到 Session 所属位置的 SessionRunner,再通过 SessionRunCoordinator 编排执行流。设计注释明确指出"未来远程放置(remote placement)将在此扩展"。
3.3 SessionRunCoordinator — 执行协调器
packages/core/src/session/run-coordinator.ts 实现了每个 Session 串行执行、不同 Session 并发执行的关键策略:
🔑 协调器核心逻辑
1. run(key):如果该 Session 已有执行在运行,等待当前执行完成后再加入;否则创建新 Entry 并启动 drain
2. wake(key):标记 pendingWake = true,当前 drain 完成后自动触发下一次 drain(合并多次 wake)
3. interrupt(key):设置 stopping = true,中断当前 Fiber 并等待清理
4. settle():执行完成后的结算逻辑——如果有 pendingWake 则创建新 Entry 继续 drain,否则从 active Map 中移除
3.4 SessionRunner — V2 Runner 实现
packages/core/src/session/runner/llm.ts 是 V2 Runner 的核心,约 500+ 行代码。文件头部注释清晰地列出了实现进度清单(TODO checklist):
/** * Runs one durable coding-agent Session until it settles. * * - Session ownership and controls * - [x] Coordinate one local active drain per Session * - [ ] Replace local ownership with durable multi-node * - [ ] Mark busy/retrying/idle/interrupted/terminal status * - [x] Honor optional agent step limits * * - One provider turn * - [x] Translate V2 Session message → LLM messages * - [x] Stream exactly one llm.stream(request) turn * - [x] Persist text/usage/reasoning/tool-call events * * - Tool settlement and continuation * - [x] Record tool call before side effects * - [x] Authorize & execute via core-owned registry * - [x] Persist typed success/failure outcomes * - [x] Reload projected history after tool results * - [x] Continue for durable user steering */
Runner 的依赖注入链展示了完整的 Effect 服务网络:
SessionRunner 依赖链
🔹 AgentV2 — Agent 配置与选择
🔹 Config — 运行时配置
🔹 Database — SQLite 持久化
🔹 EventV2 — 事件发布
🔹 Location — 工作区位置
🔹 ModelV2 / ProviderV2 — 模型与 Provider 解析
🔹 QuestionV2 — 用户交互问题
🔹 SystemContext — 系统上下文(代码库快照)
🔹 SkillGuidance / ReferenceGuidance — 技能与引用引导
🔹 ToolRegistry — 工具注册表
🔹 ToolOutputStore — 工具输出存储
🔹 SessionStore — 会话数据存取
🔹 SessionHistory — 历史加载
🔹 SessionCompaction — 上下文压缩
3.5 SessionInput — 用户输入准入
packages/core/src/session/input.ts 实现了"持久化 Prompt 准入"机制。用户输入通过 admit() 方法写入 session_input 表并触发 PromptAdmitted 事件,随后由 Runner 在安全边界将其提升(promote)为可见的用户消息。这一设计确保了"持久化准入"与"模型执行"的分离。
3.6 SessionCompaction — 上下文压缩
packages/core/src/session/compaction.ts 实现了 V2 上下文压缩逻辑。核心常量:
const DEFAULT_BUFFER = 20_000 // 默认缓冲 token 数 const DEFAULT_KEEP_TOKENS = 8_000 // 保留最近 token 数 const TOOL_OUTPUT_MAX_CHARS = 2_000 // 工具输出截断长度 const SUMMARY_OUTPUT_TOKENS = 4_096 // 摘要输出 token 限制
压缩模板要求 LLM 输出结构化的 Markdown 摘要,包含 Goal、Constraints、Progress、Key Decisions、Next Steps、Critical Context、Relevant Files 七个固定章节。工具输出超过 2000 字符时自动截断并添加 [truncated] 标记。
3.7 SessionContextEpoch — 上下文纪元
packages/core/src/session/context-epoch.ts 管理"上下文纪元"——记录系统上下文(SystemContext)的基线序列号和快照。当检测到上下文变化(如代码修改)或压缩发生后,自动重新初始化纪元,确保 Runner 始终使用正确的系统上下文基线。
3.8 SessionRevert — 会话回退
packages/core/src/session/revert.ts 支持将 Session 回退到指定消息边界。通过扫描目标消息之后的所有 assistant 消息中的 snapshot,收集受影响的文件列表,实现精确回滚。
3.9 SessionTodo — Todo 管理
packages/core/src/session/todo.ts 管理会话级别的 Todo 列表,存储在 todo 表中,支持 content、status、priority、position 四个字段,通过事务批量更新。
四、应用层:LLM 流式处理
packages/opencode/src/session/ 包含了 V1 兼容层和 LLM 流式处理逻辑:
4.1 SessionProcessor — 消息处理器
packages/opencode/src/session/processor.ts 是 V1 会话的流式处理器,定义了 Handle 接口用于管理工具调用生命周期:
interface Handle {
message: SessionV1.Assistant
updateToolCall(toolCallID, update) → ToolPart
completeToolCall(toolCallID, output) → void
process(streamInput) → Result // "compact" | "stop" | "continue"
}
DOOM_LOOP_THRESHOLD = 3 防止工具调用陷入死循环。处理器内部维护 ProcessorContext,包含工具调用映射、阻塞状态、压缩标志、当前文本和推理映射。
4.2 LLM 流式服务
packages/opencode/src/session/llm.ts 定义了 LLM.Service,其 stream() 方法接收 StreamInput(包含用户信息、模型、Agent、权限、系统提示、消息、工具等),返回 Stream<LLMEvent>。支持三种 LLM 后端:
| 后端 | 实现文件 | 说明 |
|---|---|---|
| AI SDK | llm/ai-sdk.ts | 通过 Vercel AI SDK 的 streamText 调用 |
| Native Runtime | llm/native-runtime.ts | 直接调用 LLMClient 原生接口 |
| Request Prep | llm/request.ts | 请求预处理与格式化 |
4.3 溢出检测
packages/opencode/src/session/overflow.ts 实现了上下文溢出检测:
const COMPACTION_BUFFER = 20_000
function usable(input) {
const reserved = cfg.compaction?.reserved
?? Math.min(COMPACTION_BUFFER, maxOutputTokens(model))
return model.limit.input
? Math.max(0, model.limit.input - reserved)
: Math.max(0, context - maxOutputTokens(model))
}
function isOverflow(input) {
if (cfg.compaction?.auto === false) return false
const count = tokens.total || tokens.input + tokens.output
+ tokens.cache.read + tokens.cache.write
return count >= usable(input)
}当总 token 数超过"可用上下文"(模型上下文窗口减去输出预留)时触发压缩。
五、SQLite 数据模型
packages/core/src/session/sql.ts(176 行)定义了 6 张核心表:
| 表名 | 主键 | 核心字段 |
|---|---|---|
| session | id (ULID) | project_id, slug, directory, title, model, cost, tokens, revert, permission, agent, 时间戳 |
| message | id | session_id (FK), data (JSON), 时间戳 |
| part | id | message_id (FK), session_id, data (JSON) |
| todo | (session_id, position) | content, status, priority, position |
| session_message | id | session_id, type, seq, data (JSON) |
| session_input | id | session_id, prompt, delivery, admitted_seq, promoted_seq |
| session_context_epoch | session_id | baseline, snapshot, baseline_seq |
注意 session_message 表有 4 个索引,包括按 (session_id, seq) 的唯一索引和按 (session_id, type, seq) 的联合索引——这是高性能事件溯源查询的基础。
六、执行流程图
用户输入 (Prompt)
⬇️
SessionInput.admit() → session_input 表
⬇️
SessionExecution.wake() → pendingWake = true
⬇️
SessionRunCoordinator → drain(sessionID)
⬇️
SessionRunner.run()
⬇️
SessionHistory.load() → 加载消息
→ SessionContextEpoch.prepare() → 系统上下文
→ toLLMMessages() → 转换为 LLM 消息
⬇️
llm.stream(request) → Provider 推理
⬇️
工具调用 → ToolRegistry 执行 → 持久化结果
→ 重新加载历史 → 下一轮推理(循环)
⬇️
isOverflow() → SessionCompaction → 压缩上下文
七、关键设计洞察
1. 持久化优先(Durable-first)
Session 的每个阶段——输入准入、消息记录、工具调用、压缩——都先写入 SQLite 再执行。崩溃后可以从 session_input 表的 admitted_seq 恢复未处理的用户输入。
2. V1 与 V2 并存
message 和 part 表存储 V1 格式,session_message 表存储 V2 格式。V2 引入了序列号(seq)和类型化的消息结构,支持更高效的事件溯源。Runner 注释中明确标注了 V2 的 TODO 清单。
3. 位置感知(Location-aware)
LocationServiceMap 将 Session 绑定到特定工作区位置,每个位置有独立的 Effect 服务层。这为未来的分布式部署(remote placement)预留了架构空间。
4. 压缩策略的平衡
V1 压缩(opencode/src/session/compaction.ts)使用 PRUNE_MINIMUM = 20000 和 PRUNE_PROTECT = 40000 保护最近对话不被过度修剪。V2 压缩(core/src/session/compaction.ts)使用 LLM 生成结构化摘要,保留关键决策和文件引用。
八、总结
Session 层是 OpenCode 最复杂的子系统之一,承载了对话生命周期管理、LLM 推理编排、工具执行、上下文压缩和持久化恢复五大职责。V2 架构正在逐步替代 V1,引入了序列号机制、结构化消息类型和更清晰的服务边界。
下一讲我们将深入 Server 网络层与路由,看看 OpenCode 如何通过 Effect HttpApi 暴露 REST API,以及 LocationMiddleware 如何实现位置感知的请求路由。
📚 系列导航
← 第 2 讲:CLI 入口与命令路由
→ 第 4 讲:Server 网络层与路由
🔔 关注公众号获取更多技术干货
源码地址:https://github.com/opencode-ai/opencode
夜雨聆风