【AI智能体】基于OpenCode 搭建Skills环境与项目实战开发详解

一、前言

[二、OpenCode 介绍与环境搭建](#二、OpenCode 介绍与环境搭建)

[2.1 OpenCode 介绍](#2.1 OpenCode 介绍)

[2.1.1 OpenCode 是什么](#2.1.1 OpenCode 是什么)

[2.1.2 OpenCode 主要特点](#2.1.2 OpenCode 主要特点)

[2.1.3 OpenCode 使用场景](#2.1.3 OpenCode 使用场景)

[2.2 OpenCode 本地环境搭建](#2.2 OpenCode 本地环境搭建)

[2.2.1 安装ndoejs](#2.2.1 安装ndoejs)

[2.2.2 使用npm安装OpenCode](#2.2.2 使用npm安装OpenCode)

[2.2.3 效果测试](#2.2.3 效果测试)

[2.2.4 opencode 基本使用技巧](#2.2.4 opencode 基本使用技巧)

[三、OpenCode 配置大模型](#三、OpenCode 配置大模型)

[3.1 OpenCode 配置大模型过程](#3.1 OpenCode 配置大模型过程)

[3.1.1 前置准备](#3.1.1 前置准备)

[3.1.2 进入模型配置窗口](#3.1.2 进入模型配置窗口)

[四、OpenCode 配置和使用Skills](#四、OpenCode 配置和使用Skills)

[4.1 skills介绍](#4.1 skills介绍)

[4.1.1 skills是什么](#4.1.1 skills是什么)

[4.1.2 为什么需要 Skills？它解决了什么问题？](#4.1.2 为什么需要 Skills？它解决了什么问题？)

[4.1.3 Skills 工作原理](#4.1.3 Skills 工作原理)

[4.1.4 Skills 与其他能力的协作关系](#4.1.4 Skills 与其他能力的协作关系)

[4.1.5 Skills 核心组成](#4.1.5 Skills 核心组成)

[4.2 使用模板Skills](#4.2 使用模板Skills)

[4.2.1 前置问题](#4.2.1 前置问题)

[4.2.2 获取skills包](#4.2.2 获取skills包)

[4.2.3 模板skills效果验证](#4.2.3 模板skills效果验证)

[4.3 开发自己的Skills](#4.3 开发自己的Skills)

[4.3.1 编写生成自媒体文案Skills](#4.3.1 编写生成自媒体文案Skills)

[4.3.2 效果验证](#4.3.2 效果验证)

[4.3.3 常用的Skill 推荐](#4.3.3 常用的Skill 推荐)

五、写在文末

一、前言

Agent Skills 最近非常火，它是既 MCP 后 Anthropic 推出的又一个 Agent 领域的行业标准。它的成长路线和 MCP 也非常像，25 年 10 月份发布时只有 Anthropic 自家产品支持，后来 Cursor、Codex、Opencode、Gemini CLI 等产品看到了 Skills 的优势于是纷纷开始支持。再后来社区开始涌现大量的开源 Skills 以及 Skills 开放市场，当下大家已经默认 Skills 成为了又一个扩展 Agent 能力的标准实践。

简单来说，Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时，不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词，而是像调用工具一样直接使用。

二、OpenCode 介绍与环境搭建

2.1 OpenCode 介绍

2.1.1 OpenCode 是什么

OpenCode 是一款基于终端（Terminal）的高级 AI 编程助手，其核心竞争力在于独创的 Plan（架构设计）与 Build（代码实现）双模式工作流 ，以及对 75+ 种大语言模型（包括 GLM-4.7, DeepSeek-V3 等）的无缝支持。

OpenCode 是一个完全开源的AI编程助手/代理（AI Coding Agent）。它的核心理念是开放、模型无关和尊重隐私，旨在成为开发者终端里的一个强大而灵活的AI搭档。

2.1.2 OpenCode 主要特点

OpenCode 具备如下核心特点：

模型无关性：
- 它不与任何一家AI模型供应商捆绑。你可以连接并切换使用 OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini 等75种以上的云端模型，也可以连接本地部署的模型。
终端优先：
- 其主要交互界面是一个精心设计的终端用户界面，你可以在项目目录中直接运行它，让AI助手基于整个项目的上下文来工作。
开源与隐私：
- 代码完全开源，这意味着你可以审查、信任甚至修改它。它不强制要求将你的代码上传到云端，你可以选择在本地运行，更好地保护代码隐私。
项目级理解：
- 它不仅能处理单个文件，还能通过读取和分析你的整个项目代码库来理解上下文，从而提供更准确的建议和修改。
双代理模式：
- 提供两种工作模式以确保安全：
  - plan 模式：只读分析，为你提供解释、建议或修改计划，但不会实际改动代码。
  - build 模式：在获得你的确认后，可以执行具体的代码修改、重构等操作。

2.1.3 OpenCode 使用场景

OpenCode是一个深度集成在终端里的AI编程助手，它尤其适合需要将AI能力融入日常工作流又不想被特定编辑器或模型绑定的开发者。它的使用场景非常广泛，下面列出了几个典型场景和对应优势：

|------------|--------------------------------|------------------------------------------------------------|
| 场景分类 | 具体任务示例 | OpenCode的优势 |
| 代码理解与探索 | 快速理解新项目结构、解释复杂函数逻辑、梳理代码库依赖关系。 | 通过/init分析整个项目，能基于完整项目上下文和LSP智能提示给出精准解释，比片段式问答更高效。 |
| 开发与调试 | 编写新功能、修复Bug、重构代码（如重命名函数、拆分模块）。 | 双代理模式保证安全：先用plan模式（只读）分析，确认后再用build模式执行修改。支持一键撤销，回退不满意的更改。 |
| 项目维护与自动化 | 生成测试用例、编写文档、创建Dockerfile或部署脚本。 | 能与项目技术栈深度结合，生成符合现有规范的代码。可编写脚本或集成到CI/CD，实现自动化。 |
| 团队协作与审查 | 分享代码会话、辅助代码审查、帮助新成员熟悉项目。 | 可生成可分享的会话链接，他人能在浏览器中查看完整的分析、修改过程和对话，便于协作和知识传递。 |
| 追求隐私与控制的开发 | 处理敏感或私有代码库、在合规要求严格的环境中使用。 | 隐私优先：默认代码数据不传云端；支持连接本地模型（如Ollama），实现完全离线。 |

2.2 OpenCode 本地环境搭建

接下来基于windows 环境快速搭建OpenCode 的使用环境。

2.2.1 安装ndoejs

Node.js 要求：≥ 18（强烈推荐 20 LTS），这个安装比较简单，就不再赘述了，安装完成后，可以使用下面的命令查看

2.2.2 使用npm安装OpenCode

打开 Windows 的 CMD (命令提示符)，输入以下命令并回车

bash 复制代码

# 安装opencode
npm i -g opencode-ai
# 验证安装
opencode --version

效果如下：

安装完成后，可以在本地用户的目录下看到opencode的目录

2.2.3 效果测试

新建一个空文件夹，然后切换进入后，输入opencode，看到下面的效果，说明基于nodejs环境配置opencode就成功了

可以在对话框打个招呼，opencode安装完成后，内部会有内置的大模型，所以可以对用户的输入进行响应

默认的内置大模型效果不是很理想，实际使用的时候，还需要根据需求配置外部的大模型，后面会说明

2.2.4 opencode 基本使用技巧

为了方便后续更好的操作opencode ，下面列举一些opencode 窗口的使用说明

opencode 的一些操作是基于命令方式交换的

如何查看内置的大模型呢，直接在对话框输入 /model ，跳转到下面的窗口，可以看到内置的几个免费的大模型

下面给出了常用的操作命令

|-----------|-----------|-------------------------------------|
| 命令类别 | 命令 | 功能说明 |
| 连接与设置 | /connect | 新增LLM提供商（如Anthropic、OpenAI） |
| | /models | 列出并切换可用的AI模型 |
| | /themes | 切换终端界面的主题 |
| | /help | 显示帮助对话框 |
| 对话管理 | /new | 开始一个新的对话 |
| | /sessions | 列出所有历史对话并切换 |
| | /compact | 压缩当前对话内容，以节省上下文窗口 |
| | /export | 将会话记录导出到文件 |
| | /share | 生成当前对话的分享链接 |
| 编辑与撤销 | /undo | 撤销上一条 AI 消息及其带来的所有文件更改 |
| | /redo | 重做已撤销的更改 |
| | /editor | 打开外部编辑器 |
| 项目与代理 | /init | 初始化项目，扫描并生成 AGENTS.md 文件，帮助AI理解项目结构 |
| | /agents | 切换或管理AI代理（如 Plan/Build 模式） |
| | /review | 审查未提交的代码更改 |
| | /mcp | 管理模型上下文协议（Model Context Protocol） |
| 其他 | /exit | 退出 OpenCode 应用程序 |

三、OpenCode 配置大模型

3.1 OpenCode 配置大模型过程

内置的大模型很多情况下不能很好的满足使用，下面参考下面的步骤配置自己的大模型。

3.1.1 前置准备

为了下面在OpenCode 中顺利配置大模型，这里以deepseek，和智普AI为例，因此需要先分别登录到deepseek和智普AI开发平台，获取apikey，因为后续配置大模型的时候，最核心的就是这个apikey，智普AI开发平台地址：https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys ，在下面获取自己的apikey

3.1.2 进入模型配置窗口

直接在对话框输入 /connect ，跳出下面的窗口

选择/connect这一项，跳出下面的一个搜索框

比如在这里我们输入deepseek

然后将你的apikey输入进去即可

再次回到主页，输入 /models，就能看到deepseek的推理模型被我们配置进去了

上面是以deepseek的配置为例，智普大模型的配置也可以参考同样的操作配置即可

最后，可以测试下，可以看到，当模型切换后，就使用了上述配置的智普GLM大模型进行了问题回答

四、OpenCode 配置和使用Skills

4.1 skills介绍

4.1.1 skills是什么

Skills 是将人类在某个领域的"专业方法论 + 执行流程 + 工具资源"打包成一个可复用、可调用、可共享的标准化能力模块，供 AI 智能体（Agent）自动执行。

你可以把它理解为：

给 AI 的 "岗位培训手册"
或者 "数字员工入职包"
甚至是 "AI 能力胶囊"

举个生活的例子：我会打网球，当球飞过来，我拿起球拍跑位，在合适的时机、用合适的力度击球，让球准确落在对方场地不出界，这一整套操作逻辑，就叫打网球"技能"。

4.1.2 为什么需要 Skills？它解决了什么问题？

|----------------------------|---------------------------------------------|
| 传统方式的问题 | Skills 如何解决 |
| 提示词不稳定：每次都要重写，效果波动大 | ✅ 将最佳实践固化为 SKILL.md，确保一致性 |
| Token 浪费严重：每次对话都塞入长 prompt | ✅ 渐进式披露（Progressive Disclosure）：只在触发时加载完整指令 |
| 无法执行复杂操作：如读写文件、调 API、跑脚本 | ✅ 支持绑定 Python/Bash 脚本、工具调用 |
| 重复劳动无法自动化 | ✅ 一次创建，无限次调用，支持共享/变现 |
| 幻觉率高：纯文本推理易出错 | ✅ 关键逻辑由脚本在沙盒中执行，结果更可靠 |

4.1.3 Skills 工作原理

Skills 最大的设计亮点，是采用了渐进式披露机制。它不会一次性加载所有内容，而是分层、按需调用：

1）Level 1：元数据层（启动时加载）

• 只读取 name 和 description

• 每个 Skill 大约 100 tokens

• 让系统知道「具备哪些可用能力」

2）Level 2：核心指令层（任务触发时加载）

• 当任务匹配时，读取 SKILL.md 正文

• 通常不超过 5000 tokens

• 描述主要流程、操作要点和约束条件

3）Level 3：资源层（按需加载）

• 脚本、模板、参考文档等

• 仅在执行阶段读取，不进入上下文

• 理论上没有 token 限制

可以理解为：系统只在需要时打开相应的「技能模块」，让上下文始终保持最轻量、最高效。对比传统 Prompt 而言，Skills 则是模块化 Prompt + 上下文调度系统。

通过这种机制，Skills 解决了众多实际问题：

• 上下文窗口的成本问题：在复杂任务中可降低 40%-60% 的上下文占用

• 知识的可复用性：Skills 文件可一次创建、共享、复用、更新

• 执行的确定性：提供 SOP 工作流模板，减少理解偏差

下面这张图，形象描述了Skills 在执行时的核心流程

4.1.4 Skills 与其他能力的协作关系

Skills 和 Agent 的关系
- Agent 从架构层面可以归为基于模型和资源层之上的应用层。在 Agent 之上可以定义 System Prompt、引用外部知识库、MCP 等外部工具。但如何引用、能够进行标准化的给到 Agent，实际过程我们更好关注的是问题解决。因此将其组合，利用 Skills 的方式进行包装为一个技能。Agent 协助做拆解、规划、执行与反思，而 Skills 能更好的帮我们在拆解和执行上做更细粒度的标准化拆解，可定义为提供能力与服务中间层。
Skills 和 MCP 的关系
- 实际技能模板纳入了解决特定场景问题需要的工具和外部能力，这些能力可以是通过 MCP 的方式接入。我们可以理解为通过 Skills 定义对 MCP 能力进行组装和编排。
Skills 和 Rules 的关系
- 在 Skills 中通过引用 Rules，给 AI 行为提供约束和指导，确保 AI 能够按照既定的风格规则进行规范化输出。
Skills 和 RAG 的关系
- 在 Skills 定义中会更加清楚地说明具体知识库的应用规则，给出更加准确的知识库检索流程与应用规范。让 AI 是有目的的查询。

4.1.5 Skills 核心组成

在 AI 界，Skills 就是让大模型按照特定的方法论去行动的机制，你可以理解为"超级进化版的提示词"，通常由三部分组成：

元数据 (Metadata)：包含对这个技能的简短描述。它保存在全局上下文中，因为体积小，所以非常节省 Tokens（省钱又省心）。
行动指南 (Action Guide)：这部分才是真正的提示词，规定了 AI 每一步该怎么做。
资源文件 (Resources)：这是最厉害的地方！它可能包含 Python 代码或其他执行程序，保证程序在调用 Skill 时能完成复杂的动作。

下面是一个标准的 Skill 目录结构：

bash 复制代码

my-skill/
├── SKILL.md               ← 唯一必需文件（全大写）
├── scripts/
│   └── generate_ui.py     ← 可执行脚本（Python/Bash等）
├── refs/
│   ├── template.md        ← 参考模板
│   └── examples/          ← 示例输出
└── README.md              ← 人类可读说明（非必需）

下面给出一个参考示例

注意：description 字段最关键！AI 靠它判断是否调用该 Skill

bash 复制代码

---
name: "xiaohongshu-copywriter"
description: >-
  自动生成小红书爆款文案。
  触发关键词：小红书、种草、笔记、爆款文案、KOL风格
trigger_keywords:
  - 小红书
  - 种草
  - 爆款文案
  - 笔记
version: "1.2"
author: "花叔"
---

你现在是「小红书百万粉博主」，请按以下规则生成内容：

## 核心原则
- 开头用感叹句或疑问句抓眼球
- 中间穿插 emoji（每2-3句一个）
- 结尾带话题标签 #xxx
- 语气亲切，像跟闺蜜聊天

## 输出格式
1. 标题（带🔥或💯）
2. 正文（200字以内）
3. 3个相关话题标签

## 示例
- 用户输入："推荐一款平价遮瑕"
- 你输出：
  🔥黄皮救星！50块遮瑕居然能打哭专柜？
  姐妹们我真的要吹爆这个国货遮瑕！！👏
  黄黑皮暗沉痘印一抹隐形，持妆8小时不氧化～
  关键才49块！学生党闭眼冲！💸
  #平价彩妆 #遮瑕推荐 #黄皮必备

4.2 使用模板Skills

4.2.1 前置问题

上面配置完成后，接下来就可以基于上面的OpenCode 环境来配置并使用skills了，在使用之前，我们先来问下面一个问题，通过回答的结果，可以发现目前OpenCode 检测到当前的环境中没有可用的skills

接下来，我们从一些skills网站上下载压缩包，或者从github把skills下载下来，按照规范，将得到的skills包文件放在下面这个skill包文件中

4.2.2 获取skills包

GitHub地址：https://github.com/anthropics/skills

进入到这个git地址链接后，里面有个skill目录，点击去可以看到里面有一些可以直接拿来使用的skills文件

我们将其下载下来，放到上面创建的那个skill目录下

放进去之后，使用上面相同的问题提问，再次验证一下，可以看到，此时就检测到有我们刚刚获取的一些skills技能了

4.2.3 模板skills效果验证

上一步最后，可以看到，opencode能够检测到当前的系统环境中存在了多个skills技能，接下来我们直接使用一下这些skills，在对话框中，输入下面的问题，我们的目的是写一篇文章，最后输出到指定的本地目录下

bash 复制代码

写一篇2026年新能源发展趋势的文章，1000字以内，最后放到这个目录，D:\工作空间\open-project

全部执行完成后，可以在本地指定的目录下看到，这个文章的文档文件已经生成了

4.3 开发自己的Skills

通过上面的内容我们了解了一个完整的Skills应该是什么结构，下面通过一个简单的示例演示下如何开发属于自己的Skills

4.3.1 编写生成自媒体文案Skills

如下，在skill目录下创建一个属于你自己的skill目录，在下面的网站中找到一个模板Skill

http://mcpmarket.cn/skills/

比如，我这里选择了下面这个模板

将下载的包放在skill目录下，然后对这个模板根据自己的需要做简单的微调

4.3.2 效果验证

再次打开opencode，提问：我有哪些skills？可以看到，此时上面这个skill就加载进去了

最后，我们输入一个问题，让这个skill生效，通过效果可以看到，最终调用了上面这个skill完成了一篇公众号文章的输出

4.3.3 常用的Skill 推荐

为了方便后续的学习和研究，下面推荐几个获取skill技能包的网站

Anthropic官方Skills市场

https://github.com/anthropics/skills

一句话总结：由Anthropic官方维护，提供超50,000+标准化技能包，覆盖PDF处理、代码生成等高频场景，支持一键安装与跨平台兼容。

GitHub社区生态市场

https://learn.github.com/skills

一句话总结： 开发者主导的开源Skills集合地，集成GitHub Actions实现交互式学习，主打灵活自定义与技术创新（如持续集成、CLI开发等）。

ObraSuperpowers社区市场

https://mcpmarket.cn/skills/

一句话总结： 极客向第三方技能库，专注轻量化、高精度工作流（如Linear问题解析），以"自我反思指令集"降低上下文开销。

awesome-claude-skills 社区市场

https://github.com/ComposioHQ/awesome-claude-skills

一句话总结 ：开发者社区主导的 开源 Skills 资源库，汇集 500+ 高质量技能包，覆盖文档处理、数据分析、商业自动化等 9 大高频场景，支持模块化调用与分层加载机制，显著提升 Claude 的垂直领域执行力

五、写在文末

本文详细介绍了基于OpenCode环境下Skills的部署，配置和使用，最后通过一个实际案例详细介绍了如何使用Skills，有兴趣的同学还可以基于此继续深入研究，本篇到此结束，感谢观看。