蓝色大肥鱼 · Lab
实测与解读

12分钟|opencode Go 保姆级实战:搭建从需求分析到测试验收的 AI 开发工作流 · 蓝色大肥鱼 Lab

AI 工具 · 实测与解读 · 成片时长 12 分钟

这条视频用 opencode Go 套餐和 Zen 免费模型,演示如何把需求分析、产品设计、开发架构、日常编码、复杂重构、测试验收、提交与文档这些阶段,分别交给合适的模型处理。重点不只是“有哪些模型”,而是怎样通过 agents 固定职责和权限,再用 skills 把重复流程写成可复用模板。

这套方法最值得记住的地方,是按开发阶段分配模型:opencode Go 每月 $10,提供 18 个模型和 $60 月度额度;再配合 Zen 的 8 个免费模型,不开启 Zen 按量付费,就能搭建一套预算固定、流程完整的 AI 开发工作流。

如果你正在使用 opencode,这套配置能直接回答三个具体问题:每个阶段该用哪个模型,模型之间怎么切换,以及怎样把需求审查、测试覆盖这类重复工作固化成模板。最终目标不是让一个模型包办所有事情,而是让不同模型在不同环节发挥各自作用,同时让调用方式和操作边界保持清楚。

要点

  1. 第一步先算总账。opencode Go 每月 $10,包含 18 个模型和 $60 月度额度;Zen 另外还有 8 个零成本模型,定位是辅助角色。使用时只订阅 Go,不开启 Zen 按量付费,组合后的固定成本就是 $10/月。材料以日常编码为例估算,DeepSeek V4 Flash 单次请求约 $0.00038,一个月的编码量消耗不到 $12 额度,剩余约 $48 可以分给测试、设计和架构阶段。这样的预算划分很重要,因为完整开发流程不是只靠日常编码模型,而是由多个阶段共同消耗额度。验证时先看控制台里的实际额度、使用情况和模型可用性,再根据真实项目调整频率。
  2. 需求分析阶段,核心是深度理解 PRD 和用户故事。主力模型选 Go 里的 Qwen3.7 Max,它提供 1M 上下文,适合把需求材料放进同一个上下文里分析;如果遇到特别晦涩、歧义较大的内容,再切换到推理更细致的 GLM-5.2。这个阶段的交互频率不高,因此对 Go 额度的整体影响较小。实际使用时,可以让 architect agent 先检查需求结构、边界条件和功能依赖,再把有歧义的部分交给交叉审查模型复核。材料还建议使用 prd-review skill:检查需求是否符合 INVEST 原则,识别未定义的边界条件,列出功能之间的隐式依赖,并生成可度量的验收标准。对话中可以直接说“加载 prd-review skill 并审查当前的 spec.md”,把一次性的审查动作变成固定流程。
  3. 产品设计阶段,输出通常包括 API contract 和数据模型,因此更适合交给擅长结构化输出的模型。材料给出的组合是:Qwen3.8 Max 负责方案起草,GLM-5.2 负责交叉审查;一次完整设计 session 预计消耗约 $1–2 Go 额度。对应的 designer agent 绑定 Qwen3.8 Max,temperature 设为 0.5,既保留一定设计空间,又通过权限设置让编辑操作可以直接执行,而 bash 被拒绝。怎么用更清楚:先让一个模型产出契约和数据模型,再让另一个模型检查方案是否存在不一致或遗漏。材料没有给出额外的设计验收指标,所以这里应直接检查生成的 API contract、数据模型和审查结果是否满足当前需求,而不是额外承诺固定效果。
  4. 开发架构阶段,主要处理系统设计和技术选型。材料推荐 DeepSeek V4 Pro,价格标注为 $0.435/$0.87,提供 1M 上下文和 384K 输出,适合架构级推理。遇到关键安全审查时,可以切换到 Kimi K3;材料给出的使用节奏是每月三五次。偶尔想尝试不同的大规模推理风格,也可以使用 Zen Free 中的 Nemotron 3 Ultra Free。对应的 architect agent 在示例配置中绑定 Qwen3.7 Max,但正文阶段分配里,架构主力又列为 DeepSeek V4 Pro,因此实际操作时还需要根据任务切换模型,而不能把 agent 名称理解成不可改变。验证方法可以落到模型输出能否覆盖系统边界、技术选型、模块关系和关键安全审查上,再结合控制台核对额度消耗。
  5. 日常编码是整个流程里消耗最大的环节,材料估算它占全流程 60% 以上令牌,所以 coder 应该绑定高频、低成本的 DeepSeek V4 Flash,并把 temperature 设为 0。材料按 $60 额度计算,DeepSeek V4 Flash 可支持约 158K 次/月,日常使用基本不受限制;MiMo-V2.5 作为同价替补,想换一种风格时,还可以使用 Zen Free 的 Big Pickle。coder 被设为 primary,也就是默认承担主要编码工作,Tab 键可以随时切回。权限上,edit 允许,bash 中的通用命令需要询问,但 git diff 和 git log 可以直接执行。使用时不要把所有任务都塞进一次请求,可以按模块让 coder 读取上下文、完成修改,再用 git diff 和 git log 检查变更。
  6. 复杂重构与日常编码要分开配置。跨文件逻辑重组先用 DeepSeek V4 Pro 做方案推演,利用它的 1M 上下文一次读完整个模块;需要一次产出大段代码时,再切到 Kimi K2.7 Code,它的上下文和输出都标注为 262K,适合一次生成数百行代码的场景。可对应的 debugger agent 默认绑定 DeepSeek V4 Pro,temperature 为 0.1,权限允许读取 git diff 和 git log,其余 bash 操作需要询问。实际验证不能只看“代码生成了没有”,而要看重构方案是否覆盖相关文件、变更是否能通过 diff 检查、根因分析是否引用了实际改动记录。材料没有提供重构成功率的固定指标,因此应以项目自身的测试与验收结果为准。
  7. 测试验收阶段适合拆成日常测试生成和集成测试补充。日常测试生成使用 Qwen3.7 Plus,材料标注其价格为 $0.40/$1.60;GPT 5.6 Luna 用于补充集成测试,价格标注为 $0.20/$1.20。材料估算,一天几百次测试生成消耗不到 $5 Go 额度。reviewer agent 可以绑定 Qwen3.7 Plus,temperature 设为 0.1,edit 需要询问。测试覆盖还可以加载 test-coverage skill:扫描变更文件的函数签名和分支,标记 happy path、edge case、error path 等未覆盖路径,为每条路径生成测试用例骨架,最后输出从文件到函数、再到已覆盖或未覆盖状态的覆盖矩阵。这样验证时,就不是只让模型泛泛写测试,而是先看它找出了哪些路径,再检查测试骨架是否对应这些路径。
  8. 提交信息和文档属于高频、轻量任务。材料建议使用 GPT 5.6 Luna 生成 commit message,它每天几百次提交几乎不消耗额度;如果希望这部分完全零成本,可以切换到 Zen Free 的 Ling-3.0-tiny。材料把 Ling 描述为 7.9B MoE、仅 1.3B 激活、延迟极低,适合瞬间回复。scribe agent 可以绑定 GPT 5.6 Luna,temperature 设为 0,edit 需要询问,bash 直接拒绝。实际使用时,可以用它处理提交说明、发布说明和文档,但材料中的核心提醒是:免费模型适合作为辅助角色,不要拿它处理敏感代码。是否切换到免费模型,应根据任务敏感程度、延迟要求和当月预算决定,而不是只看单次调用是否免费。
  9. 真正让这套方案落地的,是把模型、职责和权限一起写进 opencode.jsonc。材料给出的配置包括 architect、designer、coder、reviewer、debugger 和 scribe:coder 使用 primary,其他多数角色使用 subagent;模型都绑定 opencode-go/ 前缀,对应 Go 订阅中的模型。只连接 Go provider 即可,Zen 免费模型不需要额外连接,因为免费模型也在 Zen 这个 provider 中。其他 agent 可以通过 @name 手动调用,例如用 @architect 审查当前模块的数据模型设计,或者在阶段之间切换到 @debugger。temperature 也不是统一设置:编码和架构倾向于 0.1–0.2,强调确定性;设计设为 0.5,保留创意空间;测试和文档设为 0–0.1,追求一致性。这样配置之后,模型切换不只是临时选择,而是成为项目基础设施的一部分。
  10. 最后再检查额度分配是否合理。材料给出的示例计划是:DeepSeek V4 Flash 约 30,000 次、消耗约 $11;Qwen3.7 Plus 约 5,000 次、约 $14;DeepSeek V4 Pro 约 2,000 次、约 $2;Qwen3.8 Max 约 200 次、约 $4;Qwen3.7 Max 约 100 次、约 $4;Kimi K2.7 Code 约 200 次、约 $2;Kimi K3 约 30 次、约 $1;GPT 5.6 Luna 约 5,000 次、约 $5;MiMo-V2.5 约 5,000 次、约 $2;GLM-5.2 约 100 次、约 $1。合计约 $46,留下约 $14 余量处理突发需求。如果超出 $60,可以在控制台启用“使用余额”选项,并自动回退到 Zen Free 模型,避免请求被直接拦截。需要注意的是,这份分配是材料中的计划值,不是实际消耗保证;最终仍应通过控制台验证,并根据请求量、模型价格和项目阶段变化重新调整。

边界说明

本文的数据、模型能力和配置依据材料所述的 Go 文档、Zen 定价页及作者估算,相关页面标注更新于 2026-08-07。免费模型在免费期间的数据可能被用于训练,因此不要用来处理敏感代码。$60 额度、各模型调用次数与阶段消耗属于示例估算,实际额度、模型可用性、价格和消耗应以控制台为准;材料也没有承诺固定产出效果或任何收益。

参考来源

《opencode Go + 免费模型:$10/月覆盖完整开发流程》— | https://liulantao.com/blog/2026/2026-08-09-opencode-go-free-workflow.html(画面与文字均为自制,数据转述自上述材料)

本文由 AI 辅助生成并已按规约标识;不构成任何购买建议。