OpenCode run 命令入门 — 非交互式单任务、-f 文件附加、--thinking 思维链

输入指令 → AI 处理 → 输出结果 → 退出

opencode run [选项] <prompt>

# 解释一段代码
opencode run "解释以下 Python 代码的作用：print([x**2 for x in range(10)])"

# 生成代码
opencode run "用 Go 写一个 HTTP 健康检查端点，返回 JSON 格式的状态信息"

# 修复 bug
opencode run "找出并修复以下代码中的 bug：def divide(a, b): return a / b"

# 用轻量模型处理简单任务（省钱）
opencode run --model openai:gpt-4o-mini \
  "将以下代码从 Python 翻译成 JavaScript: def factorial(n): return 1 if n <= 1 else n * factorial(n-1)"

# 用强大模型处理复杂任务
opencode run --model anthropic:claude-sonnet-4-20250514 \
  "分析以下架构设计方案的优缺点，并给出改进建议"

# 在特定目录下执行（自动附带该目录的上下文）
cd /path/to/project
opencode run "分析项目结构并生成 README.md"

# 或者使用 -C 参数指定目录
opencode run -C /path/to/project "列出所有 TODO 注释"

# 审查单个文件
opencode run -f src/main.py "审查这个文件的代码质量和潜在问题"

# 解释文件内容
opencode run -f config.yaml "解释这个配置文件的作用，每个字段的含义是什么"

# 要求改写
opencode run -f src/utils.py "将这个文件改写为 TypeScript"

# 给文件起个名字，方便在指令中引用
opencode run -f main.py:app -f config.py:cfg \
  "解释 app 和 cfg 两个文件的关系"

# 管道输入
cat src/main.py | opencode run -f - "审查这段代码"

# 等价写法
opencode run -f - "审查这段代码" < src/main.py

# 附加多个独立文件
opencode run \
  -f src/auth.py \
  -f src/models.py \
  -f src/routes.py \
  "分析这三个文件之间的依赖关系，画出一个架构图"

# 使用 shell 展开
opencode run -f src/*.py "为整个 src 目录生成文档字符串"

# 使用 find（更灵活）
find src -name "*.py" | xargs -I {} opencode run -f {} "检查代码风格"

# 使用 find 过滤
find src -name "*.py" ! -path "*/tests/*" ! -path "*/__pycache__/*" \
  | xargs -I {} opencode run -f {} "检查类型注解完整性"

# 附加所有 Markdown 文件
opencode run -f docs/*.md "生成一份完整的 API 文档"

# 附加特定模式的文件
opencode run -f src/controllers/*.ts -f src/services/*.ts \
  "生成模块依赖关系图"

# 使用 ** 递归匹配（需要 shell 支持 globstar）
shopt -s globstar  # bash
opencode run -f src/**/*.py "分析整个项目的代码架构"

# 启用思维链模式
opencode run --thinking \
  "为什么这段代码会产生内存泄漏？给出详细的分析过程"

# 思维链 + 文件附加
opencode run --thinking -f src/memory_manager.py \
  "分析内存管理逻辑，找出可能的泄漏点"

这段代码的内存泄漏在于第 42 行的缓存没有设置上限，
导致随着时间推移，缓存会无限增长。
建议使用 LRU 缓存替换策略...

让我逐步分析这段代码的内存管理逻辑：

1. 首先，我看到代码在第 15 行创建了一个全局缓存字典...
2. 在第 42 行的 write_cache() 函数中，数据被添加到缓存...
3. 我检查了整个文件，没有找到任何清理缓存的逻辑...
4. 这意味着每次调用 write_cache() 都会增加缓存大小...
5. 在高并发场景下，缓存会以每秒 N 条的速度增长...
6. 解决方案有两个方向：
   a. 添加缓存大小限制 + LRU 淘汰策略
   b. 使用 TTL 缓存，自动清理过期数据

综合以上分析，我建议采用方案 a + b 的组合...

# 默认输出到标准输出
opencode run "生成一个 Fibonacci 函数的 Python 实现"

# 重定向到文件
opencode run "生成一个 Fibonacci 函数的 Python 实现" > fibonacci.py

# JSON 格式（适合程序化处理）
opencode run --format json \
  "将以下代码中的函数提取出来，返回函数名和参数列表"

# 输出示例：
# {
#   "content": "function1(arg1, arg2)\nfunction2(arg3)",
#   "model": "gpt-4o",
#   "tokens": {"prompt": 150, "completion": 45, "total": 195}
# }

# 只输出结果，不输出元信息
opencode run --quiet -f src/main.py "提取所有 import 语句"

# 流式输出（逐步显示，适合长任务）
opencode run --stream \
  "分析整个项目的代码架构并生成详细报告"

# Git diff + AI 代码审查
git diff HEAD~1 | opencode run -f - "审查这些变更"

# 查找 TODO 并让 AI 处理
grep -rn "TODO" src/ | opencode run -f - "将这些 TODO 整理成任务清单"

# 错误日志 + AI 诊断
tail -100 /var/log/app.log | opencode run -f - "分析最近的错误日志"

#!/bin/bash
# ai-review.sh — AI 自动化代码审查脚本

FILE=$1
if [ -z "$FILE" ]; then
  echo "用法: $0 <file>"
  exit 1
fi

echo "=== AI 代码审查报告 ==="
echo "文件: $FILE"
echo "时间: $(date)"
echo ""

opencode run \
  --model anthropic:claude-sonnet-4-20250514 \
  --thinking \
  -f "$FILE" \
  "请对以下代码进行全面审查，包括：
  1. 代码质量（命名、结构、可读性）
  2. 潜在 bug
  3. 安全漏洞
  4. 性能问题
  5. 改进建议

  请按以上 5 个维度逐一分析，给出具体代码行号。"

echo ""
echo "=== 审查完成 ==="

# GitHub Actions 示例
name: AI Code Review
on: [pull_request]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0

      - name: Install OpenCode
        run: npm install -g opencode-ai

      - name: AI Review Changed Files
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
        run: |
          git diff --name-only origin/main...HEAD | while read file; do
            if [[ "$file" == *.py || "$file" == *.ts || "$file" == *.go ]]; then
              echo "## Review: $file" >> review.md
              opencode run \
                --model anthropic:claude-sonnet-4-20250514 \
                --thinking \
                -f "$file" \
                "审查此文件的代码变更，重点关注 bug 和安全问题" \
                >> review.md
              echo "" >> review.md
            fi
          done

      - name: Post Review Comment
        uses: actions/github-script@v7
        with:
          script: |
            const fs = require('fs');
            const review = fs.readFileSync('review.md', 'utf8');
            github.rest.issues.createComment({
              issue_number: context.issue.number,
              owner: context.repo.owner,
              repo: context.repo.repo,
              body: review
            });

# 为 Python 模块生成 docstring
opencode run --thinking -f src/database.py \
  "为以下 Python 模块中的每个类和函数生成完整的 Google 风格 docstring，
  包括参数说明、返回值、异常、使用示例。直接输出修改后的完整代码。" \
  > src/database_documented.py

# 审查所有 Python 文件
for file in $(find src -name "*.py" ! -path "*/tests/*"); do
  echo "审查中: $file"
  opencode run \
    --model openai:gpt-4o-mini \
    --quiet \
    -f "$file" \
    "找出以下代码中的问题（bug、安全漏洞、性能瓶颈），
    如果没有问题，回复'无问题'。
    如有问题，按'文件:行号: 问题描述'格式输出。"
done > review-report.txt

# Python 转 Go
opencode run -f src/fetcher.py \
  "将以下 Python 代码翻译为 Go，保持相同的功能和逻辑结构。
  使用 Go 的惯用写法，添加必要的错误处理。" > src/fetcher.go

# 检查翻译后的代码
opencode run --thinking -f src/fetcher.go \
  "检查这段 Go 代码是否有问题，特别是并发安全和资源泄漏"

# 根据变更生成提交信息
git diff --cached | opencode run -f - \
  "根据以下代码变更，生成一条符合 Conventional Commits 规范的提交信息。
  格式：<type>(<scope>): <description>
  type 可选：feat, fix, refactor, docs, test, chore
  只输出一行提交信息，不要其他内容。"

# 安全审计
opencode run --thinking --model anthropic:claude-opus-4-20250514 \
  -f src/auth.py \
  -f src/middleware.py \
  "对以下认证和安全相关代码进行全面的安全审计，
  检查：
  1. SQL 注入
  2. XSS 漏洞
  3. CSRF 防护
  4. 认证绕过
  5. 敏感信息泄露
  6. 加密算法安全性

  每个问题给出：严重程度（高/中/低）、具体位置、修复方案。"

# 性能瓶颈分析
opencode run --thinking -f src/data_processor.py \
  "分析以下代码的性能瓶颈，包括：
  1. 时间复杂度分析
  2. 空间复杂度分析
  3. 可能的优化方案
  4. 优化后的代码实现

  优先考虑 Python 特有的优化技巧（如列表推导式、生成器、内置函数等）。"

# ~/.opencode/prompts/review.txt
审查以下代码，关注：
1. 代码可读性
2. 潜在 bug
3. 性能问题
4. 安全漏洞

如有问题，给出具体行号和修复建议。

# 使用
opencode run -f src/main.py "$(cat ~/.opencode/prompts/review.txt)"

# 第一步：生成代码
opencode run "用 Python 写一个快速排序实现" > quicksort.py

# 第二步：审查生成的代码
opencode run --thinking -f quicksort.py \
  "审查这段代码的边界情况和性能"

# 第三步：生成测试
opencode run -f quicksort.py \
  "为这段代码生成 pytest 单元测试，覆盖所有边界情况" > test_quicksort.py

#!/bin/bash
# 在脚本中检查 AI 是否成功执行

opencode run --model openai:gpt-4o-mini -f "$1" "检查语法错误" > /dev/null 2>&1

if [ $? -eq 0 ]; then
  echo "✓ AI 分析完成"
else
  echo "✗ AI 分析失败"
  exit 1
fi

# 第一步：总结
SUMMARY=$(opencode run --model openai:gpt-4o-mini -f src/large_module.py \
  "用 3 句话总结这个模块的功能")

# 第二步：基于总结提问
opencode run --thinking -f src/large_module.py \
  "这个模块的功能是：$SUMMARY。请找出其中潜在的性能瓶颈。"

# 检查安装
which opencode

# 如果未安装
npm install -g opencode-ai

# 检查文件是否存在
ls -la src/main.py

# 检查文件权限
file src/main.py

# 确保使用正确的路径
opencode run -f ./src/main.py "..."  # 注意相对路径的 .

# 在配置文件中增加 maxTokens
{
  "providers": {
    "openai": {
      "options": {
        "maxTokens": 16384
      }
    }
  }
}

# 或在指令中要求模型精简输出
opencode run -f src/large.py "用要点形式输出分析结果，控制在 500 字以内"

# 检查管道上游
git diff HEAD~1  # 确认有变更

# 使用临时文件调试
git diff HEAD~1 > /tmp/diff.txt
cat /tmp/diff.txt | opencode run -f - "审查这些变更"

# 要求模型精简思考过程
opencode run --thinking -f src/buggy.py \
  "用不超过 5 个步骤分析这个 bug 的原因。"

# 或者关闭 thinking 模式
opencode run -f src/buggy.py "直接给出 bug 修复方案"

# 在批量处理中添加延迟
for file in src/*.py; do
  opencode run -f "$file" "..." >> report.txt
  sleep 2  # 每次请求间隔 2 秒
done

# 或使用并行限制
find src -name "*.py" | xargs -P 3 -I {} \
  sh -c 'opencode run -f "$1" "..."; sleep 1' _ {}