README.th.md

เอเจนต์การเขียนโค้ดด้วย AI แบบโอเพนซอร์ส

English | 简体中文 | 繁體中文 | 한국어 | Deutsch | Español | Français | Italiano | Dansk | 日本語 | Polski | Русский | Bosanski | العربية | Norsk | Português (Brasil) | ไทย | Türkçe | Українська | বাংলা | Ελληνικά | Tiếng Việt

ทำไมต้อง Fork นี้?

สรุป — เอเจนต์เขียนโค้ดโอเพนซอร์สเดียวที่รวม orchestrator แบบ DAG, REST task API, การกำหนดขอบเขต MCP ต่อเอเจนต์, session FSM 9 สถานะ, vulnerability scanner ในตัว และ แอป Android ระดับเฟิร์สต์คลาสพร้อม on-device LLM inference. ไม่มี CLI อื่น — ไม่ว่าจะปิดหรือเปิดซอร์ส — ที่รวมทั้งหมดนี้ได้.

See the English README.md for the full positioning prose (vs. vendor-locked CLIs, vs. BYOM peers, vs. specialized CLIs) and architecture diagram.

Capability matrix — this fork vs. the 2026 landscape

Legend: ✅ shipped · ❌ absent · partial limited/incomplete · plugin via community add-on · paid behind a subscription tier.

Orchestration, API surface, governance

Capability	This fork	Claude Code	Codex CLI	Gemini CLI	opencode (upstream)	Aider	Goose	Cline	Roo Code	Cursor	Continue	Crush	Qwen Code
Open source	✅	❌	partial	✅	✅	✅	✅	✅	✅	❌	✅	✅	✅
BYOM (bring your own model)	✅	❌	❌	❌	✅	✅	✅	✅	✅	partial	✅	✅	partial
Local models (llama.cpp / Ollama)	✅	❌	❌	❌	✅	✅	✅	✅	✅	❌	✅	✅	✅
Parallel agents in isolated worktrees	✅ native	✅ (Teams)	partial	❌	via plugin	❌	partial	✅ (v3.58)	partial	❌	❌	❌	❌
Explicit DAG orchestration	✅ unique	ad-hoc	❌	❌	❌	❌	recipes (linear)	❌	❌	❌	❌	❌	❌
REST task API (programmable)	✅ unique	partial (SDK)	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
TUI task dashboard	✅	❌	❌	❌	partial	❌	❌	❌	❌	n/a	n/a	❌	partial
MCP support	✅ + per-agent scoping	✅	✅	✅	✅	via plugins	✅	✅	✅	partial	✅	❌	✅
9-state session FSM	✅ unique (6/9 persisted)	❌	❌	❌	basic	❌	❌	❌	❌	❌	❌	❌	❌
Built-in vulnerability scanner	✅ unique	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
DLP / secret redaction before LLM call	✅	partial	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Per-agent tool allow/deny	✅	partial	❌	❌	basic	❌	❌	❌	partial	❌	❌	❌	❌
Docker sandboxing (bash only)	✅ bash-only	❌	✅	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Git auto-commits / rollback	✅	✅	✅	✅	✅ (signed)	✅	✅	✅	✅	✅	✅	✅	✅

Intelligence, context, developer UX

Capability	This fork	Claude Code	Codex CLI	Gemini CLI	opencode (upstream)	Aider	Goose	Cline	Roo Code	Cursor	Continue	Crush	Qwen Code
LSP integration (go-to-def, diagnostics)	✅	partial	partial	partial	✅	partial	partial	✅	✅	✅	✅	partial	partial
Plugin SDK (@opencode/plugin)	✅	partial	❌	❌	✅	❌	✅	✅	✅	✅	✅	❌	❌
Prompt caching (cloud + local KV)	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
RAG: BM25 or vector (selectable) + exponential decay	✅	❌	❌	❌	❌	❌	❌	vector only	❌	vector only	vector only	❌	❌
Auto-learn (requires learner agent configured)	opt-in	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Auto-compact (AI summarization)	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	partial	✅
Unified-diff edit engine	✅	✅	✅	partial	✅	✅	partial	partial	✅	partial	partial	partial	partial
ACP (Agent Client Protocol) layer	✅	❌	❌	❌	basic	❌	❌	❌	❌	❌	❌	❌	❌

Platform reach & multimodal

Capability	This fork	Claude Code	Codex CLI	Gemini CLI	opencode (upstream)	Aider	Goose	Cline	Roo Code	Cursor	Continue	Crush	Qwen Code
First-class Android app	✅ unique	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
iOS (remote mode)	✅	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Adaptive runtime (VRAM/CPU, thermal Android-only)	✅ partial	❌	❌	❌	hardcoded	hardcoded	hardcoded	hardcoded	hardcoded	n/a	hardcoded	hardcoded	hardcoded
STT (voice-to-text, Parakeet)	✅ desktop + mobile	❌	❌	❌	❌	❌	❌	partial	❌	❌	❌	❌	❌
TTS (Kokoro desktop + mobile; Pocket desktop only + voice clone)	✅	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
OAuth deep-link callback (Tauri)	✅	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
mDNS service discovery (CLI flag --mdns)	opt-in	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Upstream branch watcher (vcs.branch.behind)	✅ unique	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Collaborative mode (JWT + presence + file-lock)	✅	❌	❌	❌	❌	❌	❌	❌	❌	partial	❌	❌	❌
AnythingLLM bridge	✅ unique	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
GDPR export/erasure route	✅ unique	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌	❌
Price	free + BYOM	$20/mo sub	$20/mo sub	1000/day free	free + BYOM	free + BYOM	free + BYOM	free + BYOM	free + BYOM	$20/mo sub	free + BYOM	free + BYOM	free + BYOM

---

⚡ ภาพรวม

⚡ ภาพรวม

OpenCode (fork) — เอเจนต์เขียนโค้ด AI ที่ประสานงานแล้วทำงานบน เดสก์ท็อป เซิร์ฟเวอร์ และโทรศัพท์ ด้วยโมเดลในเครื่องแบบ end-to-end ไม่พึ่งคลาวด์เลย และมี primitive การจัดการระดับองค์กรในตัว fork ของ anomalyco/opencode ดูแลโดย Rwanbt

Install

# CLI (macOS / Linux / Windows)
curl -fsSL https://opencode.ai/install | bash

# Desktop app + Android APK
# → https://github.com/Rwanbt/opencode/releases/latest

8 สิ่งที่มีเฉพาะใน fork นี้

🤖 DAG orchestration	Wave-based parallel agents, up to 5 concurrent
🧠 Local LLM end-to-end	llama.cpp + runtime that auto-tunes to your VRAM / CPU
📱 Android app	On-device inference, terminal, PTY — single APK
🎙️ Voice STT / TTS	Parakeet (25 languages) + Kokoro desktop+mobile / Pocket TTS desktop
🔒 9-state session FSM	6 of 9 states persist to SQLite, audit log survives restart
🔌 REST task API	8 endpoints — drive the agent from cron, Temporal, Airflow
🛡️ Vulnerability scanner	Auto-scans every edit / write for secrets & injection sinks
🔍 RAG: BM25 or vector	Selectable at index time + exponential confidence decay

รันงานแรกของคุณ

opencode                                  # TUI
opencode run "fix the failing test in src/"   # one-shot

💡 ต้องการรายละเอียด? แต่ละส่วนด้านล่างถูกยุบไว้ — คลิกเพื่อขยายเฉพาะที่คุณสนใจ

---

คุณสมบัติของ Fork

คุณสมบัติของ Fork

นี่คือ fork ของ anomalyco/opencode ที่ดูแลโดย Rwanbt ซิงค์กับ upstream อยู่เสมอ ดู สาขา dev สำหรับการเปลี่ยนแปลงล่าสุด

AI แบบ Local-First

OpenCode รันโมเดล AI แบบโลคัลบนฮาร์ดแวร์ผู้บริโภค (8 GB VRAM / 16 GB RAM) โดยไม่ต้องพึ่งพาระบบคลาวด์สำหรับโมเดล 4B-7B

การเพิ่มประสิทธิภาพ Prompt (ลด 94%)

• ~1K token system prompt สำหรับโมเดลโลคัล (เทียบกับ ~16K สำหรับคลาวด์)
• Skeleton tool schemas (ลายเซ็น 1 บรรทัด เทียบกับข้อความหลาย KB)
• 7-tool whitelist (bash, read, edit, write, glob, grep, question)
• ไม่มีส่วน skills, ข้อมูลสภาพแวดล้อมน้อยที่สุด

เอนจินอนุมาน (llama.cpp b8731)

• Vulkan GPU backend ดาวน์โหลดอัตโนมัติเมื่อโหลดโมเดลครั้งแรก
• การกำหนดค่าแบบปรับตัวที่ runtime (packages/opencode/src/local-llm-server/auto-config.ts): n_gpu_layers, threads, ขนาด batch/ubatch, การคำนวณ KV cache quantization และขนาดบริบท อนุมานจาก VRAM ที่ตรวจพบ, RAM ว่าง, การแบ่ง CPU big.LITTLE, GPU backend (CUDA/ROCm/Vulkan/Metal/OpenCL) และสถานะความร้อน ทดแทน --n-gpu-layers 99 ที่ hardcode เดิม — Android 4 GB ตอนนี้ทำงานใน CPU fallback แทนที่จะถูก OOM-killed, desktop ระดับเรือธงได้รับ batch ที่ปรับแต่งแล้วแทนค่าเริ่มต้น 512
• --flash-attn on — Flash Attention เพื่อประสิทธิภาพหน่วยความจำ
• --cache-type-k/v — KV cache พร้อม rotation; ระดับปรับตัว (f16 / q8_0 / q4_0) ตาม margin VRAM
• --fit on — การปรับ VRAM รองเฉพาะ fork (เลือกใช้ผ่าน OPENCODE_LLAMA_ENABLE_FIT=1)
• Speculative decoding (--model-draft) พร้อม VRAM Guard (ปิดอัตโนมัติหาก < 4 GB ว่าง)
• Single slot (-np 1) เพื่อลดการใช้หน่วยความจำ
• Benchmark harness (bun run bench:llm): การวัด FTL / TPS / จุดสูงสุด RSS / เวลาทั้งหมดที่ทำซ้ำได้ต่อโมเดลต่อครั้ง, เอาต์พุต JSONL สำหรับการเก็บถาวร CI

เสียงเป็นข้อความ (Parakeet TDT 0.6B v3 INT8)

• NVIDIA Parakeet ผ่าน ONNX Runtime — ~300ms สำหรับเสียง 5 วินาที (18x real-time)
• 25 ภาษายุโรป (อังกฤษ ฝรั่งเศส เยอรมัน สเปน ฯลฯ)
• VRAM เป็นศูนย์: CPU เท่านั้น (~700 MB RAM)
• ดาวน์โหลดโมเดลอัตโนมัติ (~460 MB) เมื่อกดไมโครโฟนครั้งแรก
• แอนิเมชันรูปคลื่นขณะบันทึก

ข้อความเป็นเสียง (Kyutai Pocket TTS)

• TTS ภาษาฝรั่งเศสสร้างโดย Kyutai (ปารีส) พารามิเตอร์ 100M
• 8 เสียงในตัว: Alba, Fantine, Cosette, Eponine, Azelma, Marius, Javert, Jean
• Zero-shot voice cloning: อัปโหลด WAV หรือบันทึกจากไมโครโฟน
• CPU เท่านั้น, ~6x real-time, HTTP server บนพอร์ต 14100
• Fallback: Kokoro TTS ONNX engine (54 เสียง, 9 ภาษา, CMUDict G2P)

การจัดการโมเดล

• ค้นหา HuggingFace พร้อมป้ายความเข้ากันได้ VRAM/RAM ต่อโมเดล
• ดาวน์โหลด, โหลด, ยกเลิกการโหลด, ลบโมเดล GGUF จาก UI
• แค็ตตาล็อกที่คัดสรร: Gemma 3 4B, Qwen3 4B/1.7B/0.6B
• Output token แบบไดนามิกตามขนาดโมเดล
• ตรวจจับ draft model อัตโนมัติ (0.5B-0.8B) สำหรับ speculative decoding

การตั้งค่า

• พรีเซ็ต: Fast / Quality / Eco / Long Context (เพิ่มประสิทธิภาพด้วยคลิกเดียว)
• วิดเจ็ตตรวจสอบ VRAM พร้อมแถบการใช้งานรหัสสี (เขียว / เหลือง / แดง)
• KV cache type: auto / q8_0 / q4_0 / f16
• GPU offloading: auto / gpu-max / balanced
• Memory mapping: auto / on / off
• ค้นหาเว็บ (ไอคอนลูกโลกในแถบเครื่องมือ prompt)

ความน่าเชื่อถือของเอเจนต์ (โมเดลโลคัล)

• Pre-flight guards (ระดับโค้ด, 0 token): ตรวจสอบไฟล์มีอยู่ก่อนแก้ไข, ตรวจสอบเนื้อหา old_string, บังคับอ่านก่อนแก้ไข, ป้องกันเขียนทับไฟล์ที่มีอยู่
• Doom loop auto-break: เรียกเครื่องมือซ้ำ 2 ครั้ง → ฉีดข้อผิดพลาด (guard ระดับโค้ด ไม่ใช่แค่ prompt)
• Tool telemetry: อัตราสำเร็จ/ข้อผิดพลาดต่อเซสชันพร้อมรายละเอียดต่อเครื่องมือ บันทึกอัตโนมัติ

ข้ามแพลตฟอร์ม: Windows (Vulkan), Linux, macOS, Android

งานเบื้องหลัง

มอบหมายงานให้ subagent ที่ทำงานแบบอะซิงโครนัส ตั้งค่า mode: "background" บนเครื่องมือ task แล้วจะคืนค่า task_id ทันทีในขณะที่เอเจนต์ทำงานในเบื้องหลัง Bus event (TaskCreated, TaskCompleted, TaskFailed) จะถูกเผยแพร่สำหรับการติดตามวงจรชีวิต

ทีมเอเจนต์

ประสานงานเอเจนต์หลายตัวแบบขนานโดยใช้เครื่องมือ team กำหนดงานย่อยพร้อม dependency edge; computeWaves() สร้าง DAG และรันงานที่เป็นอิสระพร้อมกัน (สูงสุด 5 เอเจนต์ขนาน) ควบคุมงบประมาณผ่าน max_cost (ดอลลาร์) และ max_agents บริบทจากงานที่เสร็จแล้วจะถูกส่งต่อไปยังงานที่ขึ้นอยู่โดยอัตโนมัติ

การแยก Git Worktree

งานเบื้องหลังแต่ละงานจะได้รับ git worktree ของตัวเองโดยอัตโนมัติ workspace จะเชื่อมโยงกับเซสชันในฐานข้อมูล หากงานไม่มีการเปลี่ยนแปลงไฟล์ worktree จะถูกล้างโดยอัตโนมัติ ซึ่งให้การแยกระดับ git โดยไม่ต้องใช้ container

API จัดการงาน

REST API เต็มรูปแบบสำหรับการจัดการวงจรชีวิตของงาน:

Method	Path	คำอธิบาย
GET	/task/	แสดงรายการงาน (กรองตาม parent, status)
GET	/task/:id	ดูรายละเอียดงาน + status + ข้อมูล worktree
GET	/task/:id/messages	ดึงข้อความเซสชันของงาน
POST	/task/:id/cancel	ยกเลิกงานที่กำลังทำหรืออยู่ในคิว
POST	/task/:id/resume	ดำเนินต่องานที่เสร็จ/ล้มเหลว/ถูกบล็อก
POST	/task/:id/followup	ส่งข้อความติดตามไปยังงานที่ว่าง
POST	/task/:id/promote	เลื่อนงานเบื้องหลังเป็นงานหน้า
GET	/task/:id/team	มุมมองทีมรวม (ต้นทุน, diff ต่อสมาชิก)

แดชบอร์ดงาน TUI

ปลั๊กอินแถบด้านข้างแสดงงานเบื้องหลังที่กำลังทำงานพร้อมไอคอนสถานะแบบเรียลไทม์:

ไอคอน	สถานะ
~	Running / Retrying
?	Queued / Awaiting input
!	Blocked
x	Failed
*	Completed
-	Cancelled

กล่องโต้ตอบพร้อมการกระทำ: เปิดเซสชันงาน, ยกเลิก, ดำเนินต่อ, ส่งข้อความติดตาม, ตรวจสอบสถานะ

การกำหนดขอบเขตเอเจนต์ MCP

รายการอนุญาต/ปฏิเสธต่อเอเจนต์สำหรับเซิร์ฟเวอร์ MCP กำหนดค่าใน opencode.json ภายใต้ฟิลด์ mcp ของแต่ละเอเจนต์ ฟังก์ชัน toolsForAgent() กรองเครื่องมือ MCP ที่ใช้ได้ตามขอบเขตของเอเจนต์ที่เรียก

{
  "agents": {
    "explore": {
      "mcp": { "deny": ["dangerous-server"] }
    }
  }
}

วงจรชีวิตเซสชัน 9 สถานะ

เซสชันติดตาม 1 ใน 9 สถานะ ที่บันทึกลงฐานข้อมูล:

idle · busy · retry · queued · blocked · awaiting_input · completed · failed · cancelled

สถานะถาวร (queued, blocked, awaiting_input, completed, failed, cancelled) คงอยู่หลังการรีสตาร์ทฐานข้อมูล สถานะในหน่วยความจำ (idle, busy, retry) จะรีเซ็ตเมื่อรีสตาร์ท

เอเจนต์ประสานงาน

เอเจนต์ผู้ประสานงานแบบอ่านอย่างเดียว (สูงสุด 50 ขั้นตอน) มีสิทธิ์เข้าถึงเครื่องมือ task และ team แต่เครื่องมือแก้ไขทั้งหมดถูกปฏิเสธ มอบหมายการดำเนินการให้เอเจนต์ build/general และสังเคราะห์ผลลัพธ์

สถาปัตยกรรมทางเทคนิค

สถาปัตยกรรมทางเทคนิค

การรองรับหลายผู้ให้บริการ

21+ ผู้ให้บริการพร้อมใช้งาน: Anthropic, OpenAI, Google Gemini, Azure, AWS Bedrock, Vertex AI, OpenRouter, GitHub Copilot, XAI, Mistral, Groq, DeepInfra, Cerebras, Cohere, TogetherAI, Perplexity, Vercel, Venice, GitLab, Gateway รวมถึง endpoint ที่เข้ากันได้กับ OpenAI ข้อมูลราคามาจาก models.dev

ระบบเอเจนต์

Agent	Mode	Access	Description
build	primary	full	Default development agent
plan	primary	read-only	Analysis and code exploration
general	subagent	full (no todowrite)	Complex multi-step tasks
explore	subagent	read-only	Fast codebase search
orchestrator	subagent	read-only + task/team	Multi-agent coordinator (50 steps)
critic	subagent	read-only + bash + LSP	Code review: bugs, security, performance
tester	subagent	full (no todowrite)	Write and run tests, verify coverage
documenter	subagent	full (no todowrite)	JSDoc, README, inline documentation
compaction	hidden	none	AI-driven context summarization
title	hidden	none	Session title generation
summary	hidden	none	Session summarization

การรวม LSP

รองรับ Language Server Protocol อย่างสมบูรณ์พร้อมการจัดทำดัชนีสัญลักษณ์ การวินิจฉัย และการรองรับหลายภาษา (TypeScript, Deno, Vue และขยายได้) เอเจนต์นำทางโค้ดผ่านสัญลักษณ์ LSP แทนการค้นหาข้อความ ทำให้สามารถ go-to-definition, find-references และตรวจจับข้อผิดพลาดประเภทแบบเรียลไทม์ได้อย่างแม่นยำ

การรองรับ MCP

Model Context Protocol ทั้งไคลเอนต์และเซิร์ฟเวอร์ รองรับ stdio, HTTP/SSE และ StreamableHTTP transports ขั้นตอนการยืนยันตัวตน OAuth สำหรับเซิร์ฟเวอร์ระยะไกล ความสามารถด้าน Tool, prompt และ resource การกำหนดขอบเขตต่อเอเจนต์ผ่าน allow/deny lists

สถาปัตยกรรมไคลเอนต์/เซิร์ฟเวอร์

REST API ที่ใช้ Hono พร้อม typed routes และการสร้าง OpenAPI spec รองรับ WebSocket สำหรับ PTY (pseudo-terminal) SSE สำหรับการสตรีมเหตุการณ์แบบเรียลไทม์ Basic auth, CORS, gzip compression TUI เป็นเพียงหนึ่ง frontend; เซิร์ฟเวอร์สามารถควบคุมจาก HTTP client ใดก็ได้, web UI หรือแอปมือถือ

การจัดการบริบท

Auto-compact พร้อมการสรุปที่ขับเคลื่อนด้วย AI เมื่อการใช้โทเค็นเข้าใกล้ขีดจำกัดบริบทของโมเดล การตัดแต่งที่คำนึงถึงโทเค็นพร้อมเกณฑ์ที่กำหนดค่าได้ (PRUNE_MINIMUM 20KB, PRUNE_PROTECT 40KB) ผลลัพธ์ของ Skill tool ได้รับการปกป้องจากการตัดแต่ง

เอนจินแก้ไข

Unified diff patching พร้อมการตรวจสอบ hunk ใช้ hunk ที่กำหนดเป้าหมายกับพื้นที่เฉพาะของไฟล์แทนการเขียนทับทั้งไฟล์ Multi-edit tool สำหรับการดำเนินการแบบกลุ่มข้ามไฟล์

ระบบสิทธิ์

สิทธิ์ 3 สถานะ (allow / deny / ask) พร้อมการจับคู่รูปแบบ wildcard คำจำกัดความ arity ของคำสั่ง bash มากกว่า 100 รายการสำหรับการควบคุมแบบละเอียด การบังคับใช้ขอบเขตโปรเจกต์ป้องกันการเข้าถึงไฟล์นอก workspace

การย้อนกลับด้วย Git

ระบบ snapshot ที่บันทึกสถานะไฟล์ก่อนการทำงานของเครื่องมือแต่ละครั้ง รองรับ revert และ unrevert พร้อมการคำนวณ diff สามารถย้อนกลับการเปลี่ยนแปลงต่อข้อความหรือต่อเซสชัน

การติดตามค่าใช้จ่าย

ค่าใช้จ่ายต่อข้อความพร้อมรายละเอียดโทเค็นทั้งหมด (input, output, reasoning, cache read, cache write) ขีดจำกัดงบประมาณต่อทีม (max_cost) คำสั่ง stats พร้อมการรวมต่อโมเดลและต่อวัน ค่าใช้จ่ายเซสชันแบบเรียลไทม์แสดงใน TUI ข้อมูลราคาดึงจาก models.dev

ระบบปลั๊กอิน

SDK เต็มรูปแบบ (@opencode/plugin) พร้อมสถาปัตยกรรม hook โหลดแบบไดนามิกจากแพ็กเกจ npm หรือระบบไฟล์ ปลั๊กอินในตัวสำหรับการยืนยันตัวตน Codex, GitHub Copilot, GitLab และ Poe

---

ความเข้าใจผิดที่พบบ่อย

ความเข้าใจผิดที่พบบ่อย

เพื่อป้องกันความสับสนจากบทสรุปที่สร้างโดย AI ของโปรเจกต์นี้:

• TUI เป็น TypeScript (SolidJS + @opentui สำหรับการเรนเดอร์ในเทอร์มินัล) ไม่ใช่ Rust
• Tree-sitter ใช้สำหรับการเน้นไวยากรณ์ของ TUI และการแยกวิเคราะห์คำสั่ง bash เท่านั้น ไม่ใช่สำหรับการวิเคราะห์โค้ดระดับเอเจนต์
• ไม่มี Docker/E2B sandboxing -- การแยกส่วนทำผ่าน git worktrees
• ไม่มีฐานข้อมูลเวกเตอร์หรือระบบ RAG -- บริบทจัดการผ่าน LSP symbol indexing + auto-compact
• ไม่มี "watch mode" ที่เสนอการแก้ไขอัตโนมัติ -- file watcher มีเพื่อวัตถุประสงค์ด้านโครงสร้างพื้นฐานเท่านั้น
• การแก้ไขตัวเอง ใช้ลูปเอเจนต์มาตรฐาน (LLM เห็นข้อผิดพลาดในผลลัพธ์ของเครื่องมือและลองใหม่) ไม่ใช่กลไกซ่อมอัตโนมัติเฉพาะทาง

เมทริกซ์ความสามารถ

เมทริกซ์ความสามารถ

ความสามารถ	Status	Notes
Background tasks	Implemented	mode: "background" on task tool
Agent teams (DAG)	Implemented	Wave-based parallel execution, budget control
Git worktree isolation	Implemented	Auto-created per background task
Task REST API	Implemented	8 endpoints for full lifecycle
TUI task dashboard	Implemented	Sidebar + dialog actions
MCP agent scoping	Implemented	Per-agent allow/deny config
9-state lifecycle	Implemented	Persistent to SQLite
Orchestrator agent	Implemented	Read-only coordinator
Multi-provider (21+)	Implemented	Including local models
LSP integration	Implemented	Symbols, diagnostics, multi-language
MCP protocol	Implemented	Client + server, 3 transports
Plugin system	Implemented	SDK + hook architecture
Cost tracking	Implemented	Per-message, per-team, per-model
Context auto-compact	Implemented	AI summarization + pruning
Git rollback/snapshots	Implemented	Revert/unrevert per message
Docker sandboxing	Implemented	Optional via experimental.sandbox.type: "docker"
Vector DB / RAG	Implemented	experimental.rag.enabled: true, SQLite + cosine similarity
Dry run / command preview	Implemented	dry_run param on bash/edit/write tools
Specialized agents	Implemented	critic, tester, documenter subagents
Auto-learn	Implemented	Post-session lesson extraction to .opencode/learnings/
Vulnerability scanner	Implemented	Auto-scan on edit/write for secrets, injections, unsafe patterns
DLP / AgentShield	Implemented	experimental.dlp.enabled: true, redacts secrets before LLM calls
Policy engine	Implemented	experimental.policy.enabled: true, conditional rules + custom policies
Confidence/decay	Implemented	Time-based scoring for RAG embeddings, exponential decay
Memory conflict resolution	Dead code	rag/conflict.ts is unit-tested but not invoked in production; treat as unimplemented
Per-message token display	Partial	Stored in DB, shown as session aggregate

AI ในเครื่อง (Desktop + Mobile)

ความสามารถ	สถานะ	หมายเหตุ
Local LLM (llama.cpp b8731)	Implemented	Vulkan GPU, auto-download runtime, --fit auto-VRAM
การกำหนดค่าแบบปรับตัวที่ runtime	Implemented	auto-config.ts: n_gpu_layers / threads / batch / KV quantization อนุมานจาก VRAM ที่ตรวจพบ, RAM, big.LITTLE, GPU backend, สถานะความร้อน
Benchmark harness	Implemented	bun run bench:llm วัด FTL, TPS, จุดสูงสุด RSS, เวลาทั้งหมดต่อโมเดล; เอาต์พุต JSONL
Flash Attention	Implemented	--flash-attn on on desktop and mobile
KV cache quantization	Implemented	q4_0 / q8_0 / f16 adaptive with standard llama.cpp quantization (~50% KV memory savings at q4_0)
Exact tokenizer (OpenAI)	Implemented	js-tiktoken สำหรับ gpt-*/o1/o3/o4; เชิงประจักษ์ 3.5 ตัวอักษร/token สำหรับ Llama/Qwen/Gemma
Speculative decoding	Implemented	VRAM Guard (desktop) / RAM Guard (mobile), draft model auto-detection
HuggingFace model search	Implemented	การตอบกลับที่ตรวจสอบด้วย Zod, ป้าย VRAM, ตัวจัดการดาวน์โหลด, 9 โมเดลที่คัดสรรล่วงหน้า
การดาวน์โหลด GGUF ที่กลับมาทำต่อได้	Implemented	HTTP Range header — การขาดการเชื่อมต่อ 4G ไม่เริ่มต้นการถ่ายโอน 4 GB ใหม่จากศูนย์
Tool telemetry	Implemented	Per-session success/error rate logging with per-tool breakdown
Circuit breaker restart	Implemented	ensureCorrectModel ยกเลิกหลัง 3 ครั้งใน 120 วินาทีเพื่อหลีกเลี่ยงลูป burn-cycle

ความปลอดภัยและการกำกับดูแล

ความสามารถ	สถานะ	หมายเหตุ
CSP เข้มงวด (desktop + mobile)	Implemented	connect-src จำกัดเฉพาะ loopback + HuggingFace + ผู้ให้บริการ HTTPS; ไม่มี unsafe-eval, object-src 'none', frame-ancestors 'none'
การเสริมความแข็งแกร่ง release Android	Implemented	isDebuggable=false, allowBackup=false, isShrinkResources=true, FOREGROUND_SERVICE_TYPE_SPECIAL_USE
การเสริมความแข็งแกร่ง release เดสก์ท็อป	Implemented	Devtools ไม่ถูกเปิดใช้งานโดยบังคับอีกต่อไป — คืนค่าดีฟอลต์ของ Tauri 2 (เฉพาะในโหมด debug) เพื่อให้จุดเริ่มของ XSS ไม่สามารถเกาะเข้ากับ __TAURI__ ในโปรดักชันได้
การตรวจสอบอินพุตคำสั่ง Tauri	Implemented	การ์ด download_model / load_llm_model / delete_model: charset ชื่อไฟล์, HTTPS allowlist สำหรับ huggingface.co / hf.co
Rust logging chain	Implemented	log + android_logger บนมือถือ; ไม่มี eprintln! ใน release → ไม่มีการรั่วไหล path/URL ไปยัง logcat
ตัวติดตามการตรวจสอบความปลอดภัย	Implemented	SECURITY_AUDIT.md — การค้นพบทั้งหมดจัดประเภทเป็น S1/S2/S3 พร้อม path:line, สถานะ และเหตุผลของการแก้ไขที่เลื่อน

---

Future Roadmap

Future Roadmap

Three major initiatives are planned on dedicated feature branches. Each is designed to be modular — they can be developed independently and merged when ready.

🤝 Collaborative Mode ()

Goal: Multiple developers interacting with agents simultaneously in real-time.

Component	Description
Multi-user auth	JWT-based authentication on the Hono server, user sessions, role-based access
WebSocket broadcast	Real-time event streaming to all connected clients (agent activity, file changes, task status)
File concurrency	Lock-based or CRDT-based conflict resolution when multiple agents/users edit the same file
Presence UI	See who is connected, what they're working on, which agents are assigned to whom
Shared context	Cross-user session history, shared learnings, team-wide RAG index

Scale: ~3000+ LOC, major architectural change. Requires refactoring the server for multi-tenant support.

📱 Mobile Version ()

Goal: Run OpenCode as a native mobile app on Android and iOS, with full agent capabilities.

Component	Description
Tauri 2.0 migration	Leverage Tauri's mobile targets (Android/iOS) to package the existing SolidJS frontend as a native app
Runtime adaptation	Bundle the TypeScript agent core with Vite for WebView execution; delegate performance-critical tasks to Tauri's Rust layer
isomorphic-git	Replace system calls with isomorphic-git for pure-JS git operations within the mobile sandbox
File system access	Use for sandboxed file access + Document Picker integration
Remote mode	Connect to a desktop OpenCode instance over a secure tunnel (Tailscale/Cloudflare) for full capability without local execution
Mobile-optimized UI	Conversational interface that hides terminal complexity; swipe-based diff review; virtual keyboard optimizations

Platform comparison:

• Android (via Termux or Tauri): Full Node.js support, broad file access, excellent performance
• iOS (via Tauri/a-Shell): Sandbox restrictions, limited native packages, but strong Apple Silicon performance for local models

Scale: ~2000+ LOC for the Tauri mobile shell, ~500 LOC for isomorphic-git adapter, ~300 LOC for remote mode.

🔗 AnythingLLM Fusion ()

Goal: Merge OpenCode's agentic coding capabilities with AnythingLLM's document RAG and multi-user chat platform.

Component	Description
Context bridge	Pipe AnythingLLM's indexed documents (PDFs, wikis, Confluence, etc.) into OpenCode's system prompt as additional context
Agent skill plugin	Expose OpenCode's core commands (, , edit, bash) as an AnythingLLM Agent Skill via HTTP API
Unified vector store	Merge OpenCode's SQLite RAG with AnythingLLM's vector DB backends (LanceDB, Pinecone, Chroma) for a single knowledge layer
Multi-user workspace	Leverage AnythingLLM's existing multi-user and workspace management for team environments
Containerized deployment	Docker Compose setup running both backends, with shared auth and a unified API gateway

Synergy: AnythingLLM excels at document ingestion and RAG over non-code content. OpenCode excels at code manipulation, agentic tool use, and multi-provider LLM orchestration. Combined, they create a full-stack AI development platform that can reason over documentation AND write/execute code.

Scale: ~1500+ LOC for the bridge layer, ~500 LOC for the Agent Skill adapter, ~300 LOC for vector store unification.

---

การติดตั้ง

# YOLO
curl -fsSL https://opencode.ai/install | bash

# ตัวจัดการแพ็กเกจ
npm i -g opencode-ai@latest        # หรือ bun/pnpm/yarn
scoop install opencode             # Windows
choco install opencode             # Windows
brew install anomalyco/tap/opencode # macOS และ Linux (แนะนำ อัปเดตเสมอ)
brew install opencode              # macOS และ Linux (brew formula อย่างเป็นทางการ อัปเดตน้อยกว่า)
sudo pacman -S opencode            # Arch Linux (Stable)
paru -S opencode-bin               # Arch Linux (Latest from AUR)
mise use -g opencode               # ระบบปฏิบัติการใดก็ได้
nix run nixpkgs#opencode           # หรือ github:anomalyco/opencode สำหรับสาขาพัฒนาล่าสุด

[!TIP] ลบเวอร์ชันที่เก่ากว่า 0.1.x ก่อนติดตั้ง

แอปพลิเคชันเดสก์ท็อป (เบต้า)

OpenCode มีให้ใช้งานเป็นแอปพลิเคชันเดสก์ท็อป ดาวน์โหลดโดยตรงจาก หน้ารุ่น หรือ opencode.ai/download

แพลตฟอร์ม	ดาวน์โหลด
macOS (Apple Silicon)	opencode-desktop-darwin-aarch64.dmg
macOS (Intel)	opencode-desktop-darwin-x64.dmg
Windows	opencode-desktop-windows-x64.exe
Linux	.deb, .rpm, หรือ AppImage

# macOS (Homebrew)
brew install --cask opencode-desktop
# Windows (Scoop)
scoop bucket add extras; scoop install extras/opencode-desktop

ไดเรกทอรีการติดตั้ง

สคริปต์การติดตั้งจะใช้ลำดับความสำคัญตามเส้นทางการติดตั้ง:

1. $OPENCODE_INSTALL_DIR - ไดเรกทอรีการติดตั้งที่กำหนดเอง
2. $XDG_BIN_DIR - เส้นทางที่สอดคล้องกับ XDG Base Directory Specification
3. $HOME/bin - ไดเรกทอรีไบนารีผู้ใช้มาตรฐาน (หากมีอยู่หรือสามารถสร้างได้)
4. $HOME/.opencode/bin - ค่าสำรองเริ่มต้น

# ตัวอย่าง
OPENCODE_INSTALL_DIR=/usr/local/bin curl -fsSL https://opencode.ai/install | bash
XDG_BIN_DIR=$HOME/.local/bin curl -fsSL https://opencode.ai/install | bash

เอเจนต์

OpenCode รวมเอเจนต์ในตัวสองตัวที่คุณสามารถสลับได้ด้วยปุ่ม Tab

• build - เอเจนต์เริ่มต้น มีสิทธิ์เข้าถึงแบบเต็มสำหรับงานพัฒนา
• plan - เอเจนต์อ่านอย่างเดียวสำหรับการวิเคราะห์และการสำรวจโค้ด
  • ปฏิเสธการแก้ไขไฟล์โดยค่าเริ่มต้น
  • ขอสิทธิ์ก่อนเรียกใช้คำสั่ง bash
  • เหมาะสำหรับสำรวจโค้ดเบสที่ไม่คุ้นเคยหรือวางแผนการเปลี่ยนแปลง

นอกจากนี้ยังมีเอเจนต์ย่อย general สำหรับการค้นหาที่ซับซ้อนและงานหลายขั้นตอน ใช้ภายในและสามารถเรียกใช้ได้โดยใช้ @general ในข้อความ

เรียนรู้เพิ่มเติมเกี่ยวกับ เอเจนต์

เอกสารประกอบ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีกำหนดค่า OpenCode ไปที่เอกสารของเรา

การมีส่วนร่วม

หากคุณสนใจที่จะมีส่วนร่วมใน OpenCode โปรดอ่าน เอกสารการมีส่วนร่วม ก่อนส่ง Pull Request

การสร้างบน OpenCode

หากคุณทำงานในโปรเจกต์ที่เกี่ยวข้องกับ OpenCode และใช้ "opencode" เป็นส่วนหนึ่งของชื่อ เช่น "opencode-dashboard" หรือ "opencode-mobile" โปรดเพิ่มหมายเหตุใน README ของคุณเพื่อชี้แจงว่าไม่ได้สร้างโดยทีม OpenCode และไม่ได้เกี่ยวข้องกับเราในทางใด

คำถามที่พบบ่อย

ต่างจาก Claude Code อย่างไร?

คล้ายกับ Claude Code มากในแง่ความสามารถ นี่คือความแตกต่างหลัก:

• โอเพนซอร์ส 100%
• ไม่ผูกมัดกับผู้ให้บริการใดๆ แม้ว่าเราจะแนะนำโมเดลที่เราจัดหาให้ผ่าน OpenCode Zen OpenCode สามารถใช้กับ Claude, OpenAI, Google หรือแม้กระทั่งโมเดลในเครื่องได้ เมื่อโมเดลพัฒนาช่องว่างระหว่างพวกมันจะปิดลงและราคาจะลดลง ดังนั้นการไม่ผูกมัดกับผู้ให้บริการจึงสำคัญ
• รองรับ LSP ใช้งานได้ทันทีหลังการติดตั้งโดยไม่ต้องปรับแต่งหรือเปลี่ยนแปลงฟังก์ชันการทำงานใด ๆ
• เน้นที่ TUI OpenCode สร้างโดยผู้ใช้ neovim และผู้สร้าง terminal.shop เราจะผลักดันขีดจำกัดของสิ่งที่เป็นไปได้ในเทอร์มินัล
• สถาปัตยกรรมไคลเอนต์/เซิร์ฟเวอร์ ตัวอย่างเช่น อาจอนุญาตให้ OpenCode ทำงานบนคอมพิวเตอร์ของคุณ ในขณะที่คุณสามารถขับเคลื่อนจากระยะไกลผ่านแอปมือถือ หมายความว่า TUI frontend เป็นหนึ่งในไคลเอนต์ที่เป็นไปได้เท่านั้น

---

ร่วมชุมชนของเรา Discord | X.com