1. OpenCode 部署前必须搞清楚的 Agent Skills 运行链路OpenCode 是一个开源的终端 AI 编码代理你可以把它理解成跑在命令行里的 Claude Code 同类工具它本身不产出智能而是把「读文件、跑命令、改代码、调外部工具」这些动作编排起来交给背后的大模型做决策。Agent Skills 则是这套编排体系里的「技能说明书」——一个装SKILL.md的目录里面写清楚这个技能叫什么、什么场景该被激活、需要哪些参数、执行时走什么流程。模型读到这份说明书就知道遇到 Excel 任务该调 xlsx 技能而不是从零开始瞎写脚本。这套机制适合谁三类人最受益。第一类是想把日常重复操作批量改表、日志分析、代码迁移沉淀成可复用能力的前后端开发者第二类是想统一管理模型 Key、不想在每个工具里重复填 API 地址的团队第三类是想搞明白 Agent 到底怎么「思考—选技能—执行—纠错」这条链路的技术好奇者。OpenCode 的价值不在于它比别的工具聪明而在于它的配置是纯文本、可版本化、可审计你能清楚看到每一步发生了什么。我先把整条链路摊开讲后面所有配置都围绕这条链路展开。OpenCode 启动时会做三件事加载全局配置模型提供方、Base URL、API Key、默认模型 ID、扫描技能目录默认在配置目录下的skills/子目录也支持项目级.opencode/skills/、建立会话上下文。当你输入一个任务运行原理大致是主 Agent 拿到你的自然语言请求 → 结合当前可用技能列表做规划 → 决定是直接调用内置工具bash、read、write、edit还是激活某个 Skill → 执行后读取结果 → 如果报错比如编码乱码、列名识别失败就进入反思循环改写脚本重试 → 直到产出可交付结果或判定失败。技能加载流程有个容易踩的细节OpenCode 不是把所有SKILL.md全文塞进上下文而是先读 frontmatter 里的name和description做轻量索引只有当任务语义和 description 匹配时才把完整技能文档加载进来。这就是为什么description写得越具体列出支持的文件格式、典型场景技能被正确触发的概率越高。很多人技能写了却从不触发八成是 description 写得太笼统模型判断不出该不该用。配置项含义这块核心就四个provider模型提供方标识、baseURL请求打到哪个兼容 OpenAI 协议的端点、apiKey鉴权凭证、model具体模型 ID。这四项构成一次请求的最小闭环缺一个就会在启动自检或首次调用时报错。把baseURL指向统一通道比如 TaoToken 的https://taotoken.net/api你就能用一套 Key 管理多个模型的调用不用在 OpenCode、Cline、Codex 之间反复切换凭证。官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end有接入说明可以先对照看一遍再动手。理解这条链路之后部署就不再是「照着敲命令」而是「我知道每一步在配什么、验证什么」。下一节进入前置准备把 Key、端点、模型 ID 三件套先备齐。2. TaoToken 前置准备Base URL、API Key 与模型 ID 三件套在动 OpenCode 之前先把「三件套」备齐否则后面配置写完一跑就 401排查起来浪费时间。三件套指的是Base URL请求端点、API Key鉴权凭证、Model ID具体模型标识。这三样在 OpenCode 的 settings 里是强绑定的任何一个填错都会导致请求失败而且报错信息往往不直观。先说 Base URL。TaoToken 的 API 端点是https://taotoken.net/api注意这里不要带任何查询参数也不要自己拼/v1之外的路径——OpenCode 内部会按 OpenAI 兼容协议自动补全/chat/completions这类后缀。如果你填成https://taotoken.net/api/v1/chat/completions请求会变成双后缀直接 404。这个坑我见过太多次配置里只写到/api就对了。再说 API Key。登录控制台后进入 API Keys 页面创建建议按用途分 Key一个给 OpenCode 日常编码用一个给测试脚本用方便出问题时快速定位是哪个客户端在打请求。创建后立刻复制保存页面刷新后就不再完整显示。Key 的格式通常是一串以固定前缀开头的长字符串粘贴时注意别带首尾空格YAML 和 JSON 对空格敏感多一个空格就是 401。最后是 Model ID。这个必须和你账号下实际可用的模型列表对齐不能凭记忆瞎填。进模型对话页面或控制台的模型列表复制准确的 ID 字符串大小写、连字符、版本号都要一致。常见的错误是把展示名称当 ID 用比如界面上写「某某 Pro」实际 ID 可能是xxx-pro-2024这种。填错 Model ID 的典型报错是model not found或invalid model而不是 401两者要区分开。三件套备齐后建议先用最轻量的方式验证一次别急着配 OpenCode。打开终端用 curl 打一发最小请求curl -s https://taotoken.net/api/chat/completions \ -H Authorization: Bearer 你的API_KEY \ -H Content-Type: application/json \ -d { model: 你的模型ID, messages: [{role: user, content: 回复ok}], max_tokens: 16 }返回里如果有choices数组且message.content有内容说明三件套全部正确可以进入 OpenCode 配置。如果返回 401检查 Key 和 Authorization 头格式Bearer后面一个空格如果返回 404检查 Base URL 是否多写了路径如果返回模型相关错误回去核对 Model ID。这一步花两分钟能省掉后面半小时的排障。注意不要把 API Key 硬编码进会提交到 Git 的配置文件里。OpenCode 支持从环境变量读取后面配置模板里我会用环境变量占位实际使用时通过 shell 导出或写进本地不追踪的.env。三件套验证通过后就可以开始写 OpenCode 的 settings 了。下一节给出可直接复制的配置片段包含 JSON 和 TOML 两种形态按你的 OpenCode 版本选一种。3. 可复制配置OpenCode settings 接入统一 Key/API 通道OpenCode 的配置文件位置因平台而异Linux/macOS 通常在~/.config/opencode/Windows 在C:\Users\用户名\.config\opencode\。主配置文件常见为opencode.json新版或config.toml部分发行版技能目录则是同级的skills/。下面给出两种格式的完整片段字段名和路径与官方结构保持一致你按自己安装的版本二选一。先看 JSON 形态适合opencode.json{ $schema: https://opencode.ai/config.json, provider: { taotoken: { npm: ai-sdk/openai-compatible, name: TaoToken, options: { baseURL: https://taotoken.net/api, apiKey: {env:TAOTOKEN_API_KEY} }, models: { your-model-id: { name: Your Model } } } }, model: taotoken/your-model-id, skills: { paths: [./skills] } }几个字段逐个解释。provider.taotoken是你自定义的提供方键名可以随便起但要和后面model字段的前缀一致。npm指定用 OpenAI 兼容适配器这是接统一通道的关键——TaoToken 的端点遵循 OpenAI 协议用这个适配器就能直接对话。baseURL只写到/api不要加/v1。apiKey用{env:TAOTOKEN_API_KEY}语法从环境变量读取避免明文落盘。models里把你要用的 Model ID 作为键列出来name只是展示用。顶层model写成提供方键名/模型ID的组合。skills.paths指向技能目录相对路径基于配置文件所在目录解析。再看 TOML 形态适合config.tomlmodel taotoken/your-model-id [provider.taotoken] npm ai-sdk/openai-compatible name TaoToken [provider.taotoken.options] baseURL https://taotoken.net/api apiKey {env:TAOTOKEN_API_KEY} [provider.taotoken.models.your-model-id] name Your Model [skills] paths [./skills]TOML 的层级用表头表达语义和 JSON 完全一致。注意[provider.taotoken.models.your-model-id]这一行如果你的 Model ID 里带点号或特殊字符需要用引号包起来比如[provider.taotoken.models.xxx-1.5]否则 TOML 解析器会把点号当层级分隔符导致模型注册失败。配置写完后设置环境变量。Linux/macOS 在~/.bashrc或~/.zshrc里加一行Windows 用系统环境变量或 PowerShell 的$env:export TAOTOKEN_API_KEY你的API_KEY然后准备技能目录。把从技能仓库下载解压的skills文件夹放到配置目录下结构大致是skills/xlsx/SKILL.md、skills/pdf/SKILL.md这样每个技能一个子目录目录名和SKILL.md里的name保持一致最稳妥。如果你的技能放在项目里而非全局把skills.paths改成[./.opencode/skills]即可项目级配置优先级高于全局。提示改完配置别急着跑复杂任务先做启动自检。下一节给出验证动作包括启动日志核对、技能触发确认、调用日志检查三步。配置模板就这些字段不多但每个都关键。填完后如果启动报local proxy failed或reading choices相关错误先回看第 5 节的排错清单八成是 baseURL 或适配器选错了。4. 验证请求与成功结果启动自检、技能触发、调用日志三步核对配置写完不等于接通必须做三步验证启动自检看配置有没有被正确加载技能触发看 Agent 会不会按 description 选中技能调用日志看请求实际打到了哪个端点、返回了什么。这三步任何一步跳过后面出问题都难定位。第一步启动自检。在终端直接运行opencode观察启动输出。正常情况下它会打印已加载的提供方、默认模型、技能扫描结果。你要重点看三行信息提供方名称是否显示为你在配置里起的键名比如taotoken、默认模型是否是你填的 Model ID、技能数量是否和你目录里的子目录数一致。如果技能数量是 0说明skills.paths路径不对相对路径的基准是配置文件所在目录不是你执行命令的当前目录这点容易搞混。如果提供方没加载出来检查 JSON/TOML 语法——一个多余的逗号或漏掉的引号就会让整个配置被静默忽略。第二步技能触发验证。先做一个不依赖技能的基础测试确认模型通道通在 OpenCode 会话里输入「用一句话解释什么是闭包」看它能否正常流式返回。这一步验证的是 Base URL、Key、Model ID 三件套。然后做技能触发测试输入一个明确匹配某个技能 description 的任务比如你装了 xlsx 技能就输入「读取当前目录下的 test.xlsx统计每列的非空数量」。观察 Agent 的规划输出里有没有出现「使用 xlsx 技能」或类似的技能激活标记。如果没有激活而是自己从头写 Python说明技能的description没匹配上回去把 description 改得更贴近你的实际提问措辞。第三步调用日志核对。OpenCode 一般会把会话日志写在配置目录的logs/或项目下的.opencode/logs/。打开最新日志搜索请求记录核对三件事请求 URL 是否是https://taotoken.net/api/chat/completions确认没多拼路径、请求头里 Authorization 是否是 Bearer 加你的 Key确认没读到空环境变量、响应里choices[0].message是否有内容确认模型真的返回了。如果日志里 URL 显示的是localhost或某个代理地址说明适配器或 baseURL 配错了请求根本没出本机。一个成功的完整结果长这样你输入 Excel 分析任务Agent 先输出思考过程计划用 pandas 读取、检查文件存在然后激活 xlsx 技能或直接执行脚本中途如果遇到中文列名乱码会自我纠正改用 UTF-8 输出最后给出结构化结论比如「退单描述中出现最多的是系统自动驳回共 111 次占比 16.5%」。整个过程你能在日志里看到至少两次请求一次是规划决策一次是结果总结中间可能还有纠错重试的请求。请求次数和内容对得上说明链路完全打通。注意验证阶段建议用max_tokens较小的简单任务别一上来就跑大文件分析。小任务成功率高、日志短、好核对等三步都过了再上真实业务数据。三步验证都通过后你已经有了一个可用的 OpenCode 统一通道环境。接下来把常见报错对照一遍把踩坑概率降到最低。5. 本篇常见错排查401、local proxy failed、reading choices 与 OAuth 报错对照配置和验证过程中最容易撞上的四类报错我按出现频率排一下每个给出触发原因和修复动作。对照着查基本能覆盖 90% 的失败场景。第一类401 Unauthorized。触发原因通常是三种Key 没读到环境变量没导出或变量名拼错、Key 带了多余空格、Authorization 头格式不对。排查顺序是先确认环境变量在当前 shell 里真的存在用echo $TAOTOKEN_API_KEY看有没有输出再检查配置里{env:TAOTOKEN_API_KEY}的变量名和 export 的完全一致大小写敏感最后确认 Key 本身没过期没被删。如果 curl 能通但 OpenCode 报 401八成是 OpenCode 启动的进程没继承到环境变量——图形界面启动的终端有时不读.bashrc改成从终端手动启动即可。第二类local proxy failed或连接被拒。这个报错说明请求根本没发到远端卡在本机网络层。常见原因是 baseURL 写成了http://localhost:xxxx这类本地代理地址有些旧配置模板残留或者适配器npm字段填了不存在的包导致初始化失败。修复动作确认baseURL是https://taotoken.net/api确认npm是ai-sdk/openai-compatible然后清掉 OpenCode 的缓存目录重启。如果报错里带ECONNREFUSED基本就是端点地址错了。第三类reading choices或Cannot read properties of undefined (reading choices)。这是响应结构不符合预期导致的根因是请求打到了不兼容 OpenAI 协议的端点返回的不是标准choices数组。典型场景是 baseURL 多写了/v1导致 404 页面被当 JSON 解析或者用错了适配器比如该用 openai-compatible 却用了别的。修复baseURL 只写到/api适配器确认是 openai-compatible然后用第 2 节的 curl 命令单独验证端点返回结构。第四类OAuth 相关报错比如提示需要登录或 token 刷新失败。OpenCode 某些版本对内置提供方走 OAuth 流程如果你在配置里混用了内置提供方键名和自定义 baseURL就会触发 OAuth 校验。修复动作自定义提供方用一个全新的键名比如taotoken不要复用openai、anthropic这类内置名避免触发内置的鉴权逻辑。同时确认配置里没有残留的oauth字段。除了这四类还有两个隐性坑值得提。一是 Model ID 大小写不一致报model not found回去逐字符核对控制台里的 ID。二是技能目录权限问题Windows 下如果技能文件夹在受保护路径OpenCode 读不到SKILL.md表现为技能数量为 0把技能目录移到用户目录下即可。提示排错时优先用最小请求验证别在复杂任务上猜。curl 通、OpenCode 不通问题在配置curl 也不通问题在三件套。这个二分法能快速缩小范围。把上面四类报错对照完你的环境基本就稳了。最后说下后续怎么把这套东西用起来。6. 从能跑到好用OpenCode Agent Skills 的日常接入路径环境跑通只是起点真正省时间的是把常用能力沉淀成技能、把 Key 管理收敛到统一通道。日常使用我建议按这个顺序推进先把最常做的两三件事写成SKILL.md比如「批量重命名文件」「解析固定格式日志」「生成周报表格」description 写清楚触发场景和支持的输入格式然后在 OpenCode 里用真实任务反复触发观察哪些提问能激活、哪些不能据此微调 description 措辞最后把验证过的技能目录纳入版本管理团队里谁需要就同步过去。Key 和端点这块统一走 TaoToken 的 API 通道后你只需要维护一份环境变量OpenCode、Cline、Codex 这些工具都指向同一个baseURL和 Key换模型时只改 Model ID不用到处翻配置。需要看模型实际对话效果可以去模型对话页面直接试要长期跑编码和 Agent 任务Coding Plan 更适合高频调用场景Key 的创建和管理在 API Keys 页面配置字段有疑问就查接入文档。这几个入口按需取用别只收藏首页。最后留一个实用习惯每次改完配置先跑第 4 节的三步验证再上真实任务每次新增技能先用一个明确匹配 description 的小任务确认能触发再交给 Agent 自主规划。这套流程坚持下来你的 OpenCode 会越用越顺手而不是每次改动都靠运气。
1. OpenCode 部署前必须搞清楚的 Agent Skills 运行链路OpenCode 是一个开源的终端 AI 编码代理你可以把它理解成跑在命令行里的 Claude Code 同类工具它本身不产出智能而是把「读文件、跑命令、改代码、调外部工具」这些动作编排起来交给背后的大模型做决策。Agent Skills 则是这套编排体系里的「技能说明书」——一个装SKILL.md的目录里面写清楚这个技能叫什么、什么场景该被激活、需要哪些参数、执行时走什么流程。模型读到这份说明书就知道遇到 Excel 任务该调 xlsx 技能而不是从零开始瞎写脚本。这套机制适合谁三类人最受益。第一类是想把日常重复操作批量改表、日志分析、代码迁移沉淀成可复用能力的前后端开发者第二类是想统一管理模型 Key、不想在每个工具里重复填 API 地址的团队第三类是想搞明白 Agent 到底怎么「思考—选技能—执行—纠错」这条链路的技术好奇者。OpenCode 的价值不在于它比别的工具聪明而在于它的配置是纯文本、可版本化、可审计你能清楚看到每一步发生了什么。我先把整条链路摊开讲后面所有配置都围绕这条链路展开。OpenCode 启动时会做三件事加载全局配置模型提供方、Base URL、API Key、默认模型 ID、扫描技能目录默认在配置目录下的skills/子目录也支持项目级.opencode/skills/、建立会话上下文。当你输入一个任务运行原理大致是主 Agent 拿到你的自然语言请求 → 结合当前可用技能列表做规划 → 决定是直接调用内置工具bash、read、write、edit还是激活某个 Skill → 执行后读取结果 → 如果报错比如编码乱码、列名识别失败就进入反思循环改写脚本重试 → 直到产出可交付结果或判定失败。技能加载流程有个容易踩的细节OpenCode 不是把所有SKILL.md全文塞进上下文而是先读 frontmatter 里的name和description做轻量索引只有当任务语义和 description 匹配时才把完整技能文档加载进来。这就是为什么description写得越具体列出支持的文件格式、典型场景技能被正确触发的概率越高。很多人技能写了却从不触发八成是 description 写得太笼统模型判断不出该不该用。配置项含义这块核心就四个provider模型提供方标识、baseURL请求打到哪个兼容 OpenAI 协议的端点、apiKey鉴权凭证、model具体模型 ID。这四项构成一次请求的最小闭环缺一个就会在启动自检或首次调用时报错。把baseURL指向统一通道比如 TaoToken 的https://taotoken.net/api你就能用一套 Key 管理多个模型的调用不用在 OpenCode、Cline、Codex 之间反复切换凭证。官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end有接入说明可以先对照看一遍再动手。理解这条链路之后部署就不再是「照着敲命令」而是「我知道每一步在配什么、验证什么」。下一节进入前置准备把 Key、端点、模型 ID 三件套先备齐。2. TaoToken 前置准备Base URL、API Key 与模型 ID 三件套在动 OpenCode 之前先把「三件套」备齐否则后面配置写完一跑就 401排查起来浪费时间。三件套指的是Base URL请求端点、API Key鉴权凭证、Model ID具体模型标识。这三样在 OpenCode 的 settings 里是强绑定的任何一个填错都会导致请求失败而且报错信息往往不直观。先说 Base URL。TaoToken 的 API 端点是https://taotoken.net/api注意这里不要带任何查询参数也不要自己拼/v1之外的路径——OpenCode 内部会按 OpenAI 兼容协议自动补全/chat/completions这类后缀。如果你填成https://taotoken.net/api/v1/chat/completions请求会变成双后缀直接 404。这个坑我见过太多次配置里只写到/api就对了。再说 API Key。登录控制台后进入 API Keys 页面创建建议按用途分 Key一个给 OpenCode 日常编码用一个给测试脚本用方便出问题时快速定位是哪个客户端在打请求。创建后立刻复制保存页面刷新后就不再完整显示。Key 的格式通常是一串以固定前缀开头的长字符串粘贴时注意别带首尾空格YAML 和 JSON 对空格敏感多一个空格就是 401。最后是 Model ID。这个必须和你账号下实际可用的模型列表对齐不能凭记忆瞎填。进模型对话页面或控制台的模型列表复制准确的 ID 字符串大小写、连字符、版本号都要一致。常见的错误是把展示名称当 ID 用比如界面上写「某某 Pro」实际 ID 可能是xxx-pro-2024这种。填错 Model ID 的典型报错是model not found或invalid model而不是 401两者要区分开。三件套备齐后建议先用最轻量的方式验证一次别急着配 OpenCode。打开终端用 curl 打一发最小请求curl -s https://taotoken.net/api/chat/completions \ -H Authorization: Bearer 你的API_KEY \ -H Content-Type: application/json \ -d { model: 你的模型ID, messages: [{role: user, content: 回复ok}], max_tokens: 16 }返回里如果有choices数组且message.content有内容说明三件套全部正确可以进入 OpenCode 配置。如果返回 401检查 Key 和 Authorization 头格式Bearer后面一个空格如果返回 404检查 Base URL 是否多写了路径如果返回模型相关错误回去核对 Model ID。这一步花两分钟能省掉后面半小时的排障。注意不要把 API Key 硬编码进会提交到 Git 的配置文件里。OpenCode 支持从环境变量读取后面配置模板里我会用环境变量占位实际使用时通过 shell 导出或写进本地不追踪的.env。三件套验证通过后就可以开始写 OpenCode 的 settings 了。下一节给出可直接复制的配置片段包含 JSON 和 TOML 两种形态按你的 OpenCode 版本选一种。3. 可复制配置OpenCode settings 接入统一 Key/API 通道OpenCode 的配置文件位置因平台而异Linux/macOS 通常在~/.config/opencode/Windows 在C:\Users\用户名\.config\opencode\。主配置文件常见为opencode.json新版或config.toml部分发行版技能目录则是同级的skills/。下面给出两种格式的完整片段字段名和路径与官方结构保持一致你按自己安装的版本二选一。先看 JSON 形态适合opencode.json{ $schema: https://opencode.ai/config.json, provider: { taotoken: { npm: ai-sdk/openai-compatible, name: TaoToken, options: { baseURL: https://taotoken.net/api, apiKey: {env:TAOTOKEN_API_KEY} }, models: { your-model-id: { name: Your Model } } } }, model: taotoken/your-model-id, skills: { paths: [./skills] } }几个字段逐个解释。provider.taotoken是你自定义的提供方键名可以随便起但要和后面model字段的前缀一致。npm指定用 OpenAI 兼容适配器这是接统一通道的关键——TaoToken 的端点遵循 OpenAI 协议用这个适配器就能直接对话。baseURL只写到/api不要加/v1。apiKey用{env:TAOTOKEN_API_KEY}语法从环境变量读取避免明文落盘。models里把你要用的 Model ID 作为键列出来name只是展示用。顶层model写成提供方键名/模型ID的组合。skills.paths指向技能目录相对路径基于配置文件所在目录解析。再看 TOML 形态适合config.tomlmodel taotoken/your-model-id [provider.taotoken] npm ai-sdk/openai-compatible name TaoToken [provider.taotoken.options] baseURL https://taotoken.net/api apiKey {env:TAOTOKEN_API_KEY} [provider.taotoken.models.your-model-id] name Your Model [skills] paths [./skills]TOML 的层级用表头表达语义和 JSON 完全一致。注意[provider.taotoken.models.your-model-id]这一行如果你的 Model ID 里带点号或特殊字符需要用引号包起来比如[provider.taotoken.models.xxx-1.5]否则 TOML 解析器会把点号当层级分隔符导致模型注册失败。配置写完后设置环境变量。Linux/macOS 在~/.bashrc或~/.zshrc里加一行Windows 用系统环境变量或 PowerShell 的$env:export TAOTOKEN_API_KEY你的API_KEY然后准备技能目录。把从技能仓库下载解压的skills文件夹放到配置目录下结构大致是skills/xlsx/SKILL.md、skills/pdf/SKILL.md这样每个技能一个子目录目录名和SKILL.md里的name保持一致最稳妥。如果你的技能放在项目里而非全局把skills.paths改成[./.opencode/skills]即可项目级配置优先级高于全局。提示改完配置别急着跑复杂任务先做启动自检。下一节给出验证动作包括启动日志核对、技能触发确认、调用日志检查三步。配置模板就这些字段不多但每个都关键。填完后如果启动报local proxy failed或reading choices相关错误先回看第 5 节的排错清单八成是 baseURL 或适配器选错了。4. 验证请求与成功结果启动自检、技能触发、调用日志三步核对配置写完不等于接通必须做三步验证启动自检看配置有没有被正确加载技能触发看 Agent 会不会按 description 选中技能调用日志看请求实际打到了哪个端点、返回了什么。这三步任何一步跳过后面出问题都难定位。第一步启动自检。在终端直接运行opencode观察启动输出。正常情况下它会打印已加载的提供方、默认模型、技能扫描结果。你要重点看三行信息提供方名称是否显示为你在配置里起的键名比如taotoken、默认模型是否是你填的 Model ID、技能数量是否和你目录里的子目录数一致。如果技能数量是 0说明skills.paths路径不对相对路径的基准是配置文件所在目录不是你执行命令的当前目录这点容易搞混。如果提供方没加载出来检查 JSON/TOML 语法——一个多余的逗号或漏掉的引号就会让整个配置被静默忽略。第二步技能触发验证。先做一个不依赖技能的基础测试确认模型通道通在 OpenCode 会话里输入「用一句话解释什么是闭包」看它能否正常流式返回。这一步验证的是 Base URL、Key、Model ID 三件套。然后做技能触发测试输入一个明确匹配某个技能 description 的任务比如你装了 xlsx 技能就输入「读取当前目录下的 test.xlsx统计每列的非空数量」。观察 Agent 的规划输出里有没有出现「使用 xlsx 技能」或类似的技能激活标记。如果没有激活而是自己从头写 Python说明技能的description没匹配上回去把 description 改得更贴近你的实际提问措辞。第三步调用日志核对。OpenCode 一般会把会话日志写在配置目录的logs/或项目下的.opencode/logs/。打开最新日志搜索请求记录核对三件事请求 URL 是否是https://taotoken.net/api/chat/completions确认没多拼路径、请求头里 Authorization 是否是 Bearer 加你的 Key确认没读到空环境变量、响应里choices[0].message是否有内容确认模型真的返回了。如果日志里 URL 显示的是localhost或某个代理地址说明适配器或 baseURL 配错了请求根本没出本机。一个成功的完整结果长这样你输入 Excel 分析任务Agent 先输出思考过程计划用 pandas 读取、检查文件存在然后激活 xlsx 技能或直接执行脚本中途如果遇到中文列名乱码会自我纠正改用 UTF-8 输出最后给出结构化结论比如「退单描述中出现最多的是系统自动驳回共 111 次占比 16.5%」。整个过程你能在日志里看到至少两次请求一次是规划决策一次是结果总结中间可能还有纠错重试的请求。请求次数和内容对得上说明链路完全打通。注意验证阶段建议用max_tokens较小的简单任务别一上来就跑大文件分析。小任务成功率高、日志短、好核对等三步都过了再上真实业务数据。三步验证都通过后你已经有了一个可用的 OpenCode 统一通道环境。接下来把常见报错对照一遍把踩坑概率降到最低。5. 本篇常见错排查401、local proxy failed、reading choices 与 OAuth 报错对照配置和验证过程中最容易撞上的四类报错我按出现频率排一下每个给出触发原因和修复动作。对照着查基本能覆盖 90% 的失败场景。第一类401 Unauthorized。触发原因通常是三种Key 没读到环境变量没导出或变量名拼错、Key 带了多余空格、Authorization 头格式不对。排查顺序是先确认环境变量在当前 shell 里真的存在用echo $TAOTOKEN_API_KEY看有没有输出再检查配置里{env:TAOTOKEN_API_KEY}的变量名和 export 的完全一致大小写敏感最后确认 Key 本身没过期没被删。如果 curl 能通但 OpenCode 报 401八成是 OpenCode 启动的进程没继承到环境变量——图形界面启动的终端有时不读.bashrc改成从终端手动启动即可。第二类local proxy failed或连接被拒。这个报错说明请求根本没发到远端卡在本机网络层。常见原因是 baseURL 写成了http://localhost:xxxx这类本地代理地址有些旧配置模板残留或者适配器npm字段填了不存在的包导致初始化失败。修复动作确认baseURL是https://taotoken.net/api确认npm是ai-sdk/openai-compatible然后清掉 OpenCode 的缓存目录重启。如果报错里带ECONNREFUSED基本就是端点地址错了。第三类reading choices或Cannot read properties of undefined (reading choices)。这是响应结构不符合预期导致的根因是请求打到了不兼容 OpenAI 协议的端点返回的不是标准choices数组。典型场景是 baseURL 多写了/v1导致 404 页面被当 JSON 解析或者用错了适配器比如该用 openai-compatible 却用了别的。修复baseURL 只写到/api适配器确认是 openai-compatible然后用第 2 节的 curl 命令单独验证端点返回结构。第四类OAuth 相关报错比如提示需要登录或 token 刷新失败。OpenCode 某些版本对内置提供方走 OAuth 流程如果你在配置里混用了内置提供方键名和自定义 baseURL就会触发 OAuth 校验。修复动作自定义提供方用一个全新的键名比如taotoken不要复用openai、anthropic这类内置名避免触发内置的鉴权逻辑。同时确认配置里没有残留的oauth字段。除了这四类还有两个隐性坑值得提。一是 Model ID 大小写不一致报model not found回去逐字符核对控制台里的 ID。二是技能目录权限问题Windows 下如果技能文件夹在受保护路径OpenCode 读不到SKILL.md表现为技能数量为 0把技能目录移到用户目录下即可。提示排错时优先用最小请求验证别在复杂任务上猜。curl 通、OpenCode 不通问题在配置curl 也不通问题在三件套。这个二分法能快速缩小范围。把上面四类报错对照完你的环境基本就稳了。最后说下后续怎么把这套东西用起来。6. 从能跑到好用OpenCode Agent Skills 的日常接入路径环境跑通只是起点真正省时间的是把常用能力沉淀成技能、把 Key 管理收敛到统一通道。日常使用我建议按这个顺序推进先把最常做的两三件事写成SKILL.md比如「批量重命名文件」「解析固定格式日志」「生成周报表格」description 写清楚触发场景和支持的输入格式然后在 OpenCode 里用真实任务反复触发观察哪些提问能激活、哪些不能据此微调 description 措辞最后把验证过的技能目录纳入版本管理团队里谁需要就同步过去。Key 和端点这块统一走 TaoToken 的 API 通道后你只需要维护一份环境变量OpenCode、Cline、Codex 这些工具都指向同一个baseURL和 Key换模型时只改 Model ID不用到处翻配置。需要看模型实际对话效果可以去模型对话页面直接试要长期跑编码和 Agent 任务Coding Plan 更适合高频调用场景Key 的创建和管理在 API Keys 页面配置字段有疑问就查接入文档。这几个入口按需取用别只收藏首页。最后留一个实用习惯每次改完配置先跑第 4 节的三步验证再上真实任务每次新增技能先用一个明确匹配 description 的小任务确认能触发再交给 Agent 自主规划。这套流程坚持下来你的 OpenCode 会越用越顺手而不是每次改动都靠运气。
全解析：从ERM失效到领域泛化与不变性学习)
