背景
在做 AI Agent 工作流部署服务,公司只有我一个人。这意味着我需要最大化的杠杆——每个工具的选择都决定了我的单位产出。
最近花了时间对比了市面上主流的三个 AI 编程智能体:Claude Code、Crush、OpenCode。这篇是选型思考的记录。
三个工具的定位差异
| 维度 | Claude Code | Crush | OpenCode |
|---|---|---|---|
| 开发者 | Anthropic | Charmbracelet | anomalyco (原 sst) |
| 核心理念 | 纵深防御的垂直产品 | 开发者愉悦感优先 | 水平 Agent 平台 |
| 开闭源 | 源码可读(非开源) | MIT 开源 | MIT 开源 |
| 主语言 | TypeScript | Go | TypeScript + Rust |
这三个工具反映了三种完全不同的产品哲学:
- Claude Code:相信模型本身的能力。不做意图分类器、不做任务路由器、不做 DAG 编排器——模型自己决定什么时候调什么工具。
- Crush:命令行美学。Bubble Tea + Lip Gloss 构建的 Elm 架构终端 UI。
- OpenCode:水平平台。支持 75+ Provider、多种传输协议、多端(终端/桌面/IDE)。
关键差异点
上下文管理
这是三者差异最大的维度。对于大型项目,上下文管理直接决定了 AI 的可用性。
Claude Code 有一套 5层渐进式压缩管道:BudgetReduction → Snip → Microcompact → ContextCollapse → AutoCompact。从 1K 压缩到 32K token 时,模型性能下降 50-70%。
社区共识是:在逻辑断点手动 /compact,比等自动压缩好得多。
权限系统
| 模式 | Claude Code | OpenCode |
|---|---|---|
| 级别 | 7 种(plan→default→acceptEdits→auto→dontAsk→bypass→bubble) | 3 级(allow/ask/deny) |
| 原则 | deny-first,宽泛 deny 覆盖窄范围 allow | 模式匹配黑白名单 |
| 沙箱 | macOS Seatbelt / Linux bubblewrap + seccomp | 无 |
对一人公司来说,Claude Code 的沙箱能力更有安全感——rm -rf、sudo、curl | sh 这些高危操作总会触发提示。
MCP 集成
三者都支持 MCP(Model Context Protocol),但实现方式不同:
| 传输 | 特点 | |
|---|---|---|
| Claude Code | stdio / HTTP(SSE) | 支持 MCP Apps(交互式 UI iframe) |
| Crush | stdio / HTTP / SSE | — |
| OpenCode | stdio / SSE / Streamable HTTP | 75+ Provider |
一人公司的选型建议
如果追求开箱即用 → Claude Code
- 安装即用,不需要折腾 Provider 配置
- 权限系统完善,不用担心 AI 乱删文件
- 记忆系统(MEMORY.md + AutoDream)让模型记住项目上下文
- 缺点:只有 Anthropic 的模型,不能切到别的 LLM
如果追求灵活性 → OpenCode
- 75+ Provider,可以换来换去
- MIT 开源,可以按需修改
- 子 Agent 架构(planner/prototyper/implementer/tester/architect)
- 缺点:配置比 Claude Code 复杂
如果追求命令行美感 → Crush
- Go 写的,单文件静态二进制
- 终端 UI 优雅
- 缺点:生态还在早期
我的选择
目前我主要使用 Hermes Agent(当前正在对话的这个)构建自动化工作流,同时用 Claude Code 处理重型编码任务。
关键不是选一个工具,而是建立一套可复用的结构——通过 MCP 协议把不同工具的能力桥接起来。就像今天的流程:
vault 内容 → 我分析整理 → 写成文章 → 站点文章/ → Hugo构建 → 自动发布
这就是 MCP 精神的落地:每个环节都是可替换的组件,通过标准协议连接。
写于 2026-05-01。今天对比了这三个工具后的一点思考。