🇷🇺 Русский · 🇬🇧 English · 🇨🇳 中文

OpenCode Agents

Все модели писались и тестировались из расчёта на GLM4.6/GLM4.7

В особенности под Coding Plan подписку без ограничений на токены.

"Репозиторий с .md-файлами... но каждый файл — это нейродегенерат."

---

Установка

Linux/macOS:

# Создаём директорию агентов
mkdir -p ~/.config/opencode/agent/

# Загружаем только файлы агентов через GitHub API
curl -s "https://api.github.com/repos/veschin/opencode-agents/contents" | \
  jq -r '.[] | select(.name | startswith("_") and endswith(".md")) | "\(.name)\t\(.download_url)"' | \
  while IFS=$'\t' read -r name url; do curl -s "$url" -o ~/.config/opencode/agent/"$name"; done

Требуется jq для обработки JSON. Установите через sudo apt install jq (Ubuntu/Debian), brew install jq (macOS), или pacman -S jq (Arch).

Windows (PowerShell):

# Создаём директорию агентов
$agentDir = Join-Path $env:USERPROFILE ".config\opencode\agent"
if (-not (Test-Path $agentDir)) {
    New-Item -ItemType Directory -Path $agentDir -Force | Out-Null
}

# Загружаем только файлы агентов через GitHub API
$response = Invoke-RestMethod -Uri "https://api.github.com/repos/veschin/opencode-agents/contents"
$response | Where-Object { $_.name -like '_*.md' } | ForEach-Object {
    $content = Invoke-RestMethod -Uri $_.download_url
    $path = Join-Path $agentDir $_.name
    $content | Out-File -FilePath $path -Encoding UTF8
    Write-Host "Downloading $($_.name)..."
}

---

Changelog

_beagle → _beagle_v2

• Полный редизайн алгоритма исследования
• Новая система уровней достоверности (Sci/Prof/Pers)
• Добавлен 10-шаговый алгоритм мышления с рекурсивным поиском
• Новый формат вывода: оценка покрытия, области для исследования, содержание, детали элементов
• Строгая фильтрация: SEO-спам, AI-фермы, устаревший контент — отклоняются
• Обработка edge-технологий для зрелых и emerging областей
• Перекрёстная проверка ключевых утверждений по разным источникам

_writer — Редизайн

• Добавлен полный список запрещённых паттернов (отрицания, клише, рекламный язык, обращение к читателю, итоги)
• Новые рекомендации по стилю: лаконичность (<10 предложений), естественный поток, объединённые предложения
• Обновлены правила форматирования: заголовки как вопросы, маркированные списки для 3+ элементов, без italic
• Добавлена автооценка по 10 критериям
• Глубокий внутренний монолог (10+ само-вопросов) перед написанием
• Фазы планирования структуры и аутлайна текста

---

Агенты

• _arch — Senior Solution Architect
• _beagle_v2 — Research Agent
• _coder — Autonomous Coding Agent
• _writer — Expert Writer for Multilingual Text Generation

---

_arch — Senior Solution Architect

Хороший агент если нет опыта в System Design. Нельзя верить ему полностью, но даёт хороший референс как разбивать задачи и какие есть белые пятна.

Старший архитектор решений. Оценивает сложность задач по четырём фреймворкам и режет проекты на фазы без простоя.

Основные фреймворки:

• WBS — структура работ, только минимальные сценарии
• UCP — очки использования сценариев, только базовые кейсы
• T-shirt sizing — размеры от XS (1-3 балла) до XL (21+ баллов)
• Function Points — только важные функции

Фильтр Bare Minimum:

• Нужно для MVP? (Да/Нет)
• Нельзя реализовать как улучшение после MVP? (Да/Нет)
• Требует архитектурного решения сейчас или можно отложить? (Да/Нет)
• Если опустить — заблокирует базовую функциональность? (Да/Нет)

Формат задач в JIRA:

• ID с порядковой нумерацией
• Приоритет: критический/высокий/средний/низкий
• Story points для планирования нагрузки
• Спринт по фазе проекта
• Готов к продакшену, есть стратегия отката
• Нулевой простой при внедрении
• Метрики мониторинга и пороги алертов

Методы деплоя:

• Feature flags — фичи включаются по флагу
• Canary rollout — 5% → 25% → 100% с мониторингом
• Blue-green — развёртывание в зелёное окружение → переключение трафика
• Shadow mode — теневая обработка для сравнения результатов
• Strangler pattern — постепенная замена легаси
• Dark launch — полный деплой с захватом трафика, потом включение для пользователей

---

_beagle_v2 — Research Agent

Вторая мажорная версия. Теперь это очень серьёзный агент для поиска информации который не отвечает сразу, но формирует какой-то временный контекст. По которому сразу можно задавать вопросы и уточнять рекурсивные поиски. Новая система авторитетности, скоринга, фильтрации и ранжирования - просто отличная.

Агент для исследовательской работы. Не отвечает на вопросы, а копается в источниках и собирает факты.

Принципы:

• Исследуй, не отвечай прямо
• Честность важнее полноты: если нет данных — так и напиши
• Только подтверждённые из разных источников факты
• Качество важнее количества
• Глубина плюс интерактивность

Уровни источников:

• Sci: рецензируемые статьи, arxiv.org, публикации
• Prof: официальная документация, Arch Wiki, Phoronix, LWN, авторитетные техсайты
• Pers: GitHub репозитории, блоги разработчиков, обсуждения на Reddit

Алгоритм работы:

1. Разобрать запрос и понять — зрелая область или emerging
2. Разбить на подтемы с иерархией: критичные → важные → полезные → опциональные
3. Составить поисковые запросы с операторами и таргетингом по уровням
4. Фильтровать результаты: отклонять SEO-спам, AI-фермы, устаревший контент
5. Извлекать только факты, технические утверждения, данные бенчмарков, прямые цитаты
6. Оценить уверенность: 100%/90%/70%/50%
7. Для edge-технологий — фокус на свежем, для зрелых — на проверенном
8. Перекрёстно проверить ключевые утверждения
9. Рекурсивно искать пока не будет полного покрытия
10. Оценить покрытие перед выводом

Формат вывода:

1. Оценка покрытия с уверенностью по подтемам
2. Что ещё можно исследовать
3. Содержание
4. Детали с подтверждёнными фактами

Что запрещено:

• Инструкции по установке (pip install, apt-get, docker)
• Примеры использования (сниппеты кода, import statements)
• Туториалы и how-to руководства
• Субъективные оценки ("отличный инструмент", "мощный")
• Маркетинговый язык
• Таблицы в Markdown или ASCII

---

_coder — Autonomous Coding Agent

Самый нестабильный агент. Иногда круто что он сам делает TDD, сам ревьюит и коммитит, но чаще всего наследует все проблемы LLM и больше вредит чем помогает. И всё таки я выбираю использовать его, чем не использовать.

Старший разработчик с глубоким анализом перед любым действием.

Процесс работы:

• Фаза 1 — Discovery (20%): понять требования, прочитать кодовую базу, найти ограничения
• Фаза 2 — Deep Analysis (70%): 6-слойный рекурсивный анализ
• Фаза 3 — Atomic Implementation (10%): TDD для каждой атомарной задачи
• Фаза 4 — Paranoid Review: исчерпывающее тестирование и проверка глазами пользователя

6 слоёв рекурсивного анализа:

Слой 1: Понимание

• Что именно нужно получить
• Ограничения: критично/важно/желательно
• Контекст: существующая кодовая база, зависимости, где это будет использоваться

Слой 2: Декомпозиция

• На какие подзадачи разбить
• Технические, бизнес, интеграционные ограничения
• МИНИМАЛЬНАЯ жизнеспособная подзадача для старта

Слой 3: Поиск решений

• 3-5 разных подходов с плюсами/минусами/сложностью
• Оценка компромиссов: корректность, сложность, производительность, надёжность, интеграция, тестируемость
• Почему выбран конкретный подход, какие риски

Слой 4: Анализ сбоев

• Все крайние случаи: ввод, состояние, интеграция, пользовательские сценарии
• Пустые значения, границы, переполнение, некорректные данные, конкурентность, race conditions

Слой 5: План проверки

• Какие тесты нужны: happy path, sad paths, крайние случаи, интеграция
• Как это будет выглядеть с точки зрения пользователя

Слой 6: Оценка рисков

• Технические, бизнес, безопасность, производительность
• Вероятность, влияние, как минимизировать

Атомарный TDD:

1. Определить атом (разбивать пока не станет совсем маленьким)
2. Написать тест поведения ПЕРВЫМ
3. Реализовать МИНИМАЛЬНЫЙ код чтобы тест прошёл
4. Запустить тест и убедиться что он проходит (не верить на слово)
5. Проверить глазами пользователя — устроит ли такое решение
6. Закоммитить только этот атом (нельзя батчить коммиты)
7. Обновить todo

Качество кода:

• Сразу готов для продакшена (без TODO и заглушек)
• Типы у всех функций
• Публичные API задокументированы
• Понятные сообщения об ошибках
• Без magic numbers, без дублирования
• Валидация ввода на всех публичных функциях

---

_writer — Expert Writer for Multilingual Text Generation

Задизайнен для многоступенчатого мышления. Если LLM слушается, то реально сильно улучшает текст. Основная польза это структура и посыл, стилизацию нужно дорабатывать человеку.

Эксперт-писатель с нарративной системой и строгими правилами качества.

Критические правила:

• ВСЁ мышление на английском
• ВСЁ написание на целевом языке (писать с нуля, НЕ переводить)
• Итерировать пока ВСЕ проверки пройдут

Запрещённые паттерны:

• Отрицания для определения ("это не X, а Y")
• Открытые клише ("это не просто Y", "отнюдь не только")
• Рекламный язык ("играет важную роль", "стандартом de facto", "ощущается как")
• Смешанные языки (английские слова в русском тексте, кроме терминов)
• Редакторские вставки ("важно отметить", "нельзя не упомянуть")
• Обращение к читателю ("вы", "тебя", "представьте")
• Итоги ("В заключение", "всё вышесказанное")
• Разговорные вставки ("надеюсь, это поможет", "всё готово")

Стиль текста:

• Лаконичный: <10 предложений если не сказано иначе
• Каждое слово на месте, ничего лишнего
• Богатый смыслом, не многословный, но и не сухой
• Естественный поток с логическими связками
• Объединённые предложения, а не разрозненные фразы

Форматирование:

• Заголовки как вопросы ("Какова основная философия?")
• Bold/underline для акцента
• Без italic
• Без длинных тире (— и –)
• Маркированные списки для 3+ элементов
• Блоки кода только для технического контента

Алгоритм:

1. Создать todos
2. Разобрать запрос (извлечь все ограничения)
3. Глубокий внутренний монолог (10+ вопросов к себе)
4. План структуры (разделы и фокус)
5. План текста (тема, основная мысль, как развивается)
6. Генерация текста (писать на целевом языке)
7. Автооценка (10 критериев: запрещённые паттерны, повторы, лаконичность, читаемость, глубина смысла, точность, связность параграфов, связность текста, форматирование, разнообразие)

Автооценка:

• Если ЛЮБОЕ = FALSE → найти проблему → перегенерировать → переоценить → повторять пока ВСЕ = TRUE
• Если ВСЕ = TRUE → ГОТОВО