一、先搞清楚：这俩东西根本不是同一种生物

很多人看到 OpenCode 和 OpenClaw 都是「开源 AI Agent」「支持多模型」「有 MCP」，就觉得它们是竞品。

不是的。它们从第一行代码开始就在解决完全不同的问题。其实，

维度	OpenCode	OpenClaw
一句话定位	开源 AI 编码智能体	开源个人 AI 助手运行时
主要场景	写代码、改代码、理解代码库	跨网站消息、日程管理、生活/工作自动化
交互形态	终端 CLI / Web UI / IDE 插件	WhatsApp / Telegram / Slack / 微信等 + 消息网站
运行模式	按需启动。会话制常驻后台 Daemon，× 在线	守护进程式
记忆模型	会话级三层持久化	短期 / 中期 / 长期 三层记忆程序 + 人格文件
GitHub Stars	124K+ / 323K+
开源协议	MIT / MIT
工具调用范式	CLI 原生 + MCP 懒加载 vs 全量上下文 + MCP 全注入
主语言/运行时	TypeScript vs TypeScript

看到了吗？一个是垂直领域的深度工具一个是通用场景的广度网站.

If you are building an **AI 开发网站 / DevOps 帮助** solution。you’ll most likely pick OpenCode. If you are building an **AI 中台 / 智能助手 / 全场景帮助** solution,OpenClaw is more natural choice.

🔥使用者痛点： 在实际选型过程中，产品经理往往只能看到表面的功能列表，却难以判断哪款产品更贴合业务需求和成本预算。

二、架构师视角：两套完全不同的技术哲学

OpenCode 的架构：「Server + 多 Client」模式

The core idea of OpenCode is simple yet powerful: one HTTP server exposing a standard OpenAPI interface that any client can consume.

┌───────────────────────────────────────────────────────────────┐
│ OpenCode 架构全景 │
├───────────────────────────────────────────────────────────────┤
│ ┌─────────┐ ┌──────────┐ ┌──────────┐ ┌───────────┐ │
│ │ TUI CLI │ │ Web UI │ │ IDE 插件 │ │ 自定义 SDK │ │
│ │ │ │ │ │ │ │ Client │ │
│ └────┬────┘ └─────┬────┘ └─────┬────┘ └─────┬─────┘ │
│ │ │ │ ││
│ └───────────────┴────── HTTP + SSE ──────►││
│ ▲ ││
│ Hono HTTP Server ││
│ ▼ ││
│ ┌───────────────────────────────┐ ││
│ │ AI SDK 抽象层 │ ││
│ ├───────────────────────────────┤ ││
│ │ + LLM Provider 标准化 │ ││
│ └───────────────────────────────┘ ││
├───────────────────────────────────────────────────────────────┤
| 关键技术栈：Bun + Hono + AI SDK + OpenAPI |
└───────────────────────────────────────────────────────────────┘

The main architectural decisions:

1. Bun 而非 Node.js：Bun 提供更好的性能，但在公司环境中可能会遇到部分 npm 包兼容性问题。
2. AI SDK 统一抽象：
3. OpenAPI + 自动生成 SDK：
4. LSP 集成：
5. 插件程序：

OpenClaw 的架构：「Gateway 控制平面 + 多通道路由」模式

The architecture is deliberately more complex because it needs to run a persistent AI assistant on every communication channel you use.

┌───────────────────────────────────────────────────────────────┐
│ OpenClaw 架构全景 │
├───────────────────────────────────────────────────────────────┤
│ 消息入口层： |
│ WhatsApp Telegram Slack Discord iMessage …|
│ ↓ |
│ Channel Adapters |
│ ↓ |
│ Gateway 控制平面 |
│ ↓ |
│ Session Manager → Pi Agent Core → Memory 程序 → Tool 执行|
| |
| 人格定义层：SOUL.md | IDENTITY.md | USER.md | TOOLS.md |
| |
|
层：Plugins | ClawHub | MCP Servers |
| |
| 技术栈：Node.js + WebSocket Gateway + Docker Sandbox |
└───────────────────────────────────────────────────────────────┘

Main architectural choices:

1. Gateway 控制平面：
2. Channel Adapter 模式：
3. 三层记忆程序：
4. P人格定义文件：
5. Docker 沙箱：

主要分歧这方面，CLI 原生 vs 全量上下文 —— 成本差距的根源

The two projects differ fundamentally in how y invoke tools and manage context.

OpenCode 的「CLI 原生 + MCP 懒加载」范式

• The core toolset relies on native CLI commands which are already understood by LLMs without extra schema.
• MCP integration uses lazy loading: only server name is injected at startup;individual tool schemas are fetched on demand via MCP_SEARCH.
• This reduces per‑turn token consumption dramatically—empirical tests show a>70% token saving compared to full schema injection.
• The table below illustrates token differences:

操作	CLI 方式 Token 消耗	MCP 方式 Token 消耗	倍数差距
查询 GitHub 仓库语言和协议	≈ 10 Token	≈ 150 Token	15×
获取仓库元数据	≈ 12 Token	≈ 180 Token	15×
文件内容搜索	≈ 8 Token	≈ 120 Token	15×

OpenClaw 的「全量上下文 + 无 RAG」范式

• The system injects all persona files。memory logs,tool definitions,and full JSONL session history into every turn.
• This guarantees consistent personality but incurs huge token costs—often an order of magnitude higher than OpenCode's CLI approach.
• A typical round consumes ~1,200‑1,500 tokens baseline;heavy users can exceed 5,000 tokens per turn.
• A double‑loading bug furr inflates cost by re‑reading bootstrap files.

成本结构对比

OpenCode
+-------------------------------+
| System Prompt | User Msg | CLI Tool | MCP | Generate |
+-------------------------------+
≈ 350 Token/turn
OpenClaw
+--------------------------------------------------------------+
| SOUL+IDENTITY+AGENTS+USER+TOOLS+MEMORY+历史JSONL+MCP Schema|
+--------------------------------------------------------------+
≈ 4。
200 Token/turn

🚧Pain point: 公司在大规模部署时往往忽视每轮对话的 token 基线，以致账单迅速失控。选择前务必对比实际业务频次与预算上限。

架构差异全景对比

	OpenCode	OpenClaw
进程模型	请求‑响应式（按需启动 Server)	守护进程式（Daemon 常驻)
状态管理	No state	有状态
工具调用范式	"CLI 原生 + MCP 懒加载"	"MCP 全量注入 + 自有 RPC"
上下文策略	"最小化。仅传必要信息"	"全量，每轮加载完整人格＋记忆"
单轮 Token 基线	"≈350 Token"	"≈4,200 Token"
可伸缩性	"天然水平 "	"单机，需要额外工程实现水平 "

三、产品经理视角：两种完全不同的产品哲学

OpenCode：「工具型产品」思维

• 使用场景高度垂直：围绕代码读写、调试、执行等专业任务。
•  使用者特点清晰：后端开发者、DevOps 工程师、全栈开发者。不过，
•  价值主张：“自然语言写代码。比手写快 N 倍”，
•  赚钱方式：开源免费，公司版提供私有部署与审计功能。

< td width = "50%">上手极快 )

优势 vs 劣势
场景天花板低，仅限编码相关任务 /tr "> < td width = "50%">模型可切换。无厂商锁定	非开发者难以直接使用 UI /tr "> < td width = "50%">Server + SDK 模式易于集成	Web UI 与桌面端仍在 Beta 阶段 /tr ">

OpenClaw：「网站型产品」思维  

< th colspan=“2” align=“center”＞优势 vs 劣势 < td width=“50%”＞场景天花板极高，可覆盖所有数字化工作流　

< td width=“50%”＞ClawHub生态＋技能市场

< td width=“50%”＞人格系统 SOUL.md 为差异化壁垒

< td width=“50%”＞社区活跃度高

🤝 Pain point: 公司在二次开发前往往不清楚到底要「深耕领域」还是「铺设全场景」，导致项目后期频繁返工。明确自己的业务目标后再决定选哪个底座。

四、二开深水区：如果选它做底座。你会踩哪些坑 

基于 OpenCode 二次开发 —— 搭建公司 AI 开发网站 

你能直接获得什么 

1. 完整的 HTTP API + 自动生成 SDK : 公司无需自行实现 Agent Server，只要调用规范好的 API 即可对接前端或后端程序；.

 The code above intentionally left blank for formatting purposes.

---

---