干掉 Claude Code?OpenCode 强势登场!开发者:这波我全都要!

我决定放弃Claude Code,全面转向OpenCode 在压榨完Sisyphus一天后,感觉体验丝毫不逊于Claude Code,我要让它加快我的新产品开发进程了。 阅读详情

当 Anthropic 的 Claude Code 还在内测排队时,开源的 OpenCode 已经杀疯了!

最近 AI 编程助手赛道可谓是神仙打架,从 GitHub Copilot 到 Cursor,再到今天我们要聊的两个主角——Claude Code 和 OpenCode,整个行业正在经历一场前所未有的变革。

如果你是一名对效率有极致追求的开发者,这篇文章你一定要看到最后。因为这不只是一篇对比文,更是一份 “下一代 AI 编程工作流”的搭建指南。


一、 横空出世的 Claude Code

首先要聊的是由 Anthropic 出品的 Claude Code。这玩意从发布内测开始,就在 Twitter/X 上刷屏了。

1.1 它到底是什么?

Claude Code 不是一个简单的代码补全插件,而是一个终端里的 AI 编程 Agent。

你可以把它理解为:一个拥有 Claude 3.5 Sonnet 全部能力,且能直接操作你文件系统、终端、Git 的超级程序员。

在终端里输入 /claude,然后你只需要说人话:

“帮我修复这个 bug,顺便写一下单元测试,然后把 lint 错误修了。”

Claude Code 就会自己去读取文件、分析代码、执行命令、修改代码、运行测试…… 一套流程全自动完成。

1.2 核心亮点

  • 全上下文理解:它能扫描整个代码仓库,不止是当前打开的文件。
  • 工具调用能力强:原生支持文件编辑、命令执行、代码搜索。
  • 交互式对话:在终端里可以持续对话,修正需求。

1.3 痛点

但是,Claude Code 目前处于内测阶段,需要排队申请。而且作为闭源商业产品,未来的定价、数据隐私、网络要求都是开发者需要考虑的问题。

这就引出了我们今天的主角——OpenCode。


二、 开源黑马:OpenCode

如果说 Claude Code 是苹果的 iOS(封闭但精致),那 OpenCode 就是 Android(开源且自由)。

OpenCode 是一个完全开源的 AI 编程助手框架,它的目标很直接:复刻并超越 Claude Code 的核心体验,同时让开发者拥有完全的控制权。

2.1 安装与上手

安装非常简单,Node.js 环境下一条命令搞定:

npm install -g opencode
# 或者
yarn global add opencode

安装完成后,在项目根目录运行:

opencode

它会自动拉起一个终端交互界面,支持各种主流大模型:

  • OpenAI (GPT-4o, GPT-4 Turbo)
  • Anthropic (Claude 3.5 Sonnet)
  • 本地模型 (Ollama, LM Studio)
  • 国产模型 (通义千问、智谱、Moonshot)

2.2 核心架构解析(干货来了!)

OpenCode 之所以强大,是因为它的架构设计非常巧妙。我把它拆解成了三层:

第一层:Agent 循环

OpenCode 实现了一个高效的 Agent Loop:

用户输入 → 规划(Planning) → 工具调用(Tool Call) → 观察(Observation) → 反思(Reflection) → 下一轮行动

这意味着它不是一次性生成代码,而是会像人类程序员一样:写代码 → 看报错 → 改代码 → 再跑一遍。

第二层:工具系统

OpenCode 内置了一套强大的工具系统,我整理了核心工具表:

工具名称功能描述使用场景
read_file读取指定文件内容理解现有代码逻辑
write_file写入/覆盖文件创建新文件或重构
edit_file精准代码编辑修改函数内部逻辑
search_code语义/正则搜索找到相关代码块
run_terminal执行终端命令运行测试、安装依赖
git_commit自动提交代码版本管理
第三层:自定义扩展

这是 OpenCode 最吸引我的地方。你可以通过简单的配置文件添加自定义工具。

比如我写了一个自动部署的脚本工具:

# .opencode/tools.yaml
- name: deploy_to_vercel
  description: "一键部署到 Vercel"
  command: "vercel --prod"
  require_confirm: true

这样在对话中,我只需要说“帮我部署一下”,它就会自动调用这个工具。


三、 实战对比:谁更香?

理论说再多不如跑个实际场景。我们用一个真实需求来测试:

任务:在一个 React + TypeScript 项目中,将所有 any 类型替换为具体类型,并补充缺失的类型定义。

3.1 Claude Code 表现

> 将项目中所有的 any 类型替换为具体类型

Claude Code: 
1. 扫描 src/ 目录下所有 .tsx 文件
2. 识别到 23 处使用了 any
3. 根据上下文推断类型(如从 props 传递、API 返回等)
4. 批量修改文件
5. 运行 tsc --noEmit 验证
6. 发现有 3 处类型错误,自动修复

耗时:约 45 秒
体验:丝滑,全程无打断,但你看不到具体的思考过程,有点“黑盒”的感觉。

3.2 OpenCode 表现

> 将项目中所有的 any 类型替换为具体类型

OpenCode:
1. [规划] 我将执行以下步骤:
   - 使用 search_code 找出所有含 any 的文件
   - 逐个分析类型上下文
   - 生成修改方案
   - 等待用户确认后执行
2. [执行] 正在搜索...
3. [建议] 在 api.ts 中,我发现 any 来自 axios 响应,建议先定义 ApiResponse<T> 接口
4. [等待] 是否继续?[Y/n]
5. [完成] 已修改 23 处,新增 5 个类型定义

耗时:约 60 秒
体验:透明度高,每一步都能看到 Agent 的思考过程。虽然慢了一点点,但心里踏实。

3.3 对比总结

维度Claude CodeOpenCode
智能化程度⭐⭐⭐⭐⭐ 极高⭐⭐⭐⭐ 较高
可定制性⭐⭐ 几乎为零⭐⭐⭐⭐⭐ 完全开放
数据隐私⭐⭐⭐ 依赖云端⭐⭐⭐⭐⭐ 可全本地部署
模型支持仅 Claude支持 20+ 模型
价格待定(预计付费)免费 + 自带 API Key
上手门槛低中(需配置模型 Key)

四、 高级玩法:让 OpenCode 成为你的专属架构师

作为一个喜欢折腾的开发者,我基于 OpenCode 搭建了一套 “全自动重构工作流”,这里分享给大家。

4.1 配置自定义指令

在项目根目录创建 .opencode/commands.yaml:

commands:
  - name: "重构组件"
    prompt: |
      请分析当前组件的代码结构,提出以下优化建议:
      1. 拆分过大的组件
      2. 提取重复逻辑为自定义 Hook
      3. 优化渲染性能(React.memo, useMemo)
      4. 补充缺失的 PropTypes 或 TypeScript 类型
      请先生成方案,等我确认后再执行。
      
  - name: "生成 API 文档"
    prompt: |
      读取 src/api/ 目录下的所有文件,基于 JSDoc 注释生成 API 文档,
      输出到 docs/api.md,格式参考 OpenAPI 规范。

使用时只需输入 /重构组件 即可触发。

4.2 接入本地模型(免费!)

如果你担心 API 费用,或者公司有数据安全要求,OpenCode 支持 Ollama:

# 先启动 Ollama 服务
ollama run codellama:34b

# 配置 OpenCode
opencode config set model ollama/codellama:34b
opencode config set endpoint http://localhost:11434

这样就能完全离线使用,虽然响应速度稍慢,但零成本、全隐私。

4.3 与 Git 工作流集成

我写了一个 Git 自动提交的钩子:

# .opencode/hooks/post-edit.sh
#!/bin/bash
echo "代码已修改,是否提交?"
select yn in "Yes" "No"; do
    case $yn in
        Yes ) git add .; git commit -m "refactor: AI-assisted refactoring"; break;;
        No ) exit;;
    esac
done

五、 开发者该怎么选?

聊了这么多,你可能会问:到底该用哪个?

我的建议是:

选择 Claude Code 如果:

  • 你是 Anthropic 生态 的重度用户
  • 追求极致的“开箱即用”体验
  • 不想折腾配置,愿意为效率付费
  • 网络条件良好,可以稳定访问 Claude API

选择 OpenCode 如果:

  • 你是 开源爱好者,喜欢掌控一切
  • 需要接入国产模型(通义、智谱等)或本地模型
  • 项目涉及敏感数据,必须本地部署
  • 想要自定义工作流,打造专属 AI 助手
  • 目前预算有限,不想订阅太多服务

六、 未来展望

目前这两个项目都还在快速迭代中。Claude Code 背靠 Anthropic 的顶级模型能力,体验确实一流;而 OpenCode 凭借开源生态和灵活性,正在吸引越来越多的开发者贡献。

我个人认为,未来的趋势是:核心能力由大模型提供,工作流由开源工具编排。就像当年 IDE 大战一样,最终胜出的不一定是功能最多的,而是生态最开放、最懂开发者需求的。


写在最后

无论是 Claude Code 还是 OpenCode,它们都代表了同一个方向:AI 正在从“代码补全”走向“代码代理”。

未来的程序员,可能不再是“写代码的人”,而是 “管理 AI 程序员的人”。你不需要知道每一行代码怎么写,但你需要知道如何给 AI 下达正确的指令,如何审核 AI 的输出,如何将 AI 集成到工程化流程中。

所以,别再纠结“哪个最好”了。两个都装上,哪个顺手用哪个。毕竟,小孩子才做选择,成年人的世界是:

我全都要!


AI编程IDE 以及。它们各有侧重,适合不同的开发习惯和场景。 阅读详情

相关推荐

SAP SD模块进阶:VA31和VA01底层竟是同一个BAPI?揭秘销售单据创建的统一逻辑

本文深入解析SAP SD模块中VA31和VA01的底层统一架构设计,揭示两者如何通过同一个BAPI `SD_SALESDOCUMENT_CREATE`实现销售单据创建。通过ABAP调试和参数化设计分析,展示了SAP如何利用单据类型(doc_type)等关键字段实现业务逻辑复用,为开发者提供配置化设计的重要启示。

weixin_30561177的博客 245

推荐几款实用的Android Studio 插件

1、android-butterknife-zelezny android-butterknife-zelezny 是根据butterknife定制的一款插件,能够方便快速初始化,对于我来说是开发必备,本人也对此插件进行了一些优化,个人感觉用起来更爽 ,博客地址:ButterknifePlugin 2、Gsonformat 可根据json数据快速生成java实体类 简单

feitianlian的博客 801

企业AI选型大揭秘:扣子(Coze) Bot与微信对话开放平台深度剖析

本文对比分析了字节跳动的扣子(Coze)Bot和腾讯的微信对话开放平台两款AI聊天机器人解决方案。扣子(Coze)Bot凭借强大的大模型支持、丰富的插件生态、低代码开发及多平台部署能力,在功能丰富度和灵活性方面表现突出,适合技术实力强、业务场景复杂的企业。微信对话开放平台则依托微信生态优势,在客户服务和营销推广场景中更具优势,其零门槛接入方式更适合技术能力较弱的企业。企业在选型时应综合考虑规模、预算、业务场景和技术能力等因素,选择最适合的AI解决方案,以充分发挥AI技术价值,提升企业竞争力。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 435

Android Studio 接入 CodeX 的全面指南

摘要: 本文详细介绍了在Android Studio中接入OpenAI Codex的两种方案。方案一推荐使用第三方AI编程插件(如CodeGeeX、通义灵码),通过配置OpenAI API密钥实现代码生成与优化功能;方案二则通过Codex CLI命令行工具,适合需要深度定制的开发者。文章还提供了核心配置技巧(如创建AGENTS.md文件优化上下文)、常见问题解决方案,并对比了不同方案的适用场景。随着GPT-5等模型的迭代,未来AI编程辅助将更深度集成到开发环境中。

独坐一隅,凝神遐想,是种幸福! —— 独隅 5230

【全局路径规划模块运动学算法】无人机Kinodynamic A*算法、Kinodynamic RRT*算法(附C++代码)

认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长!本文先对Kinodynamic A*算法做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章提示:以下是本篇文章正文内容啃这个Kinodynamic A_star算法,建议先啃一啃高飞fast_planner那篇论文,把理论打好,如果还是比较迷,就先看Dijksta、再看A_star、再看hybrid A_star 三个的流程,因为往上资料比较多,再看这个Kinodynamic A_star算法,流程已经很相像了。如果。

qq_35635374的博客 2604

音频链路分析

音频链路分析摘要 本文分析了蓝牙音频设备(BES2700)的音频传输链路,主要包括通话和音乐播放两种场景: 通话链路: 下行:蓝牙接收数据→解码→通过Codec输出到扬声器 上行:麦克风采集→Codec处理→蓝牙编码发送 音乐播放链路: 通过A2DP协议接收高质量音频数据 经过解码、EQ调节等音频处理后输出 系统采用多线程消息机制处理音频任务,通过mailbox传递控制消息,由回调函数处理具体音频数据流。不同应用场景使用不同的蓝牙协议栈(HFP/HSP用于通话,A2DP用于媒体)和编码方式(mSBC/SBC

云淡风轻 88

opencode高阶用法:远程移动端驱动本地Agent部署方案

本文介绍了如何在星图GPU平台上自动化部署opencode镜像,构建远程移动端驱动的本地AI编程助手。通过该方案,开发者可在手机端发起指令,由本地运行的opencode处理代码补全、错误诊断与重构等任务,实现隐私安全、低延迟的跨设备编程协作。

weixin_42594419的博客 935

MIMO-OFDM通信系统性能仿真及MATLAB实现

将MIMO和OFDM技术结合起来,可以充分利用两者的优点,进一步提高无线通信系统的性能。在MIMO-OFDM系统中,多个天线同时发射多个子载波,称为多天线多载波(MIMO-OFDM)系统。随着无线通信技术的不断发展,MIMO-OFDM技术因其高效、可靠和适应性等优点已被广泛应用于新一代通信系统中。本篇文章旨在介绍MIMO-OFDM通信系统的基本原理及其性能评估方法,并结合MATLAB提供相关代码实现。本篇文章介绍了MIMO-OFDM通信系统的基本原理和性能评估方法,并结合MATLAB提供了相关的实现代码。

学习使你进步。 2219

【AI开发】—— OpenCode的安装与使用

《开源AI编码助手OpenCode全攻略》摘要: 本文详细介绍了开源AI编程工具OpenCode的完整使用流程。首先强调安装前的两项准备:选择适配的终端模拟器(推荐WezTerm/Alacritty)和获取LLM API密钥(新手建议用OpenCode Zen)。接着提供多平台安装方案,包括通用一键脚本、Node包管理器、系统专属方案(Homebrew/Chocolatey等)及Docker临时方案。最后指导用户完成API密钥配置和项目初始化,通过终端交互界面连接AI能力,使OpenCode能深度理解代码结

花间相见的博客 2514

vue2/3 - 详细对接海康监控实时视频预览和录像回放功能,vue接入使用海康视频监控播放器实时推流等功能,支持hik/rtsp/rtmp/hls/ws取流协议(详细教程与示例代码,一键复制开箱即用

vue2,vue3,海康,vue海康视频监控,海康开放平台,如何接入海康的实时监控,海康威视,Vue实现海康监控视频播放,vue3对接海康视频监控播放、回放的方法流程,实现海康H5视频插件播放视频的实例,web网页接入海康,海康威视的视频vue的录像回放和实时预览,前端vue3项目接入海康威视h5player.js播放器,vue2接入海康威视视频监控平台,使用海康监控H5视频播放,对接海康视频监控,海康视频web插件,web前端在vue中通过海康插件嵌入视频,实现实时预览,vue3海康监控播放器组件,vue

✅ 精选推荐文章 1万+

YOLOv11训练命令完全指南:从核心参数解析到高级调优实战(数据配置、epochs设定、batch-size优化与img-size调整)(二)

本文介绍了YOLOv11训练命令的完整配置与解析,提供了基础训练命令示例及参数详解。示例命令包含数据集配置(coco.yaml)、训练轮次(300)、批次大小(64)、图像尺寸(640)等核心参数,以及优化器(AdamW)、学习率(0.001)等调优选项。通过代码实现展示了训练器的初始化流程,包括参数解析、设备设置、数据加载和模型创建等关键步骤,为YOLOv11模型训练提供了实用指导。

本博客聚焦 YOLOv11 全流程落地,涵盖架构优化、数据集处理、训练技巧与多场景部署,兼及国产数据库、Java 开发与 AI 模型应用,内容兼顾理论与工程实践,为开发者提供系统干货,助力高效提升技术能力。 1096

解析华为 DevEco Code 和小米 MiMo Code,都基于 OpenCode ,有什么区别?

所以,MiMo-Code 是把 OpenCode 改造成更强大、更有记忆、更适合长程任务的通用自主 Agent,而 DevEco Code 是把 OpenCode 改造成专为 HarmonyOS 开发者服务的垂直工程 Agent。虽然都是基于 OpenCode,但技术路线几乎不重叠,MiMo 强化的是“Agent 自治能力”,DevEco 强化的是“鸿蒙工程落地能力”。至于为什么它们不直接用 OpenCode 然后合并回上游?

恋猫de小郭的博客 967

Qt Quick/QML入门到精通_专栏demo对应文章目录(目前50个左右demo/长期更新)

自定义图标下拉列表框的效果如下所示:自定义三态按钮的效果如下所示:传送门:53.qt quick-自定义三态按钮、自定义图标下拉列表框_诺谦的博客-优快云博客传送门:59.qt quick-qml调色板(颜色取色器)实现、自定义QQuickStyle样式_诺谦的博客-优快云博客63.qt quick-QML侧边滑动栏(不需要任何图片资源,支持自定义左右方向和大小)_诺谦的博客-优快云博客_qt实现好看侧边栏。...

抵抗时间扭曲,坚持做一件有意义的事 2万+

opencode远程调试教程:手机控制本地Agent执行代码任务

本文介绍了如何在星图GPU平台上自动化部署opencode镜像,实现手机远程控制本地Agent执行代码任务。用户可通过手机扫码连接,发起自然语言指令(如生成日志分析脚本),由本地Agent完成代码编写、执行与结果回传,适用于移动场景下的轻量级AI编程调试。

weixin_42611177的博客 1464

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

OpenCode推理路由:AI辅助游戏开发实战,低成本构建Android猜拳游戏

AI编程助手正成为提升开发效率的关键工具,其核心原理在于通过自然语言理解与代码生成技术,将开发者的意图转化为可执行代码。在游戏开发领域,这一技术的价值尤为突出,它能显著降低原型验证阶段的技术门槛与时间成本,使独立开发者或小型团队能够快速将创意转化为可运行的产品。OpenCode的“推理路由”功能,通过任务分解、技术栈建议与跨文件上下文关联,实现了从需求澄清到代码实现的连贯工作流。本文以构建Android平台猜拳游戏为例,深入探讨了如何利用该功能协同生成游戏逻辑、UI及事件处理代码,并分享了在复杂机制设计(如

weixin_30595035的博客 508

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

opencode支持移动端控制?远程驱动本地Agent部署案例

本文介绍了基于星图GPU平台自动化部署opencode镜像的实践方案。通过该平台可快速搭建OpenCode服务,实现移动端远程驱动本地AI Agent,典型应用于私有化环境下的模型微调与代码生成任务,兼顾高效开发与数据安全需求。

weixin_34547628的博客 1143

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

OpenCode + oh-my-opencode:开源AI编程的终极组合

OpenCode是一款开源AI编程助手,支持多种主流AI模型,提供终端TUI和桌面端两种使用方式。相比Claude Code,OpenCode更灵活、免费且支持多模型切换。其核心优势包括:1)完全开源;2)支持GPT、Claude、Gemini等主流模型;3)提供可视化终端界面;4)通过oh-my-opencode插件实现多Agent并行处理、智能上下文管理等高级功能。安装配置简单,适合开发者自由选择AI模型进行编程辅助。

lovely_yoshino的博客 5535

Zed 编辑器深度解析:当「实时协同」不再是 IDE 的附加功能,而是编辑器的底层契约

Zed 把实时协同从外挂功能变成编辑器内核契约:基于 CRDT 与 Tree-sitter,实现字符级、AST 感知的毫秒级同步,局域网光标延迟低于 15ms,带宽占用极低且支持离线合并。它用 Rust 与 GPU 渲染换取确定性与性能,代价是放弃 VS Code 插件生态。

2601_94912102的博客 249

Pytorch【10】卷积神经网络CNN实战|卷积、池化、padding、stride,CNN训练MNIST

上一篇我们用全连接层完成MNIST分类。把28×28二维图像直接Flatten成一维向量,丢失像素之间空间位置关系参数数量巨大,容易过拟合卷积层Conv、池化层Pool、激活函数卷积:滑动卷积核提取局部特征;池化:降采样、压缩特征图,减少计算量。局部感受野:卷积核只看一小块区域,符合图像特征局部相关性权值共享:一张图共用同一套卷积核,大幅减少参数量平移不变性:同一个特征,在图里左右移动依然可以被识别。

Beforthing的博客 157

PCIe 7.0 协议栈深度解析:从 TLP 事务层、FLIT/PAM4 物理编码到 IDE 加密链路,AI 服务器的 I/O 底座如何决定算力上限

PCIe 7.0 通过 PAM4 调制与 FLIT 编码实现单通道 128 GT/s,带宽逼近 242 GB/s(x16),但实际有效吞吐受 TLP 头部开销、信用流控、标签数量及重传机制制约。AI 服务器中,细碎 DMA 导致头部占比飙升,而 10-bit Tag 空间(Gen5)仅支持约 393 KB 在途数据,成为并发读写瓶颈。结合 MPS/MRRS 配置、ATS 地址翻译延迟与 IDE 加密链路开销,实测带宽常仅为标称值的 60%~85%。掌握 TLP 结构、信用机制与协议栈逐层损耗,方能精准定位性

我的博客 257

JetBrains IDE带来全新音效体验

其实,很多时候技术圈很容易忽略“声音”这个维度。但对于我们这些一天十几个小时盯着屏幕的人来说,多一个感官的反馈,就意味着多一份注意力保护。把眼睛从无休止的进度条和日志里解放出来,让你的耳朵帮你分担一点压力。这大概是 JetBrains 在狂堆 AI 功能之外,做的最具有“人情味”的一次更新了。准备好给你的 IDE 调个音了吗?

weixin_44058951的博客 426

Cursor + IntelliJ IDEA = OpenIDEA?这个Rust开源IDE有点东西

是一个开源的集成开发环境(IDE),设计目标是在保留 IntelliJ IDEA 优秀开发体验的同时,通过原生架构实现更高性能、更低资源占用和更开放的生态。OpenIDEA 项目仍然处于快速发展阶段,插件生态和语言支持成熟度暂时还无法与 JetBrains 系列相比,暂时不建议立即替代生产环境。

Tony.Dong的专栏 433

主流AI编程智能体算力架构实测:8大平台模型费率分析与本地配置避坑指南

本文深度评测华为云、智谱、商汤等8大AI编程平台,剖析其算力配额、模型费率与获取路径。核心结论:构建多平台算力储备池可实现低成本高吞吐开发。推荐策略包括:利用免费模型(如GLM-5.3-Flash)、完成三端协同领9000积分、夜间低峰调用3亿Token、通过学生认证获额外奖励,并善用零费率通道与每日签到积分。实测显示,合理配置可使算力成本降低70%以上,显著提升开发效率。

艺杯羹的博客 206

【AI编程】AI⼯具链全景

✌全网粉丝24W+,优快云博客专家、Java领域优质创作者,掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域✌。

No8g攻城狮的博客 252

AI编程技术拆解(11月8日)|昨天下午聊到第十六轮,四十张待确认单混进对账单,多算18640块

昨天下午三点,我在改一个对账单导出。前面已经聊了十五轮,口径攒了六条:金额四舍五入到分、空值填零、跨月拆两行、客户名去空格、日期只留到天、只汇已确认的单。第十六轮,我让它加一栏"按客户汇总"。它回了一句:对话较长,较早的内容已压缩。我没当回事,接着改,导出后翻了头一页,看着都对,就发给了财务。今天上午九点,财务说总额比系统里多了 18640 元。三个人查到中午,翻出四十张待确认的单,全被算进了汇总。那六条口径是我一条一条说过的,怎么就少了一条?

李文慧 中国开源充电桩平台第一人;李文慧 国内知名开源工作者 全栈工程师 华为云最具价值专家 27
上一篇: 一键生成AI视频!Spring Cloud微服务架构的AgentAlVideo平台开源啦!
下一篇: MacBook Pro Intel 芯片版:Node.js + Claude Code + OpenCode 完全安装指南
Java_ESS
博客等级 码龄7年 97粉丝 25原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值