https://zenn.dev/jtcc/articles/7e74fef42580a1

AI 编程工具卷起来了。 继前几日 Op…

AI 编程工具卷起来了。 继前几日 Op…

Der Open-Source AI-Coding-Agent OpenCode lässt sich nicht nur mit den üblichen Cloud-Anbietern, sondern auch mit lokalen bzw. selbst gehosteten Sprachmodellen nutzen. Dazu kann beispielsweise Ollama über dessen _OpenAI_ -kompatible API angebunden werden. OpenCode Desktop unter macOS In Verbindung mit bestimmten Modellen wie dem _qwen3-coder:30b_ zeigte sich allerdings ein interessantes Problem. Tool-Aufrufe funktionieren nicht, da sie oft als Klartext ausgeben und nicht korrekt interpretiert werden. Probleme mit Tool-Aufrufen sind im OpenCode-Projekt bereits länger bekannt und diskutiert. Ob das verwendete Modell grundsätzlich Tool-Aufrufe unterstützt, lässt sich mit: ollama show qwen3-coder:30b überprüfen. Unter _Capabilities_ sollte hierbei unter anderem: tools aufgeführt sein. Ist dies der Fall und funktionieren die Werkzeuge in _OpenCode_ trotzdem nicht zuverlässig, kann die Ursache im von _Ollama_ verwendeten Kontextfenster liegen. _OpenCode_ benötigt für agentisches Arbeiten vergleichsweise viel Kontext. Neben der eigentlichen Unterhaltung befinden sich dort unter anderem der System-Prompt und die Beschreibungen der zur Verfügung stehenden Werkzeuge. Ist das Kontextfenster zu klein, können Tool-Aufrufe dadurch nicht mehr zuverlässig funktionieren. Auch die OpenCode-Dokumentation weist bei Problemen mit Tool Calls in Verbindung mit Ollama darauf hin, _num_ctx_ zu erhöhen. Wird _Ollama_ allerdings über die _OpenAI_ -kompatible Schnittstelle von _OpenCode_ angesprochen, lässt sich _num_ctx_ nicht ohne Weiteres zuverlässig über die _OpenCode_ -Konfiguration setzen. Als Workaround kann deshalb ein eigenes _Ollama_ -Modell mit fest eingestellter Kontextgröße angelegt werden. Dazu wird das gewünschte Modell zunächst gestartet: ollama run qwen3-coder:30b Anschließend wird die Kontextgröße gesetzt: /set parameter num_ctx 131072 und die Konfiguration unter einem neuen Modellnamen gespeichert: /save qwen3-coder:30b-128k /bye Damit existiert neben dem ursprünglichen Modell nun eine Variante, bei welcher das größere Kontextfenster fest hinterlegt ist. Die Größe muss nicht zwangsläufig 128K betragen. Für Tool-Aufrufe empfiehlt _OpenCode_ eine Erhöhung in den Bereich von 16K bis 32K. Bei entsprechend verfügbarem Speicher kann für längere Coding-Sitzungen allerdings auch ein deutlich größeres Kontextfenster sinnvoll sein. In _OpenCode_ muss anschließend das neu angelegte Modell konfiguriert werden: nano ~/.config/opencode/opencode.json Eine entsprechende Konfiguration kann beispielsweise wie folgt aussehen: { "$schema": "https://opencode.ai/config.json", "provider": { "remote-ollama": { "npm": "@ai-sdk/openai-compatible", "name": "Remote Ollama", "options": { "baseURL": "https://example.org/ollama/v1", "headers": { "Authorization": "Bearer secret-token-123" } }, "models": { "qwen3-coder:30b-128k": { "name": "Qwen3 Coder 30B 128K", "tools": true, "limit": { "context": 131072, "output": 16384 } } } } }, "model": "remote-ollama/qwen3-coder:30b-128k" } Wichtig ist hierbei die Unterscheidung zwischen den beiden Konfigurationen. Mit: "limit": { "context": 131072, "output": 16384 } wird _OpenCode_ mitgeteilt, welche Grenzen das Modell besitzt. Dadurch wird allerdings nicht die tatsächliche Kontextgröße gesetzt, diese wurde stattdessen im neuen Modell angelegt. Nach einem Neustart von _OpenCode_ kann das Tooling beispielsweise mit: > Erstelle eine Datei todo.md mit exakt dem Inhalt ‚hello world‘. getestet werden. Wird die Datei tatsächlich über die _OpenCode_ -Werkzeuge angelegt, funktionieren die Tool-Aufrufe. Da sich _OpenCode_ und die Anbindung lokaler Modelle derzeit schnell weiterentwickeln, kann es allerdings auch mit dieser Konfiguration zu Problemen mit Tool-Aufrufen kommen, die andere Ursachen haben.

Datadog Security Labs discovered GHSA-632h-h47v-g4x4, a vulnerability in OpenCode's upgrade endpoint that, under certain conditions, allowed malicious webpages to execute code on developers' machines.

Introduction I had an Azure model deployment, an endpoint, and an API key. Getting that model into OpenCode looked like a configuration task: register a...

Web, Desktop & Mobile client and orchestrator for Codex, Claude Code, OpenCode, Pi, Cursor, Grok, Antigravity, Kimi, Augment Code, Qwen, fully end-to-end encrypted - happier-dev/happier

なあに学生がそんなに課金するこたあねぇ OpenCode Goの10ドルで無料のキャンペーンモデルかステルスモデルを使い倒すくらいになりなよ

Hello, It’s been a long time I read resources in this forum and learn about privacy (what to check and why mainly). But, today I feel I need to ask my direct question : My take on llm is : Local ai are the most private, but to get a good level of tool it feels like the hardwareconfiguration start level is high. Today, I’m using opencode with open Z models with free use (I know it is not my best idea but it was easy and interesting). I’m not discussing or researching personnal matters. I want an ai buttler that can help me manage my home network. it helped me make an immich auto backup to proton drive that was smthing I found very hard to do… My question is : if asking general coding Q to an ai → I feel it is ok to use a free tool. The problem with opencode and its strengh is that it can take small tasks, plan them and execute them. if my task is say “sort out my photos duplicates and propose a new architecture of folders” Can it send pictures data to the cloud, can it use files titles and text and network information to profile and send to the cloud ? have I well understood the risk of such tools or is my use OK for freemium ? Thanks in advance for your help in disambiguate my approach of this question

Gratis, con 1M de tokens de contexto y sin dueño confirmado. Repasamos toda la evidencia sobre quién está detrás de Space Bunny.

Cloudflare AI Gateway models now honor provider response and stream timeouts. (@danlapid); MCP browser launch failures are now reported when the launcher exits immediately.; Debug configuration output now redacts credentials and sensitive headers.; Gemini thinking defaults and effort options now…