Windows 上用 OpenCode？最好还是装个 WSL

事情是这样的。

我之前不是写了篇文章介绍 OpenCode 吗，然后有人问我：Windows 上能用吗？

我说能啊，直接下载安装包就完事了。

但后来我自己试了一下，发现还是得用 WSL。

为什么推荐 WSL

官方文档说的很清楚：虽然 OpenCode 可以直接在 Windows 上运行，但他们推荐用 WSL。

原因有三个：

1. 文件系统性能更好 ， 这个是最关键的。Windows 上的文件操作，特别是那种层层嵌套的代码仓库，速度会比 WSL 慢一截。

2. 终端支持更完整 ， OpenCode 很多操作都依赖终端，WSL 里的终端体验比 Windows 的 cmd 或 PowerShell 好太多。

3. 开发工具兼容性更好 ， OpenCode 依赖的一些工具，在 WSL 里跑起来更顺。

怎么设置

第一步：装 WSL。微软有官方指南，一行命令就搞定。

第二步：在 WSL 里安装 OpenCode。

curl -fsSL https://opencode.ai/install.sh | sh

第三步：打开 WSL，导航到你的项目目录。

cd /mnt/c/your/project/path

注意，Windows 的其他盘符在 WSL 里是这样访问的：

C盘: /mnt/c
D盘: /mnt/d

一个实用的技巧

如果你想用 OpenCode 的图形界面，同时还想用 WSL 的性能，可以这样做：

1. 在 WSL 里启动 OpenCode 的服务器
2. 在 Windows 上用图形界面连接

这样既有图形界面，又有 WSL 的文件性能。

我的建议

如果你主要在 Windows 上开发，我的建议是：别纠结，直接装 WSL。

把代码仓库放在 WSL 的文件系统里（不要放 Windows 的 C/D 盘），然后在 WSL 里跑 OpenCode。

那个流畅度，完全不是一个级别的。

本文介绍在 Windows 上使用 OpenCode 的推荐方式：通过 WSL 运行以获得更好的文件系统性能和终端体验。

在 AI 技术快速迭代的今天，保持持续学习的能力比掌握任何特定的技术都更重要。理解底层原理可以帮助你在遇到新技术时更快地上手，可以在不同的技术方案之间做出更明智的选择。建议开发者建立自己的技术框架，而不是追逐每一个新的工具和框架。实践是最好的学习方式，在真实项目中应用新学到的技术，遇到问题并解决，这种经历比任何教程都更有价值。定期整理和复盘也是很好的习惯。将学到的知识归档整理，形成自己的知识库。当需要用到某个技术时，可以直接从自己的知识库中找到相关的参考，而不是从零开始搜索。

技术的价值不在于它有多前沿，而在于它能在多大程度上解决实际问题。AI 技术的快速迭代不是用来追赶的潮流，而是用来解决业务痛点的工具箱。在实际应用中，有时候简单的方案反而最有效。一个 RAG 系统用了最复杂的检索策略但文档处理没做好，效果不如一个文档处理完善但检索策略简单的系统。一个 Agent 系统用了最贵的模型但 prompt 设计粗糙，效果不如一个精心设计 prompt 的普通模型。建议在追求技术先进性之前，先把基础工作做扎实。文档清洗、数据标注、评测体系、监控告警，这些看似基础的工作，往往是决定 AI 项目成败的关键。

在软件开发领域，有一条经验法则：任何在开发阶段看起来很聪明但让调试变得困难的做法，最终都不是好主意。这条法则在 AI 应用开发中尤其适用。AI 应用的不确定性比传统软件高得多，这意味着调试和排查问题的难度也大得多。因此 AI 应用的设计应该追求简单、透明、可追踪。简单意味着每个组件的职责清晰，组件之间的依赖关系明确。透明意味着系统的每个决策过程都可以被追溯和理解。可追踪意味着每次模型调用、每步推理过程都被记录在案。只有做到了这三条，你才能在系统出现问题时快速定位根因。

AI 项目的技术栈选择决定了开发效率和后期维护的成本。Python 是目前 AI 开发的主流语言，拥有最丰富的生态。TypeScript 在 AI 应用开发中也越来越流行，特别是在需要前后端一体化的场景中。选择技术栈时的核心原则是优先考虑团队熟悉的技术，减少学习成本。框架选择同理，LangChain 功能丰富但复杂度也高，直接调用 API 可能更可控。建议从最简单的方案开始，随着需求复杂度的增加逐步引入框架。过早的框架选择会让系统复杂度不必要地增加。