用 OpenCode 搭建自托管的 AI 智能体环境，并让记忆跨设备共享

HN LLM Code Research 2026-10-12T17:43:05.942432

这篇文章是我在去米兰的火车上用手机规划好的。回到家后，我只打了一个词，它就上线了。下面讲讲背后的搭建过程，先交代一点背景。

如今，前沿模型基本都能通过 API 调用。常见用法是在自己电脑上装一个“外壳”（harness），比如 Claude Code 或 OpenCode，让 AI 智能体通过它操作本地文件、做出修改并产出结果。

单次模型调用本身是无状态的：要想延续之前的讨论，就得把相关上下文喂给它。这些上下文由外壳或模型厂商的 API 负责管理，可能包括对话历史、摘要以及筛选过的信息。很多智能体系统还会用到持久记忆，通常是一些关于重要事实和决策的笔记，能跨对话、跨项目延续。

先解决共享记忆

这个想法让我很感兴趣。我自己的环境太分散了：同时订阅了好几家服务商，网页上有对话，不同机器上各有本地会话，项目工作也散落在各处。

第一个问题就是把记忆在多台机器、多个外壳之间统一起来。我在一个共享文件夹里（我用的是 Dropbox，换成 Google Drive 也完全可以）定了几条记忆布局的基本规则。每个外壳都通过一段自定义指令来读取和更新相关笔记，这段指令写在全局的 AGENTS.md 里，Claude Code 则对应写在 CLAUDE.md 中。

布局本身很简单：

~/dropbox/memory/
├── MEMORY.md            # rules, conventions, links to notes
├── <note>.md            # detailed note on a concept
└── projects/
    └── <project>/
        ├── MEMORY.md    # same as above with short summaries for smaller models
        └── <note>.md    # detailed note on a concept

规则之一是：写入记忆的任何内容都需要手动确认。这样能减少同步冲突，也让记忆保持精简——即使现在上下文窗口很大，花在记忆上的每个 token 都是从实际工作里扣掉的。安全上也说得通，因为写进记忆的东西会同步到每一台读取它的机器和 harness。

在多台机器之间做本地工作时，光靠这一点就帮我解决了大约八成问题——这个数字的精确度嘛，你懂的。

接下来的问题是网页聊天和本地工作之间的切换。如果我坐火车时在某个服务商的网页聊天里开了个话题，等换到本地 harness 就得重新交代一遍背景，因为这些聊天不在我的共享记忆里。于是我开始研究自建一个 agent 环境，希望它能满足：

• 共享记忆：跨会话、跨项目都能用。
• 常驻在线：随时能接着聊工作。
• 跨机器连续：换台机器还能继续讨论、继续干活。
• 模型自由：不被某家专有服务商绑死。
• harness 自由：不依赖某家专有 UI。有了共享记忆，这一条的紧迫性其实已经降低了。

这些要求直接排除了专有的 agent 平台，但开源方案里可选的不止一个。OpenClaw、Agent Zero 和 Hermes Agent 都支持通用 agent、持久记忆和后台任务。它们中的某一个大概就能满足需求，但我还有两点额外考虑。

第一，我已经有一套可用的记忆结构，并且跨多个 harness 共用。我希望新东西能架在这套基础之上，而不是反过来把基础改造成适配新平台的样子。

第二，我想要自由，想往哪个方向扩展就往哪个方向扩展。我想自己掌控安全模型：agent 能访问什么、能在哪里执行命令、如何隔离、哪些操作需要我批准。

预置方案当然可以定制，但我想从第一天起就把边界划清楚。选好并连上这些组件，比把一套打包好的系统改造成我自己的安全模型要省事。

对我来说，一个 Agent（智能体）环境需要这几样东西：一个现成的工作框架（harness）、共享记忆、远程访问，以及 Agent 能活动的边界。我的方案最后很简单：

• OpenCode 跑在一台 VPS（虚拟专用服务器）上，模型通过 OpenRouter 和一个 OpenAI 订阅来调用。

• 我原有的共享记忆，通过无界面的 Dropbox 客户端按固定时间表同步到 VPS。

• OpenCode 自带的网页界面，替我取代了各家的网页版对话。

• 通过 Tailscale 实现私有访问。

边界就是我的安全模型所在：

• 一台 Ubuntu VPS，OpenCode 跑在一个没有 sudo 权限的账号下。

• 不能访问 Tailscale 网络里的其他机器。

• 写入只限工作目录，其他位置只读。

• 除了模型提供商之外没有别的凭证（OpenRouter 的密钥设了用量上限），Dropbox 也是——它跑在另一个账号下，而且只同步记忆文件夹。

• 共享记忆靠 Dropbox 的文件版本历史和定期备份兜底。

这个想法我琢磨了好几天，真正动手实现只花了 90 分钟。方案的设计和实现都是 Opus 5.5 做的，其中大部分时间我都在坚持让它给我能手动执行的指令。大概做到 80% 的时候（又是这个数字），Tailscale 和 OpenCode 都已经跑通了，我放手了，让它自己 SSH 上去把活干完。是的，我知道在前面大谈安全模型之后这么做有点自相矛盾，不过那台机器上本来也没放什么凭证。

这篇文章的选题就是我想出来的，最初的讨论也是通过网页界面进行的。这个博客跑在一套自建的 Node.js 环境上，而我的共享记忆里早就有关于它的内容和风格的笔记，所以 Agent 能直接接手已有的上下文。

初始文本由我提供，然后和 agent 讨论研究方向和结构，再定下撰写和发布的计划，这些内容都存进了博客的 notes 里。整个过程都是在去米兰的火车上，用手机完成的。

回到家后，我在博客项目里新开了一个 Claude Code 会话，敲下 please continue。它根据共享记忆给出了一套实现和部署方案。我接着敲的下一个词是 go。五分钟后，文章就上线了。作为对照，撰写和打磨正文花了两个多小时——这更多说明的是我个人的问题，而不是这套配置的问题。

这正是我想要的连贯性：不管身在何处，都能先把活儿讨论清楚、规划好，之后换一台机器接着干。这也算从实践上验证了我对「不被工具绑架」的要求：规划在 OpenCode 里完成，实现在 Claude Code 里完成，共享记忆则是两者的共同基础。

到目前为止它一直跑得不错，我建议大家也可以试试类似的方案。拿本文里的这些组件当起点，去梳理你自己的需求，拼出一套合适的配置。任何前沿模型都能帮你做调研，并把它搭起来。

现在我已经有一个远程 agent 了，接下来打算再加几个，用来处理后台任务和其他有意思的工作。目标是打造属于我自己的 vicbot ;)

查看原文