OpenCode + Aider 開源 AI Coding Agent 完整實戰：中小企業「自架 vs SaaS」採購 5 個訊號 + 60 天評估清單

我們最近在追蹤 Hacker News 與 GitHub Trending，看到 OpenCode 這個開源 coding agent 在六月初衝上 160K 星標，討論熱度蓋過 Aider 與一票既有工具—— 留言區一半在問「跟 Claude Code 差在哪」，另一半在問「能不能完全跑在自家機器、不送任何 token 給 SaaS 廠商」。後者比例之高，是我們半年來看 coding agent 話題裡沒見過的。

把 OpenCode、Aider 這兩個開源派擺在一起看，就會發現一個過去 12 個月一直被 SaaS 廠商蓋過去的事實——中小企業 IT 主管要的不是「最強 coding agent」，是「能放進自家機房、自家 git repo 不外流、token 帳單自己掌握」的 coding agent。 Claude Code、Codex、Cursor 撞牆的地方就在這。

這篇給 3 種人——(1) 中小企業老闆：用 5 個訊號決定要不要把 coding agent 從 SaaS 換成自架；(2) IT 主管：拿 60 天評估清單跑一輪自架 PoC；(3) 採購評估者：用「自架 vs 外接 SaaS」決策矩陣對齊 IT、資安、採購三邊。整篇會把 OpenCode 官網 opencode.ai、OpenCode GitHub repo、Aider 官方文件 三條一手資料連起來看，幫你少走我們公司內部試跑這兩週踩過的坑。

OpenCode 是什麼：HN 160K stars 背後的中小企業 IT 主管在追什麼

OpenCode 是 SST 團隊釋出的開源 terminal-based AI coding agent，定位類似 Claude Code、但完全 MIT 授權、支援 75+ 個 LLM provider（OpenAI / Anthropic / Google / Groq / Together / Ollama / vLLM…）。 它跟 Aider 同屬「終端機派」coding agent，但比 Aider 多了 LSP（Language Server Protocol）整合、4 種介面模式（TUI / CLI / Web / IDE plugin）與 SQLite 持久化 session。我們追了兩週 HN 與 Reddit 討論，看到中小企業 IT 主管真正在意的不是 star 數，是這三件事——

• code base 與 prompt 不送 SaaS：自架後完全 air-gapped 也跑得起來，配合 Ollama / vLLM 拉 Llama 4 / Qwen 3 / DeepSeek V4 全程不出公司網路。
• Provider 自由換：今天用 Claude Opus 4.8，下個月貴了就切 Groq + Llama 4 Maverick，同一份 prompt 不用改。
• Session 持久化：SQLite 存 conversation，跨機器同步，工程師家裡公司無縫接續——這在 SaaS 派要付企業版才有。

Aider 走另一條路——更輕、更老派、更聚焦「git-aware code editing」。Aider 把整個 repo 當成 context、用 SEARCH/REPLACE block 讓 LLM 改檔案、commit 自動帶上 AI 標籤。Aider 沒有 LSP、沒有 4 種介面，但裝起來快、跑起來簡單，Aider GitHub 36K stars 仍在穩定迭代。中小企業選型的時候，OpenCode 偏「想長期自架、團隊 5 人以上」，Aider 偏「個人/2-3 人小團隊、想立刻開跑」。

以企業視角 framing——這波 HN 熱度真正在喊的是「IT、資安、採購三邊先對齊 air-gapped 需求」。 過去 SaaS coding agent 採購大多 IT 自己拍板，現在資安部門開始介入了——因為 code base 一旦含敏感業務邏輯（金流、ERP 客製模組、客戶資料處理 SQL），送去 SaaS 等於送同業看。

SaaS coding agent 撞牆的 3 個訊號

Claude Code、Codex、Cursor 這三家 SaaS coding agent 在過去 12 個月跑得很猛，但今年中我們看到三道牆同時擠上來，中小企業 IT 主管的反應從「真香」變成「等等再評估」。先看是哪三道牆。

延伸閱讀可以先看我們之前寫的 Codex vs Claude Code 全面比較 那篇對 SaaS 派的整理；以及 Anthropic Claude Managed Agents 自架 vs Managed SaaS 6 個決策 那篇對「自架 vs SaaS」決策的整套 framework，這篇是同一條決策軸往 coding agent 切下去。

這三道牆任何一道撞到，都會把採購評估往「開源自架」推。我們公司內部追蹤的客戶詢問裡，今年 5 月開始問「自架 coding agent 可行嗎」的比例從 12% 跳到 38%——很顯然不是 OpenCode 一家在推動，是 SaaS 派自己把市場逼過來。

OpenCode + Aider 開源自架的 5 個關鍵能力

把 OpenCode 跟 Aider 的能力拆開看，會發現他們填補的是 SaaS 派在企業場景一直留下的 5 個缺口。這裡每個能力都附上中小企業實際採購場景怎麼用——

能力 1：LSP（Language Server Protocol）原生整合

OpenCode 跑起來會主動偵測 repo 用的語言、起對應 LSP server（TypeScript / Python / Go / Rust / Java…），讓 agent 改 code 的時候吃得到 type 資訊、function signature、import graph。Aider 沒這個，所以同樣改一個 TypeScript 大型 monorepo，OpenCode 改完 build 一次過的機率高很多。中小企業用 monorepo（Turborepo / Nx）的，這個能力是分水嶺。

能力 2：75+ LLM Provider 自由切換

OpenCode 一行 config 就能切 provider。今天用 Claude Opus 4.8 寫複雜邏輯、明天切 Groq + Llama 4 跑批次重構、週末用 Ollama + Qwen 3 在家裡 air-gapped 改個人專案——同一份 prompt、同一個 session、不用改任何 code。中小企業採購視角看這件事，是「廠商鎖定風險解除」。過去簽 Claude Code 等於押注 Anthropic 三年路線；OpenCode 自架後，任何 provider 出新模型就直接接、不用等廠商支援。

能力 3：air-gapped 完全離線運作

配合 Ollama / vLLM 拉地端模型，OpenCode 可以完全跑在公司內網、不需要任何外網 token。對金融、醫療、政府、製造業 IT 主管，這條是 SaaS 派完全無法給的——再強的 SaaS 模型，code base 一上雲就違反資安政策。Aider 也支援這個（用 Ollama provider），但 Aider 的 SEARCH/REPLACE 流程對 7B 級小模型寬容度比較高，OpenCode 比較吃 70B+ 模型的能力。

能力 4：SQLite session 持久化 + 跨機器同步

OpenCode 把每個 conversation 存在本地 SQLite，可以隨時 resume、可以 export 給隊友、可以塞 git 做版控。工程師早上家裡開了一個 refactor session、下午到公司直接接續、晚上交給夜班同事繼續——這在 SaaS 派要付企業版才有，OpenCode 開源版預設就有。

能力 5：4 種介面（TUI / CLI / Web / IDE）

TUI 給工程師日常用、CLI 給 CI/CD pipeline 自動跑、Web UI 給 PM / QA 開瀏覽器看 session、IDE plugin 給 VS Code / JetBrains 重度使用者。中小企業同一套 agent 服務多個角色，不用每個角色各買一套 SaaS——這是 OpenCode 對採購視角最直接的成本壓縮。

我們的判斷是——3 年後 coding agent 不會是「買哪家」這種單選題，會是「接哪家 + 接哪家 + 哪些跑在自家 GPU 上」這種組合題。 開源派提供的不是「比 SaaS 更強」，是「給你組合自由度」。中小企業 IT 主管真正該問的不是「OpenCode 比 Claude Code 強嗎」，是「我們未來 3 年想長成什麼樣，這套組合自由度值不值這個維運成本」。

中小企業自架 vs 外接 SaaS 決策矩陣 6 維拆解

我們把採購評估者最常問的 6 個維度（資安、成本、token 自由度、廠商鎖定、維運負擔、上手速度）做成一張對照表。這張表不是要說「自架一定贏」，是要說「在你的場景下，哪一邊的代價你願意付」。

這張表的用法是——把你公司的 6 個維度權重列出來（資安 30%、成本 20%、自由度 15%、鎖定 15%、維運 10%、速度 10%），兩邊各打分加權，分差 15% 以上才有結論，分差 < 15% 建議跑 PoC 看實際情況。

延伸看 AI Agent 框架選型 LangGraph / CrewAI / AutoGen / OpenAI SDK 完整指南 那篇對「框架選型 6 維」的拆法跟這篇思路是同一套，差別在那篇講 agent framework、這篇講 coding agent。

60 天落地路線圖：30 天 PoC + 30 天規模化

把 60 天切成兩段——前 30 天做 PoC 驗證能不能跑、後 30 天做規模化驗證能不能省。每段都有「不做就會踩雷」的硬動作，這份清單是我們公司內部試跑 OpenCode + Aider 兩週後整理出來的，按這個順序走 ROI 最穩。

中小企業老闆做這套節奏，KPI 不要設「coding agent 寫了多少行 code」這種虛指標。 真正該抓的是「每月減少 N 名工程師時數（盤點 PR review、bug fix、refactor 三類）」、「每月減少 X USD 外包費用」、「deploy 失敗率降低 Y%」這三個。我們公司內部跑 PoC 的時候，第 4 週才有第一份穩定數據，所以前 4 週不要急著定論。

延伸閱讀 NeMo Agent Toolkit Multi-Framework 整合避鎖定 那篇對「多框架整合避免鎖定」的 60 天清單跟這篇思路是同一套；以及 Dify / Sim / Coze Studio 開源視覺化 Agent Builder 比較 那篇對「視覺化 vs 終端機派」的拆法，可以互相對照。

中小企業現在啟動自架 coding agent 採購的 5 個訊號

這 5 個訊號，命中 2 個以上現在就值得啟動 PoC。命中 3 個以上，建議 60 天內把自架版本架起來——因為 SaaS 派的下一波漲價週期通常是 Q3，等漲完再轉成本會更貴。

5 個自架最容易踩的地雷

這 5 個雷是我們公司內部試跑 OpenCode + Aider 兩週踩過、以及看 HN 與 Reddit 討論裡 IT 主管反覆吐的——按發生頻率排序。

延伸閱讀 NeMo Agent Toolkit HITL 與 Jira ticket 中小企業 AI 審批採購 5 訊號 那篇講「人在迴圈」的審批機制，可以接在第 5 雷後面當補強。

下一步：先做 30 天 PoC，再決定要不要規模化

我們建議的下一步是——先別急著比 OpenCode vs Aider，先做兩件事：(1) 用上面那張 6 維決策矩陣，自家公司打一次分；(2) 找一個願意當 champion 的工程師、起一台帶 GPU 的機器，跑 30 天 PoC。PoC 跑完不爽就回去 SaaS，沉沒成本只有 30 天 + 1 顆 GPU 月租；PoC 跑完爽就接著做 30 天規模化，6 個月內 token 帳單會回本。

想討論自架 coding agent 怎麼放到你的系統、或先看看評估表，可以從 /services/ai-consult AI 顧問 留下現況；想討論把 coding agent 接到既有 ERP / CRM / 客製化系統的人，可以從 /services/customize-web 客製化系統開發 起手。

3 種中小企業實際採購情境拆解：哪一種你現在最像

講完訊號、矩陣、60 天清單，最後一段我們把實戰看到的中小企業情境整理成 3 種典型樣子。中小企業老闆或 IT 主管讀完，可以直接對號入座、知道自己現在站在哪、下一步該往哪個方向跑。

情境 A：8 人 SaaS 軟體公司，產品有金流模組

這類公司的 code base 含信用卡 token 處理、合作銀行 API、客戶身分資料 SQL，資安合規線一直壓著 IT。過去用 Cursor 一年、月費 1200 USD，產品迭代速度提升明顯，但合規顧問每季都會問「code 有沒有送 SaaS」這個問題。我們看到這類公司今年的動作是「敏感 repo 切自架、其他保留 SaaS」——把金流模組與客戶資料處理那兩個 repo 接 OpenCode + Ollama，其他前端與行銷頁繼續用 Cursor。60 天落地成本約 30 萬台幣（H100 工作站 + IT 建置工時），合規顧問那關直接過、Cursor 月費也減半，6 個月內回本。

情境 B：15 人傳統製造業數位轉型團隊

這類公司本來沒在用 coding agent，最近被 CEO 推動數位轉型、想導入「AI 寫程式」。IT 主管調研後發現 Claude Code 月費高、Cursor 也要訂閱費，年化成本超過老闆預期。我們看到這類公司比較適合 Aider 起手——學習曲線低、自架成本低、3 個月內可以證明 ROI。Aider 上手成功之後，第二階段再評估 OpenCode 升級。這條路徑的好處是「先讓 IT 拿到第一個成功案例」，第二輪預算才好申請。

情境 C：25 人新創 SaaS 公司，已用 Claude Code 與 Cursor 一年

這類公司每月 coding agent 月費已經 2500-4000 USD，工程師習慣已養成、團隊速度顯著提升。問題是「再砸錢值不值得」開始變成董事會議題。我們看到這類公司今年的選擇是「混搭路線」——保留 Claude Code 給核心工程師（每月 2 人 × 200 USD = 400 USD），其餘 15 個人切 OpenCode 自架（攤提後人均 60 USD），整體月費砍到 1800 USD、團隊速度幾乎沒掉。這條路徑要 4 週 PoC + 4 週規模化，落地後省下來的預算可以投資到「AI 客服」「自動化 RAG」這類新場景。

HN 與 Medium 討論串裡值得追的 5 條一手聲音

這段把我們追過、寫得有料、值得中小企業 IT 主管再去細讀的 5 條一手討論列出來。看一手討論比看二手摘要快 3 倍——HN 留言裡常常有真實 production 用戶吐 deploy 細節，這類細節整理過的部落格文章很難拿到。

追一手討論的時候，建議重點看「負評」——HN 與 Reddit 的負評通常比正評實在，因為發負評的人寫得越具體越能說服別人，等於變相幫你做了一遍 deploy 風險評估。我們公司內部追新工具的標準動作是「找出該工具最近 30 天的 3 條負評、把它們當成 PoC 設計的 acceptance criteria」。

自架 GPU 硬體規劃：5 人 / 15 人 / 30 人三檔配置

中小企業自架的最大門檻是 GPU 硬體。這段把我們公司內部評估 + 客戶詢問裡看到的 3 檔配置整理出來，幫採購評估者直接拿來估預算。前提是跑 Llama 4 系列或 Qwen 3 系列、用 Ollama 或 vLLM 起 inference server。

買 vs 租 vs 雲端 vLLM，三條路的選法是——想 3 年攤提、團隊穩定 → 買；想 6-12 個月驗證 → 租（台灣有幾家小型 AI infra 公司提供 GPU 月租，30-50K/月起跳）；想用多少付多少、不想養硬體 → 雲端 vLLM（Together AI / Fireworks / Anyscale），按 token 計費、起步成本最低。我們的建議是 PoC 期間用雲端 vLLM，確認 ROI 之後再決定買 vs 租。

多 provider 路由策略：什麼任務派給什麼模型

OpenCode 接 75+ provider 的真正價值，是「不同任務派給不同模型」的成本優化空間。中小企業自架後的下一步，是設計 provider 路由策略——把貴模型留給真正需要的任務，便宜模型跑其他大宗工作。

這套路由策略可以在 OpenCode 的 config 用簡單規則寫——「檔名 match pattern X 用 model A」「prompt 長度 > N 用 model B」「user tag 含 sensitive 用自架」。規則寫好之後，工程師日常用感受不到差別、但月底 token 帳單會差 50-70%。我們公司內部 4 條 OpenCode 流程上線後，第 2 週做完路由優化、月度 token 成本立刻砍 60%。

這套思維跟 Codex vs Claude Code AI coding agent 全面比較 那篇講的「多 agent 並用」是同一條軸——關鍵不是「哪一家最強」，是「怎麼把組合成本壓到最低」。

結語：把「自架選項」放進採購評估的標準動作

這篇是 OpenCode + Aider 開源 coding agent 在 2026 中的全景。中小企業現在不必急著把所有 coding agent 都換成自架，但「自架選項」應該開始被放進採購評估的標準動作裡——做了 6 維決策矩陣、跑了 30 天 PoC、對齊了 IT 資安採購三邊，再決定要全自架、全 SaaS、還是混搭。

HN 160K stars 這個訊號代表的不是「OpenCode 是不是最強」，是「中小企業 IT 主管們想要選擇權了」。選擇權是越早練越值錢的東西，等 3 年後 coding agent stack 多軌並進的時候，現在開始練自架的公司會贏在「能組合任何 stack」這件事上。

想討論 OpenCode 自架評估表、或把 coding agent 接到你的客製化系統，從 /services/ai-consult 留下一句現況，我們把這篇文章背後的決策矩陣 + 60 天清單寄給你。