Модуль 0
Почему агенты и почему OpenCode
Чем агент отличается от чат-бота и автодополнения, что умеет класс терминальных агентов и почему весь курс проходит на OpenCode.
Содержание модуля
Чему научишься
- сравнивать восемь терминальных агентов по лицензии, моделям и цене и выбирать подходящего
- разбирать диалог агента и определять в нём модель, инструменты и контекст
- объяснять по диалогу, как агент нашёл баг отрицательного quantity в POST /api/orders
Автодополнение в редакторе (Copilot, Cursor в режиме таба) подсказывает следующую строку. Чат-бот (ChatGPT в браузере) отвечает на вопросы, но не видит твой проект и ничего в нём не делает. Агент работает иначе: он читает файлы твоего репозитория, сам запускает команды, правит код и проверяет результат. Ты ставишь задачу словами, агент выполняет её в проекте, а ты контролируешь результат.
Внутри агента три части. Модель: та же LLM, что в чат-ботах, она рассуждает и решает, что делать дальше. Инструменты: прочитать файл, выполнить команду в shell, найти по регулярке, открыть URL. Контекст: всё, что модель видит в момент решения (системный промпт, файлы проекта, история диалога).
Цикл простой: агент читает задачу, вызывает инструмент, смотрит результат, вызывает следующий, пока не закончит. Поэтому агент проверяет: попросишь «почини тест» — он сначала прочитает тест, запустит его, найдёт падение, поправит код и запустит снова. Чат-бот на это способен, только если ты руками переносишь всё туда-обратно.
POST /api/orders принимает quantity: −2 и выдаёт отрицательную сумму. Найди причину.
Читаю src/routes/orders.ts и src/services/pricing.ts… В POST /api/orders нет проверки quantity: валидируются только customer и непустой items. В orderTotal цена умножается на quantity без ограничений, поэтому −2 × 320 = −640. Показать план фикса?
Да. Сначала план, без правок файлов.
План: 1) в POST /api/orders добавить проверку каждого item: quantity целое и не меньше 1; 2) при нарушении вернуть 400 с описанием; 3) добавить тест на отрицательное количество. Жду подтверждения, файлов не менял.
Баг с отрицательным quantity — не выдумка для примера: он посажен в учебный проект orders-api, который появится в модуле 1. В модуле 2 ты починишь его сам: воспроизведёшь curl-запросом, разберёшь причину с агентом, применишь фикс и проверишь результат.
Восемь терминальных агентов
Терминальные кодинг-агенты стали отдельным классом инструментов, и почти у каждого вендора есть свой. Различия, которые важны при выборе: открыт ли код, к каким моделям агент привязан и как за него платишь. Данные — на октябрь 2026, цены меняются, сверяйся с сайтами.
| Агент | Вендор | Код | Модели | Оплата | AGENTS.md |
|---|---|---|---|---|---|
| OpenCode | Anomaly | open source, MIT | любые: 75+ провайдеров и локальные | агент бесплатен, платишь за модели | да |
| Codex CLI | OpenAI | клиент Apache-2.0 | только OpenAI | планы ChatGPT, от Free до Pro | да |
| Claude Code | Anthropic | закрыт | Claude (+ Bedrock, Vertex) | Pro $20, Max $100–200 в месяц | да (приоритет CLAUDE.md) |
| ZCode | Z.ai | закрыт | GLM | GLM Coding Plan от $12.60 в месяц | да |
| Gemini CLI | Apache-2.0 | только Gemini | free-тариф ~1000 запросов в день | да (+GEMINI.md) | |
| Cursor CLI | Anysphere | закрыт | пул моделей Cursor | Pro $20, Ultra $200 в месяц | да |
| Cline | Cline Bot | Apache-2.0 | любые (BYOK) | BYOK; подписка ClinePass $9.99 | да |
| Aider | Aider-AI | Apache-2.0 | любые (BYOK) | бесплатно, платишь провайдеру | частично |
Почему курс проходит на OpenCode
Первая причина: код открыт лицензией MIT, продукт не привязан к одному вендору моделей и работает с 75+ провайдерами и локальными моделями, поэтому курс проходит на бесплатных моделях и не требует покупок.
Вторая причина: навыки не запираются в одном инструменте. Если на работе дают Claude Code или Codex, AGENTS.md и опыт переезжают с тобой (таблица соответствий есть в модуле 11).
Третья причина: OpenCode живёт в терминале, терминал одинаков у разработчика, тестировщика и аналитика, поэтому отдельный IDE не нужен. Переходим к практике: в модуле 1 ты установишь OpenCode, подключишь модель и задашь первый вопрос коду учебного проекта.
Сделай сам
Отмечено 0 из 4
Проверь себя
Вопрос 1 из 4
Шпаргалка модуля
Термины
- Агент
- LLM с инструментами: читает проект, выполняет действия, проверяет результат
- Инструменты
- Действия агента: чтение файлов, shell, поиск, web
- Контекст
- Всё, что модель видит: промпт, файлы, история диалога
- AGENTS.md
- Файл инструкций проекта, открытый стандарт для всех агентов