新手想問Qwen3.8-27B搭配opencode的問題
-
code X 开源了。或用DSH。
个人推荐 DSH。未来发展潜力更大。 -
你的llama-server是什么版本？ 我一直用opencode + 最新的 llama-server 搭配3.6 3.8的27B来干活，没有出现你说的问题。
注意配置文件opencode.json中，设置你的模型 provider -> llama.cpp -> models 配置qwen3.8 模型时加上
"limit": {
"context": 204800, <==这里用你的llama-server的上下文长度，不然干长时间任务可能超出
"output": 65535
},
至于其它的设置按照qwen3.8的说明来配置就行。qwen3.8的能力很强的，花点时间用起来值得的。
3.8对比3.6 给我最大的惊喜是，开发完之后，会按照需求进行详细测试。全栈应用上开发完成之后，会自动的调用浏览器进行端到端的测试，有兴趣的坛友可以给opencode提供playwright-cli技能。 -
你的llama-server是什么版本？ 我一直用opencode + 最新的 llama-server 搭配3.6 3.8的27B来干活，没有出现你说的问题。
注意配置文件opencode.json中，设置你的模型 provider -> llama.cpp -> models 配置qwen3.8 模型时加上
"limit": {
"context": 204800, <==这里用你的llama-server的上下文长度，不然干长时间任务可能超出
"output": 65535
},
至于其它的设置按照qwen3.8的说明来配置就行。qwen3.8的能力很强的，花点时间用起来值得的。
3.8对比3.6 给我最大的惊喜是，开发完之后，会按照需求进行详细测试。全栈应用上开发完成之后，会自动的调用浏览器进行端到端的测试，有兴趣的坛友可以给opencode提供playwright-cli技能。你的llama-server是什么版本？ 我一直用opencode + 最新的 llama-server 搭配3.6 3.8的27B来干活，没有出现你说的问题。
注意配置文件opencode.json中，设置你的模型 provider -> llama.cpp -> models 配置qwen3.8 模型时加上
"limit": {
"context": 204800, <==这里用你的llama-server的上下文长度，不然干长时间任务可能超出
"output": 65535
},
至于其它的设置按照qwen3.8的说明来配置就行。qwen3.8的能力很强的，花点时间用起来值得的。
3.8对比3.6 给我最大的惊喜是，开发完之后，会按照需求进行详细测试。全栈应用上开发完成之后，会自动的调用浏览器进行端到端的测试，有兴趣的坛友可以给opencode提供playwright-cli技能。b10630的版本
我配置是一台主電腦跑7900XTX(Win10)開llama.cpp 另一台小電腦用WSL開opencode網路連線連接到主電腦使用
確定opencode有連上llama.cpp 主電腦上的log有顯示收到task
上下文開了128K 但是連送個test的提示詞都是空白回應 應該不是因為上下文爆了 -
既然版本比较新，无需设置--chat-template-file，会自动提取，去掉 --jinja ^
--chat-template-file chat_template.jinja ^
--reasoning-format deepseek ^ 这三个参数试试， 尤其最后一个。 -
推薦搭配 https://pi.dev/ Qwen3.8-27B 體驗下來比較好
-
用VS Code搭配Zoo code(Woo code社群維護版)分功能大項分析以後重寫
導入資料庫格式讓Zoo 照著修正
產生出來的成品...零可用性
對這個結果也不意外就是本來就是因為程式碼冗長才想藉助AI花時間去拼湊
果然給的提示不夠完整的話AI自己過度腦補 就會產生出完全不可用的東西
實際上要可用個人的想法應該是要讓Zoo針對每個子程式檔案分析後歸納出該程式做了什麽 用了那些資料 改了那些欄位 並摘要成檔案 再依照歸納出的摘要重寫
但程式碼檔案總共有1500多個 礙於24G的限制上下文只開了128K
我想依照目前的環境要完成這項任務應該是不容易
我再想想有沒有更好的方法吧
