Goose: 免費開源替代 Claude Code 的 AI 編碼助手

Olivia Hughes

2026年6月13日

original

Claude Code 每月高達 200 美元的訂閱費讓許多開發者望而卻步。Goose 是一款由 Block 公司開源的 AI 編碼代理，功能幾乎相同且完全免費，本地執行無需雲依賴，資料完全由使用者掌控。本文對比兩者的差異，並探討開源替代的實際可行性。

AI 編碼工具正快速改變開發者的工作方式。Anthropic 推出的 Claude Code 憑藉其終端內自主編寫、除錯和部署程式碼的能力，贏得了大量關注。但它的定價——每月 20 到 200 美元——也讓不少人皺起了眉頭。尤其是頻繁的速率限制和雲依賴，迫使一些團隊開始尋找更靈活、更便宜的替代方案。

就在這時，一個叫 Goose 的開源專案走進了視野。它由金融科技公司 Block（原 Square）開發，功能定位與 Claude Code 高度重合，但完全免費、本地執行。一位在直播中演示該工具的軟體工程師 Parth Sareen 甚至直言：「你的資料留在你自己手裡，沒得商量。」這句話精準概括了 Goose 的核心吸引力：開發者能完全掌控自己的 AI 工作流。

Claude Code 為什麼貴，Goose 如何解決

Claude Code 的定價基於 token 消耗量，基礎套餐 $20/月，但重度使用很容易觸及上限，被迫升級到 $200/月的高階套餐。再加上每五小時重置的速率限制，實際體驗常被打斷。對於個人開發者或小型團隊來說，這筆開銷並不算小。

Goose 則完全繞過了這些問題。它執行在使用者本地機器上，通過呼叫本地或自託管的 大語言模型（如 Llama 或 GPT 的本地版本）來執行編碼任務。沒有云服務費，沒有速率限制，所有程式碼和上下文資料不出裝置。唯一的代價是使用者需要自己配置模型環境，以及對硬體有一定要求（比如足夠的 GPU 記憶體）。

功能對比：幾乎映象的體驗

從功能上看，Goose 幾乎提供了 Claude Code 的所有核心能力：

終端內互動：直接在命令列中與 AI 代理對話，執行程式碼生成、除錯、重構等任務。
檔案系統感知：能讀取專案目錄結構，理解上下文，進行跨檔案修改。
版本控制整合：自動提交程式碼變更，甚至能生成有意義的 commit 資訊。
多步驟任務：支援定義複雜工作流，比如「先跑測試，再修復失敗用例，最後提交程式碼」。

差異點主要集中在模型選擇上：Claude Code 只能使用 Anthropic 的閉源模型，而 Goose 支援接入多種開源模型（如 Llama、Mistral）以及 OpenAI 的 API。這意味著使用者可以根據任務精度和成本靈活切換，甚至完全離線工作。

對開發者意味著什麼

對於個人開發者或預算敏感的小團隊，Goose 的出現無疑是個好訊息。它降低了進入 AI 編碼輔助的門檻，同時保留了對資料隱私的控制權。不過，目前 Goose 仍處於早期階段，文件和社羣支援不如 Claude Code 成熟。在複雜的企業級專案中，穩定性可能還需要時間打磨。

對 Block 公司而言，開源 Goose 也是一種戰略佈局——通過吸引開發者生態，提升自身在 AI 工具鏈中的影響力。畢竟，當你的工具被廣泛採用時，後續的商業化想象空間也會更大。

實用建議與展望

如果你正在考慮從 Claude Code 切換到 Goose，這裡有幾點可以參考：

先從簡單任務試起：比如自動化程式碼格式化、生成單元測試等，逐步建立信心。
準備好本地模型環境：推薦使用 Ollama 或 llama.cpp 來部署開源大模型，8GB 以上視訊記憶體能跑中等規模的模型（如 Llama 7B）。
關注社羣更新：Goose 的 GitHub 倉庫活躍度很高，定期 release 修復問題和增加新功能，保持跟進能避免踩坑。

長遠來看，像 Goose 這樣的開源替代品不僅會倒逼商業產品降價，還可能催生出一整套本地優先的 AI 開發工具鏈。對開發者而言，這顯然是個好訊息。

GooseClaude CodeAI編碼助手開源AI本地AIBlock終端代理程式碼生成免費替代AI開發工具

探索更多

相似工具

Cursor

一款基於 VS Code 二次開發的智慧程式碼編輯器，以「原生內建 AI」為核心賣點。它不依賴外掛，而是將 AI 深度植入編輯器底層，能夠理解整個專案的上下文程式碼庫，支援無縫遷移 VS Code 的所有配置和外掛。

Google Antigravity

Antigravity 支援多模型，包括 Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSS，開發者可以在同一環境中選擇最適合任務的模型。

Codex

OpenAI Codex 是由 OpenAI 開發的 AI 程式設計模型和助手，可將自然語言指令翻譯成對應的原始碼，為開發者提供智慧補全、程式碼生成等功能。它最初於 2021 年作為 OpenAI API 的程式碼模型推出，曾為 GitHub Copilot 提供核心支援。隨著 OpenAI 技術的迭代，Codex 在 2025 年以「AI 程式設計智慧體」的全新姿態迴歸，能夠理解複雜需求並自動編寫、除錯程式碼，顯著提升開發效率和軟體交付速度。

Kiro

Kiro 是由 AWS 推出的 AI 程式設計 IDE，採用規範驅動的開發模式，將自然語言需求轉化為明確的規格文件和任務，再由內建 AI 代理生成程式碼並除錯優化，全流程輔助大型專案開發。

Trae

Trae（官網 trae.ai）是由位元組跳動（ByteDance）推出的一款 AI 原生整合開發環境（IDE）。它不是簡單地作為一個程式設計助手，而是一個「協作夥伴」，通過深度整合大型語言模型（LLM），幫助開發者從需求、構建程式碼，到除錯和部署，實現更智慧化、自動化的軟體開發。

Claude

Claude 是由美國人工智慧公司 Anthropic 打造的智慧語言互動平臺，它融合了深度文字理解、資訊整理、程式碼輔助和任務分析等能力，能在聊天對話之外應對更復雜的問題，例如長文摘要、影象解析、邏輯推理及程式設計協助等。相比一些單一問答機器人，Claude 更像一個具備推理邏輯、可擴充套件功能的智慧工具。

開源專案

guidellm: 評估和優化 LLM 部署效能

guidellm 是一個開源工具，專為評估和優化大語言模型（LLM）在生產環境中的推理效能而設計。它支援壓力測試、延遲分析、吞吐量評估等，幫助開發者識別瓶頸並調整部署配置。基於 vLLM 團隊開發，適合需要精細化調優 LLM 服務的團隊。

Kiln: 一站式 AI 系統評估與優化平臺

Kiln 是一個開源 Python 工具，幫助開發者系統化地構建、評估和優化 AI 系統。它整合了 evals、RAG、智慧體、微調、合成資料生成、資料集管理和 MCP 協議支援，讓 AI 開發工作流更高效、更可控。適合需要深度調優 AI 效能的團隊和個人。

terax-ai: 7MB終端優先AI開發工作臺

terax-ai 是一個輕量級（僅7MB）的終端優先AI原生開發工作臺，專為命令列愛好者設計。它整合了AI輔助能力，提供極快的啟動速度和極小的資源佔用，讓開發者在熟悉的終端環境中高效編碼、除錯和實驗。開源且易於安裝，適合追求簡潔與效率的開發者。

omlx: macOS 選單欄 LLM 推理伺服器

omlx 是一款專為 Apple Silicon 打造的輕量級 LLM 推理伺服器，通過 macOS 選單欄輕鬆管理。它支援連續批處理和 SSD 快取，能顯著提升推理吞吐量和響應速度。開源且易於上手，適合 Mac 開發者本地執行大型語言模型。

pydantic-ai: 用Pydantic方式構建AI Agent

pydantic-ai 是一個基於 Pydantic 的 AI Agent 框架，利用 Pydantic 的資料驗證能力，讓 Agent 的輸入輸出變得結構化、型別安全。適合 Python 開發者快速構建可靠、可測試的 AI 代理應用，支援多種 LLM 後端和工具呼叫。

Truss: 最簡方式將 AI 模型部署到生產環境

Truss 是一個開源 Python 框架，旨在讓 AI/ML 模型的部署變得像寫幾行程式碼一樣簡單。它抽象了 Docker、Kubernetes 等基礎設施，支援 PyTorch、TensorFlow 等多種框架，並提供預熱、批處理、監控等生產級功能。適合資料科學家和 ML 工程師快速將實驗模型上線。