Goose: 免费开源替代 Claude Code 的 AI 编码助手

Olivia Hughes

2026年6月13日

original

Claude Code 每月高达 200 美元的订阅费让许多开发者望而却步。Goose 是一款由 Block 公司开源的 AI 编码代理，功能几乎相同且完全免费，本地运行无需云依赖，数据完全由用户掌控。本文对比两者的差异，并探讨开源替代的实际可行性。

AI 编码工具正快速改变开发者的工作方式。Anthropic 推出的 Claude Code 凭借其终端内自主编写、调试和部署代码的能力，赢得了大量关注。但它的定价——每月 20 到 200 美元——也让不少人皱起了眉头。尤其是频繁的速率限制和云依赖，迫使一些团队开始寻找更灵活、更便宜的替代方案。

就在这时，一个叫 Goose 的开源项目走进了视野。它由金融科技公司 Block（原 Square）开发，功能定位与 Claude Code 高度重合，但完全免费、本地运行。一位在直播中演示该工具的软件工程师 Parth Sareen 甚至直言：“你的数据留在你自己手里，没得商量。”这句话精准概括了 Goose 的核心吸引力：开发者能完全掌控自己的 AI 工作流。

Claude Code 为什么贵，Goose 如何解决

Claude Code 的定价基于 token 消耗量，基础套餐 $20/月，但重度使用很容易触及上限，被迫升级到 $200/月的高阶套餐。再加上每五小时重置的速率限制，实际体验常被打断。对于个人开发者或小型团队来说，这笔开销并不算小。

Goose 则完全绕过了这些问题。它运行在用户本地机器上，通过调用本地或自托管的 大语言模型（如 Llama 或 GPT 的本地版本）来执行编码任务。没有云服务费，没有速率限制，所有代码和上下文数据不出设备。唯一的代价是用户需要自己配置模型环境，以及对硬件有一定要求（比如足够的 GPU 内存）。

功能对比：几乎镜像的体验

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

终端内交互：直接在命令行中与 AI 代理对话，执行代码生成、调试、重构等任务。
文件系统感知：能读取项目目录结构，理解上下文，进行跨文件修改。
版本控制集成：自动提交代码变更，甚至能生成有意义的 commit 信息。
多步骤任务：支持定义复杂工作流，比如“先跑测试，再修复失败用例，最后提交代码”。

差异点主要集中在模型选择上：Claude Code 只能使用 Anthropic 的闭源模型，而 Goose 支持接入多种开源模型（如 Llama、Mistral）以及 OpenAI 的 API。这意味着用户可以根据任务精度和成本灵活切换，甚至完全离线工作。

对开发者意味着什么

对于个人开发者或预算敏感的小团队，Goose 的出现无疑是个好消息。它降低了进入 AI 编码辅助的门槛，同时保留了对数据隐私的控制权。不过，目前 Goose 仍处于早期阶段，文档和社区支持不如 Claude Code 成熟。在复杂的企业级项目中，稳定性可能还需要时间打磨。

对 Block 公司而言，开源 Goose 也是一种战略布局——通过吸引开发者生态，提升自身在 AI 工具链中的影响力。毕竟，当你的工具被广泛采用时，后续的商业化想象空间也会更大。

实用建议与展望

如果你正在考虑从 Claude Code 切换到 Goose，这里有几点可以参考：

先从简单任务试起：比如自动化代码格式化、生成单元测试等，逐步建立信心。
准备好本地模型环境：推荐使用 Ollama 或 llama.cpp 来部署开源大模型，8GB 以上显存能跑中等规模的模型（如 Llama 7B）。
关注社区更新：Goose 的 GitHub 仓库活跃度很高，定期 release 修复问题和增加新功能，保持跟进能避免踩坑。

长远来看，像 Goose 这样的开源替代品不仅会倒逼商业产品降价，还可能催生出一整套本地优先的 AI 开发工具链。对开发者而言，这显然是个好消息。

GooseClaude CodeAI编码助手开源AI本地AIBlock终端代理代码生成免费替代AI开发工具

暂无评论

成为第一个评论的人

探索更多

相似工具

Cursor

一款基于 VS Code 二次开发的智能代码编辑器，以“原生内置 AI”为核心卖点。它不依赖插件，而是将 AI 深度植入编辑器底层，能够理解整个项目的上下文代码库，支持无缝迁移 VS Code 的所有配置和插件。

Google Antigravity

Antigravity 支持多模型，包括 Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSS，开发者可以在同一环境中选择最适合任务的模型。

Codex

OpenAI Codex 是由 OpenAI 开发的 AI 编程模型和助手，可将自然语言指令翻译成对应的源代码，为开发者提供智能补全、代码生成等功能。它最初于 2021 年作为 OpenAI API 的代码模型推出，曾为 GitHub Copilot 提供核心支持。随着 OpenAI 技术的迭代，Codex 在 2025 年以“AI 编程智能体”的全新姿态回归，能够理解复杂需求并自动编写、调试代码，显著提升开发效率和软件交付速度。

Kiro

Kiro 是由 AWS 推出的 AI 编程 IDE，采用规范驱动的开发模式，将自然语言需求转化为明确的规格文档和任务，再由内置 AI 代理生成代码并调试优化，全流程辅助大型项目开发。

Trae

Trae（官网 trae.ai）是由字节跳动（ByteDance）推出的一款 AI 原生集成开发环境（IDE）。它不是简单地作为一个编程助手，而是一个「协作伙伴」，通过深度整合大型语言模型（LLM），帮助开发者从需求、构建代码，到调试和部署，实现更智能化、自动化的软件开发。

Claude

Claude 是由美国人工智能公司 Anthropic 打造的智能语言交互平台，它融合了深度文本理解、信息整理、代码辅助和任务分析等能力，能在聊天对话之外应对更复杂的问题，例如长文摘要、图像解析、逻辑推理及编程协助等。相比一些单一问答机器人，Claude 更像一个具备推理逻辑、可扩展功能的智能工具。

开源项目

guidellm: 评估和优化 LLM 部署性能

guidellm 是一个开源工具，专为评估和优化大语言模型（LLM）在生产环境中的推理性能而设计。它支持压力测试、延迟分析、吞吐量评估等，帮助开发者识别瓶颈并调整部署配置。基于 vLLM 团队开发，适合需要精细化调优 LLM 服务的团队。

Kiln: 一站式 AI 系统评估与优化平台

Kiln 是一个开源 Python 工具，帮助开发者系统化地构建、评估和优化 AI 系统。它集成了 evals、RAG、智能体、微调、合成数据生成、数据集管理和 MCP 协议支持，让 AI 开发工作流更高效、更可控。适合需要深度调优 AI 性能的团队和个人。

terax-ai: 7MB终端优先AI开发工作台

terax-ai 是一个轻量级（仅7MB）的终端优先AI原生开发工作台，专为命令行爱好者设计。它集成了AI辅助能力，提供极快的启动速度和极小的资源占用，让开发者在熟悉的终端环境中高效编码、调试和实验。开源且易于安装，适合追求简洁与效率的开发者。

omlx: macOS 菜单栏 LLM 推理服务器

omlx 是一款专为 Apple Silicon 打造的轻量级 LLM 推理服务器，通过 macOS 菜单栏轻松管理。它支持连续批处理和 SSD 缓存，能显著提升推理吞吐量和响应速度。开源且易于上手，适合 Mac 开发者本地运行大型语言模型。

pydantic-ai: 用Pydantic方式构建AI Agent

pydantic-ai 是一个基于 Pydantic 的 AI Agent 框架，利用 Pydantic 的数据验证能力，让 Agent 的输入输出变得结构化、类型安全。适合 Python 开发者快速构建可靠、可测试的 AI 代理应用，支持多种 LLM 后端和工具调用。

Truss: 最简方式将 AI 模型部署到生产环境

Truss 是一个开源 Python 框架，旨在让 AI/ML 模型的部署变得像写几行代码一样简单。它抽象了 Docker、Kubernetes 等基础设施，支持 PyTorch、TensorFlow 等多种框架，并提供预热、批处理、监控等生产级功能。适合数据科学家和 ML 工程师快速将实验模型上线。