Goose实战：0元跑起来的AI编程Agent，我用它替代了Claude Code一周

Claude Code每月200美元，还有用量限制。用着用着弹窗"rate limit exceeded"，正写到关键逻辑被打断，这种体验谁受过谁知道。

上个月我开始试Block公司开源的Goose。用了一周，记录下真实感受和完整配置过程。先说结论：日常80%的编程任务，Goose够用了。剩下20%复杂场景，确实还差点意思。

Goose是什么

Goose是Block（就是做Square和Cash App那家公司）开源的AI编程Agent。GitHub 26000+星，362个贡献者，已经发了102个版本。

和Claude Code最大的区别：Goose跑在你自己机器上，不依赖云端。你可以接Anthropic的API，也可以接OpenAI、Gemini，甚至用Ollama跑本地模型——完全离线，飞机上也能写代码。

不要把它和Copilot这种补全工具搞混。Goose是Agent，能自己读文件、跑命令、调API、写测试。你说"帮我建一个Express项目，配好TypeScript和ESLint"，它会自己创建目录、写配置文件、安装依赖、跑一遍确认没报错。

安装：10分钟搞定

macOS

brew install block/tap/goose

或者下载桌面版，从 github.com/block/goose/releases 找最新的 .dmg 文件。

Linux

curl -fsSL https://github.com/block/goose/releases/latest/download/goose-linux-amd64 -o goose
chmod +x goose
sudo mv goose /usr/local/bin/

Windows

去GitHub Release页面下载 .exe 安装包，双击安装。

装完验证一下：

goose --version
# goose 1.20.1

配置模型：三种方案

装好Goose之后第一件事是配模型。跑 goose configure 进入配置向导。

方案一：接Claude API（推荐，效果最好）

goose configure
# 选择 Configure Provider → Anthropic
# 输入你的 API Key
# 模型选 claude-sonnet-4-20250514

这种方案效果和Claude Code几乎一样，但是按量计费——你用多少付多少，没有"每5小时40次提示"的限制。我测了一下，日常使用每天大概0.5到2美元，比200美元月费便宜太多。

方案二：接OpenAI或其他API

goose configure
# 选择 Configure Provider → OpenAI
# 输入 API Key
# 模型选 gpt-4o 或 o3-mini

也支持OpenRouter，一个Key可以切换几十个模型：

goose configure
# 选择 Configure Provider → OpenRouter
# 输入 OpenRouter API Key
# 模型选你想用的，比如 deepseek/deepseek-r1

方案三：Ollama本地模型（完全免费）

这是0元方案。先装Ollama：

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

拉一个编程模型：

ollama pull qwen3-coder
# 或者
ollama pull codellama:34b
# 内存16GB的机器建议用小一点的模型
ollama pull qwen2.5-coder:14b

然后配Goose连Ollama：

goose configure
# 选择 Configure Provider → Ollama
# API Host: http://localhost:11434
# 模型名: qwen3-coder

内存需求参考： - 8GB内存：能跑7B参数的模型，勉强能用 - 16GB内存：能跑14B参数的模型，日常够用 - 32GB内存：能跑34B以上的模型，体验接近云端

我的M2 MacBook Pro 32GB跑 qwen3-coder 没问题，响应速度大概是Claude API的1/3到1/2，但不花钱。

配MCP：给Goose装外挂

Goose支持MCP（Model Context Protocol），这意味着你可以给它接数据库、文件系统、GitHub等各种外部工具。

配置文件在 ~/.config/goose/config.yaml，手动编辑：

mcpServers:
  filesystem:
    command: npx
    args:
      - -y
      - "@modelcontextprotocol/server-filesystem"
      - "/Users/yourname/projects"

  github:
    command: npx
    args:
      - -y
      - "@modelcontextprotocol/server-github"
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxxxxxxxxxxx"

  sqlite:
    command: npx
    args:
      - -y
      - "@modelcontextprotocol/server-sqlite"
      - "/path/to/your/database.db"

配好之后重启Goose，它就能直接操作你的文件系统、查GitHub仓库、读写数据库了。

实测一个场景：我让Goose帮我查GitHub上某个仓库最近的Issue，分析哪些是Bug哪些是Feature Request，然后生成一份markdown报告。整个过程Goose自己调MCP读取Issue列表，自己分类，自己写文件。大概3分钟跑完，人工做至少半小时。

实际使用：一周踩坑记录

第1天：初始化项目

让Goose从零建一个Next.js项目。命令：

goose session start
> 帮我创建一个Next.js 15项目，用TypeScript，配好Tailwind CSS和ESLint，建好基础目录结构

Goose依次执行了 npx create-next-app、修改 tailwind.config.ts、调整 tsconfig.json、创建 src/components 和 src/lib 目录。全程没出错。这种标准化任务，Goose处理得很干净。

第3天：调试一个诡异的Bug

一个API路由偶发返回500，日志里只有一行 "TypeError: Cannot read properties of undefined"。我把报错贴给Goose，它自己去读了相关的源文件，定位到是一个异步函数缺少 await，加了 await 之后还帮我补了个 try-catch。

这种"给一段报错让它自己定位"的场景，Goose表现不错——前提是你用的模型够强。我用Claude API时修复率很高，换成本地14B模型就开始瞎猜了。

第5天：碰到了上限

让Goose重构一个2000行的文件，把单体拆成模块。用Claude API时它能理解整个文件的逻辑关系，拆得合理。换Ollama本地模型，它读到一半就开始丢上下文，拆出来的模块之间互相引用不对。

这是本地模型的硬伤：上下文窗口小（默认4096到8192 token），处理大文件力不从心。Claude API的上下文窗口有200K token，差距确实大。

踩坑汇总

1. Ollama模型首次加载慢。第一次启动要把模型加载到内存，qwen3-coder大概需要30秒。后续对话就快了。

2. config.yaml格式敏感。多一个空格少一个缩进都会报错，报错信息也不友好。建议用 goose configure 命令，别手动编辑。

3. MCP Server需要Node.js。配MCP之前确保装了Node.js 18+，不然 npx 跑不起来。

4. 桌面版和CLI版共享配置。改了CLI的配置，桌面版也会变，反过来也一样。别两边同时改，会冲突。

和Claude Code对比：什么时候用Goose

场景	Goose + Claude API	Goose + 本地模型	Claude Code
新建项目	好用	好用	好用
改Bug	好用	简单Bug可以	好用
重构大文件	好用	不行	好用
离线使用	不行	可以	不行
月费用	按量，约30-60元	0元	200美元
速率限制	无	无	有

我的用法：日常开发用 Goose + Claude API，出差飞机上用 Goose + Ollama，偶尔需要处理特别复杂的代码库时开一下Claude Code。

总结

Goose不是Claude Code杀手，但它给了开发者一个真实可用的选择。开源、免费、跑在本机、支持任意模型——这些特性放在一起，比"更强的模型"对很多人更有吸引力。

装一下试试，10分钟就能跑起来。反正不要钱。

GitHub地址：github.com/block/goose Ollama地址：ollama.com