Cline 和 Roo Code kilo code 是目前 VS Code 插件中 Agent 能力最强的两

支持自定义的api 接入

支持自定义 API（可配置自己的 API Key 或接入第三方 API 端点）的 AI 编程工具，按类型整理如下：

一、独立 IDE（All-in-One）

工具 自定义 API 支持 特点
Cursor ✅ 支持 可配置 OpenAI、Anthropic、Azure、Gemini 等 API Key，也支持自定义 OpenAI 兼容端点
Windsurf (Codeium) ✅ 支持 支持自定义 OpenAI 兼容 API，可切换不同模型端点
Trae ✅ 部分支持 字节跳动出品，支持接入自定义模型（OpenAI 兼容格式）
Zed ✅ 支持 高性能编辑器，支持配置 OpenAI、Anthropic、Ollama 等自定义端点

二、VS Code 插件（最灵活）

插件 自定义 API 支持 特点
Cline ✅ 完整支持 支持任意 OpenAI 兼容 API、Anthropic、Gemini、Azure 等，可完全替换默认模型
Continue ✅ 完整支持 开源，支持 OpenAI、Anthropic、Gemini、Ollama、自定义端点等，配置最灵活
Roo Code ✅ 完整支持 Cline 的分支版本，同样支持多种自定义 API 和本地模型
CodeGPT ✅ 支持 支持自定义 OpenAI API Key 及其他提供商

三、命令行 / 终端工具

工具 自定义 API 支持 特点
Aider ✅ 完整支持 支持 OpenAI、Anthropic、Gemini、Azure、Ollama 及任何 OpenAI 兼容 API
ShellGPT / sgpt ✅ 支持 终端 AI 助手，可配置自定义 API 端点
Claude Code ⚠️ 有限 Anthropic 官方工具，目前主要支持 Claude 系列，自定义能力较弱

四、本地 / 私有化部署方案

如果你需要完全离线或接入私有 API：

方案 说明
Ollama + 任意插件 本地运行开源模型，通过 OpenAI 兼容接口接入上述插件
vLLM / llama.cpp 自建 API 服务，配合 Cline/Continue/Aider 使用
OneAPI / New API API 聚合网关，统一转发到各种模型，再接入编程工具

推荐选择

  • 想要开箱即用的 IDE：Cursor 或 Windsurf
  • 想要最大灵活性（免费）：VS Code + Continue 或 Cline
  • 想要终端工作流：Aider
  • 想要完全私有化：VS Code + Continue + Ollama/vLLM

Kilo Code 完全符合你的需求：免费开源 + 支持自定义 API + 具备强大的 Agent 功能。

它是从 Cline → Roo Code → Kilo Code 这条开源分支演进而来的 ，可以理解为 Cline 的"增强版"，在保留核心能力的同时增加了更多功能。

核心优势（针对你的诉求）

需求 Kilo Code 支持情况
免费使用 ✅ 开源免费（Apache 2.0），提供 $20~25 初始免费额度
自定义 API（BYOK） ✅ 完整支持，可选择 “OpenAI Compatible” 填入任意第三方 API Key
Agent 功能 ✅ 五种专业 Agent 模式：Ask / Architect / Code / Debug / Orchestrator
本地模型 ✅ 支持 Ollama 等本地模型，完全免费零成本

Agent 能力详解

相比 Cline 只有 Plan/Act 两种模式，Kilo Code 提供了更细分的 Agent 分工 ：

  • Ask：纯问答，不修改代码
  • Architect：架构设计、技术方案规划
  • Code：实际编码、文件修改
  • Debug：调试、错误分析、运行测试
  • Orchestrator（编排器）：将复杂任务拆解为子任务，协调多个 Agent 并行完成

在 Code / Orchestrator 模式下，它可以自动读写文件、执行终端命令、使用浏览器、调用 MCP 工具——这就是完整的 Agent 能力 。

自定义 API 配置方式

在 Kilo Code 设置中 ：

API 提供商：OpenAI Compatible
基础 URL：https://你的-api-地址/v1
API 密钥：sk-xxxxxxxx
模型：模型 ID（如 glm-4.7-flash、deepseek-chat 等）

支持接入 OneAPI、AI Ping、OpenRouter、智谱、MiniMax 等任意 OpenAI 兼容接口 。

与 Cline 怎么选？

维度 Cline Kilo Code
代码基础 原版 Cline → Roo Code 分支
费用 完全免费，纯 BYOK 免费 + $20 额度 + BYOK
Agent 模式 Plan / Act 5 种专业模式 + Orchestrator
模型数量 主流模型 500+ 模型，60+ 提供商
平台 仅 VS Code VS Code + JetBrains + CLI
社区活跃度 成熟稳定 增长快，功能迭代激进

建议：

  • 如果你追求稳定、精简、纯 BYOK，继续用 Cline
  • 如果你想要更丰富的 Agent 模式、更多模型选择、初始免费额度，Kilo Code 是更好的选择

一句话总结

Kilo Code = Cline 的开源增强版，免费、支持自定义 API、Agent 功能比 Cline 更丰富（多模式 + 编排器），是目前 VS Code 插件里性价比很高的选择。

cursor 是免费的吗

是的，Cursor 下载和基础使用是免费的。

Cursor 提供 Free（免费版），无需信用卡即可下载安装 。免费版包含：

  • 基础的 AI 代码补全（Tab 补全，有限额度）
  • 基础 AI 聊天对话（约 50 次/月）
  • 单文件上下文理解
  • 完整的编辑器功能（基于 VS Code）

但免费版有明确限制：无法使用多文件 Composer、代码库全局索引、高级模型选择等功能，且 AI 请求额度有限，适合体验或轻量使用 。

付费方案（2026 年最新）：

方案 价格 核心区别
Hobby（免费） $0 有限补全 + 基础聊天
Pro $20/月（年付约 $16/月） 无限 Tab 补全、多文件 Composer、代码库索引、每月 $20 额度用于高级模型
Business $40/人/月 团队管理、SSO、集中计费

新用户注册后通常会获得 约 7~14 天的 Pro 功能试用 ，试用结束后可继续使用免费版，或选择订阅付费方案。

kiro 也不支持自定义api

Kiro 免费版不支持直接接入自定义第三方 API Key（如 OpenAI、Anthropic 等）来替代平台模型。

Kiro 采用积分制（Credit-based），底层模型由 AWS/Kiro 平台统一托管和路由（Claude 系列、DeepSeek、Qwen 等），用户无法像 Cline、Continue 那样在设置里填入自己的 API Key 绕过积分消耗 。

免费版的能力边界

功能 免费版支持情况
自带 API Key（BYO Key） ❌ 不支持
平台内置模型 ✅ 支持（消耗积分，50 credits/月）
本地模型（Ollama） ✅ 支持（可离线使用，不消耗积分）
MCP 协议扩展 ✅ 支持（连接外部工具、数据库、API 等）
Kiro CLI / Headless ⚠️ 仅企业 SSO 订阅用户可用 API Key 认证

你可能看到的"API Key"是什么？

  1. Kiro CLI 的 API Key：这是给企业 SSO 订阅用户在 CI/CD 或 Headless 场景下认证身份用的，用于调用 Kiro 平台本身的 API，不是让你接入第三方 LLM 。
  2. 第三方网关/逆向项目：GitHub 上有一些开源项目（如 kiro-gateway、AIClient-2-API）可以把 Kiro 的积分模型反向代理成 OpenAI 兼容接口，或者把其他 API 包装进 Kiro 生态，但这些都是非官方方案，存在封号风险 。

如果你想要"免费 + 自定义 API"

Kiro 不是合适的选择。更匹配的工具：

  • Cline（VS Code 插件）：完全免费，可配置任意 OpenAI 兼容 API
  • Continue：开源，支持任意自定义模型和 API Key
  • Aider：命令行工具，BYO API Key

Kiro 的优势在于 Spec 驱动开发 和 Agent Hooks，适合愿意按平台积分规则使用的场景；如果核心诉求是"白嫖自己的 API Key"，建议转向 Cline 或 Continue。

codebudyy 支持第三方api

在这里插入图片描述

CodeBuddy 自定义API接入模板（直接复制即用）

新建文件：项目根目录/.codebuddy/models.json

{
  "models": [
    {
      "id": "custom-llm",
      "name": "自定义私有大模型",
      "vendor": "OpenAI",
      "url": "https://你的接口地址/v1/chat/completions",
      "apiKey": "sk-你的API密钥",
      "maxInputTokens": 128000,
      "maxOutputTokens": 4096,
      "supportsToolCall": true,
      "supportsImages": false,
      "temperature": 0.7
    }
  ]
}

只需要改3个地方

  1. url：换成你的大模型接口（兼容OpenAI格式就行，比如本地部署、中转API、通义/星火兼容接口）
  2. apiKey：填你的密钥
  3. name：随便改，下拉选择时显示的名字

使用方法

  1. 保存文件后重启CodeBuddy
  2. 顶部模型下拉框直接选「自定义私有大模型」即可

额外备用模板（带低温度、适合写代码）

{
  "models": [
    {
      "id": "code-llm",
      "name": "专属代码模型",
      "vendor": "OpenAI",
      "url": "https://api.example.com/v1/chat/completions",
      "apiKey": "sk-xxxxxx",
      "maxInputTokens": 65536,
      "maxOutputTokens": 8192,
      "supportsToolCall": true,
      "supportsImages": false,
      "temperature": 0.2,
      "topP": 0.95
    }
  ]
}

你把你的API地址和密钥发我（可打码），我帮你直接生成好成品文件，你复制就能用。

手把手教你打开 「~/.codebuddy/models.json」

~ 代表电脑当前用户的根目录，我分 Windows / Mac / Linux 三种系统教你一步到位打开。

一、Windows 系统

方法1：直接地址粘贴

  1. 打开此电脑，地址栏输入：
%USERPROFILE%\.codebuddy
  1. 回车，直接进入 .codebuddy 文件夹
  2. 里面找到 models.json，用 记事本 / VS Code 打开编辑就行

方法2：显示隐藏文件夹

Windows 的 .codebuddy 是隐藏文件夹

  • 文件资源管理器 → 顶部「查看」→ 勾选「隐藏的项目」
  • 进入用户文件夹，就能看到 .codebuddy

二、Mac 系统

  1. 打开访达(Finder)
  2. 顶部菜单栏：前往 → 前往文件夹
  3. 粘贴输入：
~/.codebuddy
  1. 回车直接进入，双击 models.json 用文本/VSCode 打开

三、Linux / 服务器

终端直接输命令打开（用vim）：

vim ~/.codebuddy/models.json

或者用VSCode远程打开：

code ~/.codebuddy/models.json

重点补充

如果进去没有 models.json：
直接在这个 .codebuddy 文件夹里新建文本文档，命名为 models.json，把我给你的配置模板粘进去就行。

你是 Windows 还是 Mac？我可以按你系统给你一步步点哪里的精准操作。

1. 为什么这个配置里只有 apiKey，没有 secret？

因为 CodeBuddy 自定义 API 用的是「OpenAI 兼容协议」
这个协议的规则就是：
只需要一个 apiKey = 密钥 + 身份验证
不需要额外填 secret。

你用的几乎所有这类模型：

  • DeepSeek
  • 硅基流动
  • 豆包 API
  • 通义千问兼容版
  • 星火兼容版
  • 本地大模型
  • 任何中转 API

全部只需要 apiKey，不需要 secret。

2. 那什么时候才需要 secret？

只有一种情况：你接入的是腾讯 CodeBuddy 官方开放平台
那种才需要：

  • client_id
  • client_secret

但你现在做的是「自定义第三方模型」，不是官方开放平台，
所以 完全不需要 secret！

3. 你只需要改这 2 个地方就能用

"url": "https://api.example.com/v1/chat/completions",
"apiKey": "sk-xxxxxx",

把：

  1. url → 换成你的模型接口地址
  2. apiKey → 换成你拿到的密钥（通常以 sk- 开头）

保存 → 重启 CodeBuddy → 直接能用！

4. 如果你愿意，我可以帮你直接生成成品文件

你把下面两个信息发我（可以打码）：

  • 你的模型 API 地址
  • 你的 API Key

我直接给你生成可直接复制粘贴的完整文件。

总结

  • OpenAI 兼容协议 = 只需要 apiKey，不需要 secret
  • 你现在的配置是完全正确的
  • 直接填你的密钥就能用

你这个页面是超算互联网 SCNet 的控制台，它的 LLM 接口是标准 OpenAI 兼容格式：

1. 核心地址（直接填到 CodeBuddy）

  • Base URL（基础地址） 
    https://api.scnet.cn/api/llm/v1
  • 完整对话接口（你配置里的 url） 
    https://api.scnet.cn/api/llm/v1/chat/completions

2. 认证方式

  • 只需要 apiKey（没有 secret）
  • 格式：sk-xxxxxx...，在你截图这个页面生成并复制即可。

3. 可用模型示例（填在 CodeBuddy 里）

  • DeepSeek-R1-Distill-Qwen-7B
  • DeepSeek-R1-Distill-Qwen-14B
  • minimax-m2.5
  • Qwen3-30B-A3B

4. 给你生成好的 CodeBuddy 配置

{
  "models": [
    {
      "id": "scnet-code",
      "name": "超算-DeepSeek代码模型",
      "vendor": "OpenAI",
      "url": "https://api.scnet.cn/api/llm/v1/chat/completions",
      "apiKey": "sk-你的密钥",
      "maxInputTokens": 65536,
      "maxOutputTokens": 8192,
      "supportsToolCall": true,
      "supportsImages": false,
      "temperature": 0.2,
      "topP": 0.95
    }
  ]
}

把 sk-你的密钥 换成你在 SCNet 控制台生成的 key，保存到：

~/.codebuddy/models.json

重启 CodeBuddy 就能选这个模型了。

要不要我帮你把当前可用的模型列表整理成可直接复制的配置？

直接给你 SCNet（超算互联网）官方 MCP 地址 + CodeBuddy 可用的 mcp.json 完整配置，全部用你自己的 sk-xxx 密钥。

一、SCNet 官方 MCP 基础信息（实测可用）

  • Base 地址： 
    https://api.scnet.cn/api/mcp/v1
  • SSE（CodeBuddy 用这个）： 
    https://api.scnet.cn/api/mcp/v1/sse
  • Streamable HTTP： 
    https://api.scnet.cn/api/mcp/v1/mcp
  • 认证：只需要 Authorization: Bearer sk-xxx，无 secret。

二、直接可用的 mcp.json（全局生效）

路径：~/.codebuddy/mcp.json（没有就新建）

{
  "mcpServers": {
    "scnet-mcp": {
      "type": "sse",
      "url": "https://api.scnet.cn/api/mcp/v1/sse",
      "headers": {
        "Authorization": "Bearer sk-你的密钥"
      }
    }
  }
}

把 sk-你的密钥 换成你在 https://www.scnet.cn/ui/console/index.html#/llm/apikeys 生成的 key。

三、搭配你之前的 models.json（一起生效）

{
    "models": [
        {
            "id": "MiniMax-M2.5",
            "name": "SCNet-MiniMax-M2.5",
            "vendor": "OpenAI",
            "apiKey": "sk-。。。。。",
            "url": "https://api.scnet.cn/api/llm/v1/chat/completions",
            "maxInputTokens": 128000,
            "maxOutputTokens": 8192,
            "supportsToolCall": false,
            "supportsReasoning": true
        }
    ],

}

或者加上
“availableModels”: [
“MiniMax-M2.5”
]

{
    "models": [
        {
            "id": "MiniMax-M2.5",
            "name": "SCNet-MiniMax-M2.5",
            "vendor": "OpenAI",
            "apiKey": "sk-。。。。。",
            "url": "https://api.scnet.cn/api/llm/v1/chat/completions",
            "maxInputTokens": 128000,
            "maxOutputTokens": 8192,
            "supportsToolCall": false,
            "supportsReasoning": true
        }
    ],
    "availableModels": [
        "MiniMax-M2.5"
    ]
}

四、重启生效

改完两个文件后：

codebuddy restart

然后就能在 CodeBuddy 里选 超算模型 + 超算 MCP 工具。

要不要我把这两个文件的内容整合成一个可直接复制的脚本，你一键生成？

Continue：开源，支持任意自定义模型和 API Key Aider：命令行工具，BYO API K这个qoder相比怎么样 有spec plan功能吗

你问的 Qoder 确实具备 Spec（规约） 和 Plan（计划） 功能。而且它不仅支持自定义模型和 API Key，在一些关键特性上，它与 Continue、Aider 也各有侧重。

为了让你看得更清楚，我把这三个工具的核心区别整理成了一个表格：

🔧 三款AI编程工具核心对比

特性 Qoder Continue Aider
核心定位 Agentic IDE，主打全链路自动化的自主编程平台 IDE插件，深度集成于VS Code/JetBrains的AI助手 命令行工具，与Git深度结合的AI结对编程
开源/许可 闭源，商业软件 开源（Apache 2.0） 开源（Apache 2.0）
模型支持 ✅ 支持，但需Pro及以上订阅 ✅ 支持，高度灵活，可直连任何兼容OpenAI的API ✅ 支持，核心特色就是自带API去哪都行
Spec/Plan功能 ✅ 原生支持，有独立的Planning Agent (/plan) 和 Quest模式的Spec驱动开发 ✅ 原生支持，核心功能，提供专门的Plan Mode ❌ 不支持，需用户手动用/ask命令引导其生成计划
主要交互形式 IDE插件 / CLI IDE插件 / CLI 命令行 (CLI)
模型自定义 支持，但门槛高，需要订阅 门槛低，原生支持本地模型和自托管 门槛低，API集成是其基石
云端/工作区 ✅ 支持Quest Remote在云端执行，支持工作区（Worktree）并行 ❌ 未知 ❌ 支持，通过命令行
数据安全感 低 (代码在阿里云) 高 (模型数据自己可控) 高 (模型数据自己可控)
上手难度 中低 低 中
价格方面 有免费额度，高级功能需订阅 完全免费 完全免费
团队协作支持 ❓未知 支持，可与企业环境集成 在Git工作流中支持协作

🚀 各自的 Spec/Plan 功能详解

  • Qoder：自动化程度最高，更像是一个“AI架构师”和“AI员工”的结合体。

    • /plan 命令：它会为你的任务生成一份详细的规划方案，你可以像审阅PR一样，确认、修改后再让AI执行。
    • Quest Mode & Spec：这是Qoder的杀手锏。在Quest模式中选择“Code with Spec”，它会先和你沟通需求，然后生成一份类似技术设计文档的 Spec（规约） 。后续的所有代码、测试都会严格遵循这份Spec来生成，将开发流程规范化。

  • Continue：嵌入感最深，是融入你日常工作的“AI结对编程搭档”。

    • Plan Mode：作为三项核心工作模式之一（Chat/Plan/Agent）。它在你写代码前，先帮你分析需求、拆解步骤，避免“需求还没聊完，代码已经跑偏”的尴尬。

  • Aider：需手动引导，它就像一个专注的“AI执行者”，需要你来扮演“AI架构师”。

    • 需手动模拟：Aider本身没有内置的Plan功能，用户需要先通过 /ask 命令让它一步步分析并制定计划，确认后再用 /architect proceed 来执行。

💡 模型自定义：各有门道

  • Qoder：门槛最高。你需要订阅Pro或以上版本，才能在设置中添加自定义模型并填入你的API Key。虽然官方对此功能有限制，但它是完全支持的。

  • Continue：上手最简单，原生支持且高度灵活。你可以很轻松地在配置里填入任何自托管的本地模型（如通过Ollama）或任何第三方OpenAI兼容API的URL和Key。

  • Aider：从底层设计上就支持，它通过命令行参数直接指定，同样非常灵活。

💎 总结：我应该怎么选？

看完上面的对比，你可以根据自己的实际需求来做出选择：

  1. 如果你追求极致自动化：而且不在乎代码隐私，希望指定一个目标后AI就能端到端地交付项目，并且愿意为高级功能付费，那么 Qoder 是不错的选择。

  2. 如果你是隐私优先的开源拥护者：希望在熟悉的IDE里，有一个能深度理解项目、支持本地/任意模型的免费AI助手，那么 Continue 会更适合你。

  3. 如果你是命令行重度用户：享受Git与AI无缝结合的工作流，喜欢自主掌控整个开发进程，并且想灵活接入各种模型API，那么 Aider 会是你的最佳搭档。

你主要是在 IDE 里写代码还是习惯用命令行呢？更看重数据安全自由度，还是希望 AI 能自动化完成更多事情？可以跟我说说你的偏好和使用习惯，帮你看看这三款里哪个最适合你～

Cline 是有 Agent 功能的，而且它的 Agent 能力正是核心亮点之

Cline 是有 Agent 功能的，而且它的 Agent 能力正是核心亮点之一。

你可能没有注意到模式切换，或者使用的是较旧版本。Cline 提供了三种工作模式：

模式 功能
Ask 仅问答，不操作文件
Plan 分析需求并制定执行计划
Act（Agent） 自动执行：读写文件、运行终端命令、使用浏览器、调用 MCP 工具

Cline Agent 能做什么

在 Act 模式下，Cline 可以：

  • 自动编辑文件：读取、修改、创建、删除项目中的多个文件
  • 执行终端命令：运行 npm install、git commit、pytest 等（执行前会请求你确认）
  • 浏览器自动化：打开网页、抓取内容、截图分析（用于调试或获取文档）
  • 多步骤任务：自主规划并执行跨文件的复杂重构
  • MCP 扩展：通过 Model Context Protocol 连接数据库、文件系统、第三方 API 等外部工具

如何开启 Agent 模式

在 Cline 聊天面板的底部，你会看到模式切换按钮：

[Ask] [Plan] [Act]

点击 Act 即可进入 Agent 模式。此时你输入需求（如"给这个项目添加用户认证功能"），Cline 会自主分析代码库、制定步骤、修改文件、运行测试。

可能混淆的原因

如果你之前用的是 Continue 插件，那确实 Continue 的 Agent 能力较弱（主要是聊天和补全）。但 Cline 和 Roo Code 是目前 VS Code 插件中 Agent 能力最强的两个。

如果你确实在 Cline 里找不到 Act 模式，建议检查：

  1. 插件版本是否最新（v3.x 以上）
  2. 是否误装成了其他插件（如"Continue"或早期版本）

需要我截图说明 Cline 的 Act 模式入口在哪里吗？

## Codex 要用超级管理安装

https://apps.microsoft.com/detail/9plm9xgg6vks?hl=zh-cn&gl=LU

administrator安装

“使用其他API”接入Codex，现在主要有这三种可行的方式：

方式 具体说明 优点 缺点
1. 使用官方Codex CLI，配置其他服务商 OpenAI官方的Codex CLI工具支持通过--provider参数接入多种第三方服务。 官方支持，配置简单，选择丰富。 本质上是调用了其他厂商的大模型，Codex的角色更像一个客户端，而非真正替换了它背后的模型。
2. 使用第三方API中转服务 国内外的开发者社群提供了许多Codex API的中转服务，比如“SuperFast”等。这些服务伪装成Codex的API接口，但在服务端对接了其他模型。 提供统一的Codex接口格式，对国内用户更友好，有时延迟和稳定性更优。 需要自行甄别服务质量和稳定性，且为非官方渠道，存在一定风险。
3. 使用开源替代品 开源社区有不少旨在替代Codex的项目，比如Open Codex、Forge。它们并非简单更换API，而是提供全新的、支持本地化部署的AI编程助手框架。 通常支持本地模型和任意API，开源免费，数据更安全，自由度极高。 需要一定的技术背景来配置和使用，前期上手门槛较高。

💡 补充说明：官方Codex API的现状

需要注意的是，OpenAI最初作为独立API发布的Codex模型已于2023年3月停止服务。

  • 全新的Codex：它现在以 GPT-5-Codex 等新模型的形式回归，功能更强，但主要通过 ChatGPT Plus/Pro订阅 或 新的API 提供服务。
  • 你仍然可以尝试：在新版Codex CLI中，通过--provider参数接入支持OpenAI API的其他厂商，或在个人项目中使用开源替代品进行部署。

⚙️ 具体操作指南

如果你选择方式一（CLI配置服务商），以下是具体的步骤：

  1. 设置环境变量：

    export OPENAI_API_KEY="你的-API-密钥"

    你的API密钥可通过各大AI平台（如：硅基流动、OpenRouter、Groq、DeepSeek等）获取。

  2. 使用--provider参数启动Codex CLI：

    codex --provider <provider_name>

    <provider_name> 可以替换为 openrouter、groq、deepseek 等支持的选项。

🛠️ 进阶与相关工具

  • 使用非标准服务商：对于不在支持列表中的服务商，可以手动指定其API的基础URL（BASE_URL）和密钥。 
    export <provider>_API_KEY="你的-API-密钥"
export <provider>_BASE_URL="https://your-provider-api-base-url"
  • 开源项目：AgentAPI：coder/agentapi 项目提供了一个HTTP API，它封装了包括Codex、Claude Code、Goose等在内的多种AI编程工具，可实现统一调用。

需要注意的几点

  • 使用风险：部分第三方中转服务或接开源的接入方式是非官方的，可能会因违反服务条款而导致账号被封禁，或存在数据泄露、代码安全等风险。请注意甄选信誉良好的开源项目和服务。
  • API兼容性：在使用其他提供商的API时，请确保它们与Codex CLI的要求完全兼容，特别是在函数调用（function calling）等功能上，以避免出现报错。

💎 总结与建议

总的来说，如果你追求稳定和便捷，官方CLI直接更换厂商API是最佳选择；如果需要高频且稳定的国内访问，可以考虑第三方中转服务；如果你是资深开发者且看重数据安全和自由度，开源替代品会是你探索的方向。

另外，如果你是用来开发大型项目，也可以看看像 Cursor、GitHub Copilot、Codeium 这类功能更丰富的AI编程工具，它们很多都是很好的Codex替代品。

你主要是想在国内更方便地接入服务，还是想在项目中实现一些定制化的功能呢？可以和我说说你的具体需求，比如预算和技术栈，我来帮你分析一下这些不同的方案里哪个更适合你～

Roo Code 分两部分：本地插件完全免费，云端服务是收费的。

1. VS Code 扩展（本地版）— 免费

Roo Code 的 VS Code 插件是开源免费的（Apache 2.0 协议），你可以 ：

  • 无限免费使用，所有 Agent 模式（Ask / Architect / Code / Debug / Test）都开放
  • 自带 API Key（BYOM）：填入你自己的 OpenAI、Anthropic、Gemini 或任意 OpenAI 兼容 API，不经过 Roo 平台，零中间费用
  • 支持本地模型：通过 Ollama 等运行本地 LLM，完全零成本

所以如果你只用本地插件 + 自己的 API Key，Roo Code 一分钱不用花。

2. Roo Code Cloud（云端版）— 收费

Roo Code 也提供云端服务，这是需要付费的 ：

方案 价格 内容
Cloud Free $0/月 可使用 Cloud Agents，但按 $5/小时 扣 credits
Cloud Team $99/月 团队协作、共享配置、Slack/Linear 集成，Cloud Agents 同样 $5/小时
Roo Code Router 按量付费 内置模型路由，按 credits 计费，无加价

Cloud Agents 是脱离 VS Code 的自主云端 Agent，可以从 GitHub Issues 或网页直接触发，在云端服务器上自动运行 。

3. 重要：Roo Code 即将归档（2026年5月15日）

Roo Code 官方已宣布将于 2026年5月15日将 GitHub 仓库设为只读（归档），停止活跃开发 。官方推荐的继任者是 Kilo Code——两者代码同源，迁移成本很低（配置路径从 .roo/ 改为 .kilocode/ 即可）。

总结

使用方式 是否收费
VS Code 插件 + 自己的 API Key ✅ 完全免费
VS Code 插件 + 本地模型（Ollama） ✅ 完全免费
Roo Code Cloud Agents（云端自主运行） ❌ 收费（$5/小时）

如果你只是想找一个免费、开源、支持自定义 API、有 Agent 功能的 VS Code 插件，Roo Code 本地版完全符合需求。但考虑到它即将停止维护，建议直接转向 Kilo Code（功能相同 + 持续更新 + 也有免费额度）。

# 人工智能
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

Codex、Claude Code、Cherry Studio 实测对比：CLI、桌面端怎么选？

avatar AtomGit开源社区
cover

8类道路交通车辆目标检测数据集（2600张）｜YOLO训练数据集 智慧交通 自动驾驶 车流统计 车辆识别

avatar AtomGit开源社区
cover

LangChain + RAG 知识库系统搭建指南：从零构建企业级文档问答系统

avatar AtomGit开源社区