Block 开源 AI 编码智能体 Goose，对标 Claude Code 且完全免费

图片来源：VentureBeat 使用 Midjourney 制作

人工智能编码革命伴随着一个代价：它很昂贵。

Claude Code 是 Anthropic 推出的基于终端的 AI 智能体，能够自主编写、调试和部署代码，它激发了全球软件开发者的想象力。但其定价——根据使用量每月从 20 美元到 200 美元不等——却在它本意服务的程序员群体中引发了日益高涨的反抗。

如今，一个免费的替代方案正在获得关注。Goose 是由 Block（这家金融科技公司原名 Square）开发的开源 AI 智能体，提供与 Claude Code 几乎相同的功能，但完全在用户本地机器上运行。没有订阅费。没有云依赖。没有每五小时重置一次的速率限制。

“你的数据始终留在你身边，就是这样，”软件工程师 Parth Sareen 在最近的一次直播中演示该工具时说道。这句话道出了其核心吸引力：Goose 让开发者完全掌控其 AI 驱动的工作流程，包括离线工作的能力——甚至在飞机上。

该项目人气暴涨。Goose 目前在代码共享平台 GitHub 上拥有超过 26,100 颗星，自发布以来有 362 名贡献者和 102 个版本。最新版本 1.20.1 于 2026 年 1 月 19 日发布，其开发速度可与商业产品相媲美。

对于因 Claude Code 的定价结构和使用上限而感到沮丧的开发者来说，Goose 代表了 AI 行业中日益罕见的东西：一个真正免费、无附加条件的严肃工作选项。

要理解 Goose 为何重要，你需要了解 Claude Code 的定价争议。

Anthropic 是一家由前 OpenAI 高管在旧金山创立的人工智能公司，它将 Claude Code 作为其订阅套餐的一部分提供。免费计划完全不提供任何访问权限。Pro 计划按年计费为每月 17 美元（或按月 20 美元），将用户限制为每五小时仅 10 到 40 条提示——这一限制会让严肃的开发者在几分钟的高强度工作后就耗尽额度。

Max 计划每月 100 美元和 200 美元，提供更多额度：分别为 50 到 200 条提示和 200 到 800 条提示，外加访问 Anthropic 最强大的模型 Claude 4.5 Opus。但即便是这些高级套餐也带有激怒开发者社区的限制。

7 月下旬，Anthropic 宣布了新的每周速率限制。在该系统下，Pro 用户每周获得 40 到 80 小时的 Sonnet 4 使用时间。200 美元档的 Max 用户获得 240 到 480 小时的 Sonnet 4，外加 24 到 40 小时的 Opus 4。近五个月后，不满情绪仍未平息。

问题何在？那些“小时”并非真正的小时。它们代表基于 token 的限制，会因代码库大小、对话长度和处理代码的复杂度而大幅波动。独立分析表明，实际的每次会话限制对于 Pro 用户约为 44,000 个 token，对于 200 美元的 Max 计划约为 220,000 个 token。

“这令人困惑且含糊不清，”一位开发者在一篇被广泛分享的分析中写道。“当他们说‘24-40 小时的 Opus 4’时，这并没有真正告诉你任何关于你实际获得什么的有用信息。”

Reddit 和开发者论坛上的反弹十分激烈。一些用户报告在 intensive 编码 30 分钟内就达到了每日限制。其他人则完全取消了订阅，称新限制“是个笑话”且“无法用于真正的工作”。

Goose 对同一问题采取了截然不同的方法。

Goose 由 Jack Dorsey 领导的支付公司 Block 打造，是工程师们所称的“on-machine AI agent（本机 AI 智能体）”。与将你的查询发送到 Anthropic 服务器进行处理的 Claude Code 不同，Goose 可以完全在你本地计算机上运行，使用你自己下载和控制的开放源代码语言模型。

该项目的文档将其描述为“超越代码建议”，能够“使用任何 LLM 进行安装、执行、编辑和测试”。最后那句话——“任何 LLM”——是关键的区别所在。Goose 在设计上就是模型无关的。

如果你有 API 访问权限，你可以将 Goose 连接到 Anthropic 的 Claude 模型。你可以使用 OpenAI 的 GPT-5 或 Google 的 Gemini。你可以通过 Groq 或 OpenRouter 等服务来路由它。或者——这正是有趣之处——你可以使用 Ollama 等工具完全在本地运行它，这些工具让你可以在自己的硬件上下载和执行开源模型。

其实际意义重大。通过本地设置，没有订阅费、没有使用上限、没有速率限制，也不必担心你的代码被发送到外部服务器。你与 AI 的对话永远不会离开你的机器。

“我在飞机上经常使用 Ollama——非常有趣！”Sareen 在一次演示中说道，强调了本地模型如何让开发者摆脱互联网连接的束缚。

Goose 作为命令行工具或桌面应用程序运行，可以自主执行复杂的开发任务。它可以从零开始构建整个项目、编写和执行代码、调试故障、协调跨多个文件的工作流程，并与外部 API 交互——所有这些都无需持续的人工监督。

该架构依赖于 AI 行业所称的“工具调用”或“函数调用”——即语言模型能够向外部系统请求特定操作。当你让 Goose 创建新文件、运行测试套件或检查 GitHub 拉取请求的状态时，它不只是生成描述应该发生什么的文本，而是会实际执行这些操作。

这一能力在很大程度上取决于底层语言模型。根据伯克利函数调用排行榜（该榜单按模型将自然语言请求转化为可执行代码和系统命令的能力进行排名），Anthropic 的 Claude 4 模型目前在工具调用方面表现最佳。

但较新的开源模型正在快速追赶。Goose 的文档重点介绍了几个具有强大工具调用支持的选项：Meta 的 Llama 系列、阿里巴巴的 Qwen 模型、Google 的 Gemma 变体，以及 DeepSeek 以推理为核心的架构。

该工具还与模型上下文协议（Model Context Protocol，简称 MCP）集成，这是一种将 AI 智能体连接到外部服务的新兴标准。通过 MCP，Goose 可以访问数据库、搜索引擎、文件系统和第三方 API——将其能力远远扩展到基础语言模型所能提供的范围之外。

对于有兴趣搭建完全免费、保护隐私的配置的开发者来说，这个过程涉及三个主要组件：Goose 本身、Ollama（一款用于在本地运行开源模型的工具）以及一个兼容的语言模型。

第 1 步：安装 Ollama

Ollama 是一个开源项目，它极大地简化了在个人硬件上运行大型语言模型的过程。它通过简单的界面处理下载、优化和提供模型服务等复杂工作。

从 ollama.com 下载并安装 Ollama。安装完成后，你可以用一条命令拉取模型。对于编码任务，Qwen 2.5 提供强大的工具调用支持：

ollama run qwen2.5

模型会自动下载并开始在你的机器上运行。

第 2 步：安装 Goose

Goose 同时提供桌面应用和命令行界面两种形式。桌面版提供更直观的可视化体验，而 CLI 则吸引那些喜欢完全在终端中工作的开发者。

安装说明因操作系统而异，但通常包括从 Goose 的 GitHub releases 页面下载或使用包管理器。Block 为 macOS（Intel 和 Apple Silicon 两种）、Windows 和 Linux 提供预构建的二进制文件。

第 3 步：配置连接

在 Goose Desktop 中，依次进入 Settings、Configure Provider，然后选择 Ollama。确认 API Host 设置为 http://localhost:11434（Ollama 的默认端口），然后点击 Submit。

对于命令行版本，运行 goose configure，选择“Configure Providers”，选择 Ollama，并在提示时输入模型名称。

就是这样。Goose 现在已连接到一个完全在你的硬件上运行的语言模型，随时可以在没有任何订阅费或外部依赖的情况下执行复杂的编码任务。

显而易见的问题是：你需要什么样的电脑？

在本地运行大型语言模型所需的计算资源远高于普通软件。关键的限制因素是内存——具体来说，在大多数系统上是 RAM，如果使用独立显卡加速则是 VRAM。

Block 的文档建议，32 GB 的 RAM 可提供“较大模型和输出的可靠基线”。对于 Mac 用户来说，这意味着电脑的统一内存是主要瓶颈。对于使用独立 NVIDIA 显卡的 Windows 和 Linux 用户来说，GPU 内存（VRAM）对加速更为重要。

“你不需要运行最大的模型就能获得出色的结果，”Sareen 强调说。实用建议是：先用较小的模型测试你的工作流程，然后根据需要扩大规模。

作为参考，Apple 入门级 8 GB RAM 的 MacBook Air 在运行大多数能力较强的编码模型时会很吃力。但 32 GB 的 MacBook Pro——在专业开发者中越来越常见——可以轻松应对。

搭配本地 LLM 的 Goose 并非 Claude Code 的完美替代品。这一比较涉及开发者应当了解的实实在在的权衡。

模型质量：Anthropic 的旗舰模型 Claude 4.5 Opus 可以说仍然是软件工程任务中最强大的 AI。它擅长理解复杂的代码库、遵循细微的指令，并在首次尝试时就生成高质量的代码。开源模型已经有了显著改进，但差距依然存在——尤其是在最具挑战性的任务上。

一位改用每月 200 美元 Claude Code 套餐的开发者直言不讳地描述了这种差异：“当我说‘让它看起来现代一点’时，Opus 明白我的意思。其他模型给我的却是 2015 年前后的 Bootstrap。”

上下文窗口：通过 API 访问的 Claude Sonnet 4.5 提供了一百万 token 的超大上下文窗口——足以加载整个大型代码库，而无需分块或进行上下文管理。大多数本地模型默认限制为 4,096 或 8,192 个 token，不过许多模型可以配置为支持更长的上下文，代价是内存占用增加和处理速度变慢。

速度：像 Claude Code 这样的云端服务运行在专为 AI 推理优化的专用服务器硬件上。而运行在消费级笔记本电脑上的本地模型通常处理请求更慢。对于需要快速修改并等待 AI 反馈的迭代工作流来说，这一差异至关重要。

工具成熟度：Claude Code 受益于 Anthropic 专门的工程资源。提示缓存（对于重复上下文可将成本降低多达 90%）和结构化输出等功能经过打磨且有完善的文档。Goose 虽然仍在积极开发中，迄今已发布 102 个版本，但依赖社区贡献，在特定领域可能缺乏同等的精细度。

Goose 进入了一个拥挤的 AI 编码工具市场，但占据着独特的位置。

Cursor 是一款流行的 AI 增强代码编辑器，其 Pro 套餐每月收费 20 美元，Ultra 套餐收费 200 美元——这一定价与 Claude Code 的 Max 套餐如出一辙。Cursor 在 Ultra 级别每月提供约 4,500 次 Sonnet 4 请求，这与 Claude Code 按小时重置的配额模式截然不同。

Cline、Roo Code 及类似的开源项目提供 AI 编码辅助，但自主性和工具集成程度各不相同。许多项目侧重于代码补全，而非定义 Goose 和 Claude Code 的智能体任务执行。

亚马逊的 CodeWhisperer、GitHub Copilot 以及各大云厂商的企业级产品面向的是拥有复杂采购流程和专项预算的大型组织。它们与寻求轻量、灵活工具的个人开发者和小型团队关系不大。

Goose 集真正的自主性、模型无关性、本地运行和零成本于一身，创造了独特的价值主张。该工具并不试图在精细度或模型质量上与商业产品竞争。它竞争的是自由——无论是财务上的还是架构上的。

AI 编码工具市场正在快速演变。开源模型的进步速度不断缩小与专有替代方案的差距。Moonshot AI 的 Kimi K2 和 z.ai 的 GLM 4.5 如今的基准测试成绩已接近 Claude Sonnet 4 的水平——而且它们可以免费获取。

如果这一趋势持续下去，支撑 Claude Code 高价策略的质量优势可能会被侵蚀。届时 Anthropic 将面临压力，需要在功能、用户体验和集成方面展开竞争，而非仅仅依靠原始模型能力。

就目前而言，开发者面临一个明确的选择。那些需要绝对最佳模型质量、负担得起高价、并接受使用限制的人可能更青睐 Claude Code。而那些优先考虑成本、隐私、离线访问和灵活性的人则在 Goose 中拥有了一个真正的替代方案。

一款每月 200 美元的商业产品竟有一个核心功能相当、价格为零的开源竞争者，这本身就非同寻常。它既反映了开源 AI 基础设施的成熟，也反映了开发者对尊重其自主权的工具的渴求。

Goose 并非完美。它比商业替代方案需要更多的技术配置。它依赖并非每位开发者都拥有的硬件资源。它的模型选项虽然在快速改进，但在复杂任务上仍落后于最好的专有产品。

但对于一个不断壮大的开发者社区来说，这些限制是可以接受的取舍，换来的是 AI 领域日益稀缺的东西：一个真正属于他们的工具。

Goose 可在 github.com/block/goose 下载。Ollama 可在 ollama.com 获取。两个项目都是免费且开源的。