OpenCode: l'agente di programmazione che gira in casa

Chi mette i pannelli sul tetto lo fa per due motivi, e nessuno dei due è la tecnologia: a fine mese non arriva più la bolletta, e quello che consuma non passa dal contatore di qualcun altro. Il prezzo da pagare è onesto: quello che puoi accendere dipende da quanto impianto hai.

OpenCode è questo, applicato agli agenti di programmazione. Il cervello è un modello che gira sulla tua macchina: nessun abbonamento, nessun dato che esce, e funziona anche staccato dalla rete. Il limite è il tetto.

Non è una chat: è un agente

La differenza con una finestra di chat in cui si incolla il codice è sostanziale. OpenCode vive nel terminale e ha le mani sul sistema: legge e scrive file, esegue comandi bash o PowerShell, naviga i pattern del progetto. È un’autonomia di livello 3-4 nella scala degli agenti, guidata da un LLM locale che fa da cervello decisionale.

Chat                                  Agente da terminale
tu copi il codice, lei suggerisce     lei apre i file, li modifica,
tu incolli la risposta                esegue i comandi e torna col risultato

Supporta più di settantacinque provider e il protocollo MCP: lato integrazioni è una piattaforma, non un singolo strumento.

OpenCode contro Claude Code: due filosofie

	OpenCode	Claude Code
Costo	Gratuito	Abbonamento, circa 18 €/mese
Rete	Funziona offline (con Ollama)	Connessione obbligatoria
Dati	Restano sulla macchina	Transitano nel cloud
Qualità del ragionamento	Quella del modello locale che scegli	Eccellente
Controllo	Totale	Delegato al fornitore

Non c’è un vincitore: ci sono due compromessi diversi. Da una parte un ragionamento migliore pagato con canone, rete e dati; dall’altra il controllo completo pagato con l’hardware.

Dove rende, e dove serve altro

OpenCode è uno strumento chirurgico: dà il meglio quando lavora in profondità sui file di un progetto che hai in locale — scrivere codice, fare debug, modificare script.

Se invece serve cercare informazioni trasversalmente — cinquanta PDF da interrogare — o un’interfaccia comoda in cui conversare, la strada giusta è un’altra: una Open WebUI sopra un RAG fa quel lavoro molto meglio. Strumenti diversi per lavori diversi.

Tre famiglie di casi d’uso

Studiare. Dal terminale, su una cartella di appunti: far leggere un capitolo e generare dieci domande per verificare la comprensione, confrontare due set di note per trovare i temi in comune, produrre un riassunto strutturato da decine di file Markdown.

Programmare. Scandagliare un intero progetto in cerca di bug silenziosi prima che arrivino in produzione, scrivere i test unitari che nessuno scrive mai, fare refactoring aggiornando vecchie funzioni a paradigmi più moderni.

Automatizzare. Rinominare in blocco le estensioni di centinaia di file, generare un indice che mappa i file di codice e le funzioni interne, scorrere migliaia di righe di log e categorizzare gli errori in un report ordinato.

E non è limitato a ciò che hai sul disco: via MCP si collegano strumenti esterni — il browser, i repository su GitHub — e il raggio d’azione si allarga.

Le due righe che tutti dimenticano

I prerequisiti sono Node.js e Ollama già in esecuzione; si installa il pacchetto con npm e si scrive un opencode.json che dichiara Ollama come provider. Fin qui è ordinaria amministrazione. Poi ci sono due dettagli che separano un setup che funziona da uno frustrante.

{
  "provider": "ollama",
  "tools": true        // senza questa riga l'agente guarda e non tocca
}

tools: true. Senza l’abilitazione esplicita degli strumenti, l’agente è di fatto paralizzato: ragiona, ma non può eseguire nulla sul sistema.

La finestra di contesto ad almeno 64.000 token, impostata a mano in un model file. È la memoria a breve termine: sotto quella soglia, a metà di un’operazione con più passaggi l’agente ha già dimenticato le istruzioni iniziali. Il perché sta nella context window.

Hardware: i tre chilowatt sul tetto

Macchina	Modello alla portata	Esperienza
Mac M3, 16 GB	8 miliardi di parametri	Basilare: compiti da 1-2 passaggi
Mac M4 Pro, PC con RTX 5070	14 miliardi	Copre la maggior parte delle operazioni
PC fascia alta, 64 GB	32 miliardi	Risultati eccellenti

La raccomandazione minima per un’esperienza fluida è 14 miliardi di parametri, per esempio Qwen3 14B. Sotto, con i modelli da 8B, il degrado non è graduale: l’agente si perde nei compiti lunghi e — il sintomo più rivelatore — sbaglia la sintassi con cui chiama i propri strumenti, quindi fallisce senza nemmeno provare. Non è un difetto del software: è l’impianto troppo piccolo per l’elettrodomestico. Per dimensionarlo c’è la lezione sull’ hardware per LLM, e la quantizzazione sposta la soglia di un gradino.

Il flusso di lavoro, in cinque passi

1. terminale nella cartella del progetto
2. lancio dell'agente
3. richiesta in linguaggio naturale
4. l'agente analizza, legge i file e propone le modifiche
5. verifica umana: approvare o correggere   ← il cerchio si chiude qui

Il quinto passo non è una formalità. L’agente ha i permessi per scrivere e per eseguire: il controllo finale resta all’intelligenza umana, e va esercitato ogni volta.

Il cloud sta diventando obsoleto?

La domanda viene naturale guardando la velocità con cui i modelli locali diventano potenti e compatti sull’hardware di tutti i giorni. Non c’è una risposta, ma c’è una direzione: più l’impianto sul tetto diventa decente, meno regge l’argomento del canone. Chi vuole il quadro completo del compromesso lo trova in cloud contro locale.

In sintesi

Concetto	In una riga
Cos’è	Un agente da terminale che legge, scrive ed esegue, con un modello locale
Perché sceglierlo	Gratuito, offline, dati che non escono dalla macchina
Quando serve altro	Interrogare molti documenti o avere un’interfaccia comoda
La configurazione critica	tools: true e contesto ≥ 64k token
La soglia hardware	14B minimo per un’esperienza fluida; sotto, l’agente sbaglia a chiamare gli strumenti
Il passo che non si salta	La verifica umana delle modifiche proposte