opencode组件详解-RAG：检索增强生成

核心理念

RAG（Retrieval-Augmented Generation）通过**检索外部知识库**，增强 LLM 的回答准确性和相关性。OpenCode 通过 RAG 机制，让 AI Agent 能够"理解"项目代码库，而非"盲写"代码。

OpenCode RAG 插件

**核心功能**：
– **Repo Facts Gating**：阻止读取类操作，直到 `repo_facts` 被执行
– **Session Management**：每会话 RAG 相关指标追踪
– **Bundle Statistics**：日志记录并追踪上下文包效率
– **Auto-Trigger**：会话启动时可选自动执行 `repo_facts`

**被阻止的工具**（直到 `repo_facts` 执行）：
– `read`
– `grep`
– `glob`
– `list`
– `find_symbol`
– `find_refcalls`

**配置示例**：
```jsonc
{
  "rag": {
    "disciplineMode": "auto",
    "autoRepoFactsOnSessionStart": true,
    "autoRepoFactsOnFirstRead": false,
    "enforceGating": true,
    "v2": {
      "cacheEnabled": true,
      "gatingEnabled": true,
      "queryClassifierEnabled": true
    }
  }
}
```

工作流对比

**Without Gating（容易出错）**：
```
1. 用户：修复 auth bug
2. Agent：立即读取 auth.ts
3. Agent：在不理解项目结构的情况下进行修改
4. 结果：可能破坏其他 auth 功能
```

**With Gating（有纪律）**：
```
1. 用户：修复 auth bug
2. Agent：尝试读取 auth.ts
3. ❌ 被阻止："先运行 repo_facts"
4. Agent：运行 repo_facts → 学习项目结构
5. Agent：读取 auth.ts，充分理解上下文
6. Agent：做出有意识的修改
7. 结果：架构意识强，改动更安全
```