人工智慧程式碼革命伴隨著一個問題：它很昂貴。Anthropic 旗下的終端機 AI 代理 Claude Code，能自主編寫、偵錯及部署程式碼，已在全球軟體開發者中引起廣泛關注。然而，其每月 20 至 200 美元不等的訂閱費用，卻在目標使用者群體中引發了日益增長的反彈。

如今，一個免費的替代方案正逐漸受到歡迎。由 Block（前身為 Square 的金融科技公司）開發的開源 AI 代理 Goose，提供與 Claude Code 幾乎相同的功能，但完全在使用者本機上運行。它沒有訂閱費、不依賴雲端，也沒有每五小時重置一次的速率限制。

軟體工程師 Parth Sareen 在最近的直播中展示該工具時表示：「你的資料完全屬於你。」這句話點出了其核心吸引力：Goose 讓開發者能完全掌控其 AI 驅動的工作流程，包括離線工作，即使在飛機上也能使用。這個專案的人氣急遽攀升。Goose 在程式碼分享平台 GitHub 上已獲得超過 26,100 顆星，擁有 362 位貢獻者，自推出以來已發布 102 個版本。

最新版本 1.20.1 於 2026 年 1 月 19 日發布，其開發速度足以媲美商業產品。對於因 Claude Code 的定價結構和使用上限而感到沮喪的開發者來說，Goose 代表著 AI 產業中日益罕見的選擇：一個真正免費、無附加條件，且適用於嚴肅工作的選項。

Anthropic 新的速率限制引發開發者反彈要理解 Goose 的重要性，必須先了解 Claude Code 的定價爭議。由前 OpenAI 高階主管創立的舊金山人工智慧公司 Anthropic，將 Claude Code 作為其訂閱方案的一部分。

免費方案完全不提供存取權限。Pro 方案每月 17 美元（按年計費）或每月 20 美元，將使用者限制為每五小時僅能發送 10 到 40 個提示詞，對於需要大量工作的開發者而言，這項限制在幾分鐘內就會耗盡。Max 方案每月 100 美元和 200 美元，提供更多使用空間：分別為 50 到 200 個提示詞和 200 到 800 個提示詞，並可存取 Anthropic 最強大的模型 Claude 4.5 Opus。

然而，即使是這些高階方案也附帶限制，激怒了開發者社群。七月下旬，Anthropic 宣布了新的每週速率限制。根據該系統，Pro 使用者每週可獲得 40 到 80 小時的 Sonnet 4 使用時間。每月 200 美元的 Max 方案使用者則可獲得 240 到 480 小時的 Sonnet 4，外加 24 到 40 小時的 Opus 4。

將近五個月後，開發者的不滿情緒仍未平息。問題出在哪？這些「小時」並非實際時間。它們代表基於 token 的限制，會根據程式碼庫大小、對話長度以及處理程式碼的複雜度而大幅波動。獨立分析顯示，實際的單次會話限制約為 Pro 使用者的 44,000 個 token，以及 200 美元 Max 方案的 220,000 個 token。

一位開發者在廣為流傳的分析中寫道：「這既令人困惑又模糊不清。」「當他們說『24-40 小時的 Opus 4』時，這並不能真正告訴你實際獲得了什麼有用的資訊。」在 Reddit 和開發者論壇上的反彈聲浪非常激烈。一些使用者表示，他們在密集編程的 30 分鐘內就達到了每日限制。

其他人則完全取消了訂閱，稱這些新限制是「笑話」且「無法用於實際工作」。Anthropic 為這些變更辯護，聲稱這些限制影響不到百分之五的使用者，且目標是那些「24/7 全天候在背景持續運行」Claude Code 的人。然而，該公司並未澄清這個數字是指 Max 訂閱者的百分之五，還是所有使用者的百分之五，這是一個極其重要的區別。

Block 如何打造出可離線運作的免費 AI 程式碼代理Goose 對於相同的問題採取了截然不同的方法。由 Jack Dorsey 領導的支付公司 Block 所開發的 Goose，是工程師所謂的「本地端 AI 代理」。與 Claude Code 將你的查詢發送到 Anthropic 伺服器進行處理不同，Goose 可以完全在你的本機電腦上運行，使用你自行下載和控制的開源語言模型。

該專案的文件將其描述為「超越程式碼建議」，能夠「使用任何大型語言模型 (LLM) 進行安裝、執行、編輯和測試」。最後這句話，「任何 LLM」，是其關鍵的差異化因素。Goose 在設計上是模型不可知的。如果你有 API 存取權限，你可以將 Goose 連接到 Anthropic 的 Claude 模型。

你也可以使用 OpenAI 的 GPT-5 或 Google 的 Gemini。你可以透過 Groq 或 OpenRouter 等服務來路由它。或者，這就是有趣的地方，你可以使用 Ollama 等工具，完全在本地運行它，這些工具允許你在自己的硬體上下載並執行開源模型。

實際影響是巨大的。透過本地設定，沒有訂閱費、沒有使用上限、沒有速率限制，也無需擔心你的程式碼被發送到外部伺服器。你與 AI 的對話永遠不會離開你的機器。Sareen 在一次演示中指出：「我經常在飛機上使用 Ollama，這非常有趣！」他強調了本地模型如何讓開發者擺脫網路連線的限制。

Goose 能做到傳統程式碼助手無法實現的功能Goose 作為一個命令列工具或桌面應用程式運作，能夠自主執行複雜的開發任務。它能從零開始建立整個專案、編寫和執行程式碼、偵錯故障、協調多個檔案之間的工作流程，並與外部 API 互動，所有這些都無需持續的人工監督。

其架構依賴於 AI 產業所謂的「工具呼叫」或「函數呼叫」，即語言模型能夠向外部系統請求特定動作的能力。當你要求 Goose 建立新檔案、執行測試套件或檢查 GitHub pull request 的狀態時，它不僅僅是生成描述應發生情況的文字。

它實際上會執行這些操作。這項能力很大程度上取決於底層的語言模型。根據 Berkeley Function-Calling Leaderboard（該榜單根據模型將自然語言請求轉換為可執行程式碼和系統指令的能力進行排名），Anthropic 的 Claude 4 模型目前在工具呼叫方面表現最佳。

但較新的開源模型正迅速迎頭趕上。Goose 的文件強調了幾個具有強大工具呼叫支援的選項：Meta 的 Llama 系列、Alibaba 的 Qwen 模型、Google 的 Gemma 變體，以及 DeepSeek 專注於推理的架構。該工具還整合了 Model Context Protocol (MCP)，這是一個連接 AI 代理到外部服務的新興標準。

透過 MCP，Goose 可以存取資料庫、搜尋引擎、檔案系統和第三方 API，將其功能擴展到遠超基礎語言模型所提供的範圍。使用本地模型設定 Goose對於對完全免費、保護隱私的設定感興趣的開發者來說，這個過程涉及三個主要組件：Goose 本身、Ollama（一個用於在本地運行開源模型的工具）以及一個相容的語言模型。

步驟 1：安裝 OllamaOllama 是一個開源專案，極大地簡化了在個人硬體上運行大型語言模型的過程。它透過簡單的介面處理下載、優化和提供模型等複雜工作。從 ollama.com 下載並安裝 Ollama。安裝完成後，你可以透過單一指令拉取模型。

對於程式碼任務，Qwen 2.5 提供強大的工具呼叫支援：ollama run qwen2.5模型會自動下載並開始在你的機器上運行。步驟 2：安裝 GooseGoose 提供桌面應用程式和命令列介面兩種形式。桌面版本提供更視覺化的體驗，而 CLI 則吸引偏好完全在終端機中工作的開發者。

安裝說明因作業系統而異，但通常涉及從 Goose 的 GitHub 發布頁面下載或使用套件管理器。Block 為 macOS（Intel 和 Apple Silicon）、Windows 和 Linux 提供預先建置的二進位檔。步驟 3：設定連線在 Goose 桌面應用程式中，導航至「設定」，然後「設定提供者」，並選擇 Ollama。

確認 API 主機設定為 http://localhost:11434（Ollama 的預設埠），然後點擊「提交」。