Goose vs Claude Code: Agen Percuma, Tugas Sama

Claude Code ialah coding agent AI paling capable yang ada sekarang. Baca codebase, tulis code, jalankan tests, deploy perubahan, handle multi-file refactors — semua dengan minimum pengawasan. Tapi harganya mahal: plan Max berharga $200 sebulan, dan plan Pro $20 pun hadkan kepada 10–40 prompts setiap lima jam. Bila exhaust limit masa coding session yang intensif, kena tunggu.

Goose, dibina oleh Block (dahulu Square) dan kini ditadbir oleh Agentic AI Foundation di bawah Linux Foundation, buat kerja yang sama secara percuma. Coding agent open-source, model-agnostic, berjalan sepenuhnya di mesin sendiri. Tiada subscription, tiada rate limits, tiada cloud dependency. Code tak pernah keluar dari laptop.

Projek ini ada 48,000+ GitHub stars dan dihantar sebagai desktop app dan CLI. Apache-2.0 licensed, aktif disenggarakan, dan sokong 15+ model provider termasuk Ollama untuk operasi sepenuhnya lokal. Perbandingan dengan Claude Code bukan hipotesis — developer memang sedang buat perbandingan ini sekarang.

Kos Claude Code (dan Apa yang Dapat Sebenarnya)

Struktur pricing straightforward tapi restrictive. Free tier tak bagi apa-apa. Plan Pro ($20/bulan) hadkan kepada 10–40 prompts setiap lima jam. Plan Max pada $100 dan $200 sebulan tawarkan 50–200 dan 200–800 prompts masing-masing, ditambah akses kepada Claude 4.5 Opus.

Weekly rate limits tambah satu lagi lapisan. Pengguna Pro dapat 40–80 jam penggunaan Sonnet 4 per minggu. Pengguna Max pada $200 dapat 240–480 jam Sonnet 4 ditambah 24–40 jam Opus 4. Tapi "jam" ini sebenarnya token-based limits yang berbeza-beza bergantung pada saiz codebase dan kerumitan conversation. Analisis bebas menunjukkan per-session limits berjumlah lebih kurang 44,000 tokens untuk Pro dan 220,000 tokens untuk plan Max $200.

Developer lantang tentang kekecewaan ini. Ada yang report hit daily limits dalam 30 minit coding yang intensif. Ada yang batalkan subscription terus, panggil restrictions ini tak boleh diguna untuk development kerja sebenar. Pertahanan Anthropic — limits ini affect kurang 5% pengguna — belum selesaikan kemarahan, sebahagian kerana syarikat tak clarify sama ada itu 5% pelanggan Max atau 5% semua pengguna.

Cara Goose Berfungsi (dan Kenapa "Any LLM" Itu Penting)

Goose ambil pendekatan yang jauh berbeza. Command-line tool atau desktop app yang berjalan secara lokal dan connect kepada mana-mana bahasa model yang dipilih. "Any LLM" ialah perbezaan utama.

Boleh point Goose kepada model Claude dari Anthropic kalau ada API access. Atau gunakan OpenAI, Google Gemini, Groq, OpenRouter, atau Azure. Boleh juga jalankan sepenuhnya lokal dengan Ollama, download dan execute model open-source pada hardware sendiri. Dengan setup lokal, tiada subscription fees, tiada usage caps, dan tiada kebimbangan code keluar dari mesin.

# Install Ollama dan tarik coding model
ollama run qwen3-coder

# Install Goose (contoh macOS)
brew install block/tap/goose

# Configure Goose untuk guna Ollama
goose configure
# → Pilih "Configure Providers" → "Ollama" → http://localhost:11434

Implikasi praktikal lebih jauh daripada kos. Goose berfungsi offline — di dalam kapal terbang, dalam environment air-gapped, di mana-mana tanpa internet. Conversation dengan AI tak pernah keluar dari mesin. Bagi developer yang kerja di codebase proprietari, projek yang dikawal selia, atau infrastruktur sensitif, ini bukan nice-to-have. Ini keperluan.

Apa yang Goose Boleh Buat Sebenarnya

Goose bukan tool code completion. Ia agen autonomous yang boleh bina projek keseluruhan dari sifar, tulis dan execute code, debug kegagalan, orchestrate workflows merentasi beberapa fail, dan berinteraksi dengan API luar. Tool calling — keupayaan bahasa model untuk minta tindakan spesifik dari sistem luar — digunakan untuk execute operasi sebenar, bukan sekadar describe.

Kualiti tool calling bergantung pada model asas. Model Claude 4 dari Anthropic kini memimpin Berkeley Function-Calling Leaderboard, yang rank model berdasarkan keupayaan translate bahasa natural kepada kod boleh laksana dan arahan sistem. Tapi model open-source semakin cepat mengejar.

Goose integrate dengan Model Context Protocol (MCP), connect kepada 70+ extensions merangkumi database, API, browsers, GitHub, Google Drive, dan banyak lagi. Melalui MCP, Goose boleh capai tools yang jauh melampaui apa yang model bahasa asas sediakan.

# Contoh Goose recipe — workflow parameterized
name: test-and-deploy
description: Jalankan tests, build, dan deploy ke staging
steps:
  - tool: terminal
    command: "npm test"
  - tool: terminal
    command: "npm run build"
  - tool: github
    action: create_pr
    branch: "staging-{{version}}"

Recipes tukar agent workflows menjadi YAML yang boleh dikongsi dan dijalankan dalam CI/CD pipelines. Ini jenis feature yang buat Goose berguna melampaui pembangunan individu — ia jadi tool automation pasukan.

Trade-off yang Perlu Difahami

Perbandingan yang jujur perlu akui apa yang Claude Code buat lebih baik.

Kualiti model: Claude 4.5 Opus masih antara AI paling capable untuk software engineering yang kompleks. Unggul dalam memahami codebase yang besar, ikut arahan nuanced, dan hasilkan kod berkualiti tinggi pada percubaan pertama. Model open-source sudah improve dengan dramatik, tapi gap masih ada untuk tugas yang paling challenging.

Context window: Claude Sonnet 4.5 tawarkan context window satu juta tokens — cukup untuk load entire large codebase tanpa chunking atau isu context management. Kebanyakan model lokal default kepada 4,096 atau 8,192 tokens, walaupun banyak boleh dikonfigurasi untuk context lebih panjang dengan kos memori dan kelajuan.

Polish out-of-box: Claude Code manfaat dari engineer dedicated Anthropic. Features macam prompt caching (kurangkan kos sehingga 90% untuk konteks berulang) dan structured outputs adalah reliable dan well-documented. Goose, walaupun aktif dibangunkan dengan 102+ releases, lebih banyak bergantung pada sumbangan komuniti.

Kematangan tooling: Claude Code ada skills, subagents, hooks, dan background execution terbina dalam. Goose semakin mengejar, tapi integration antara model Anthropic dan harness Claude Code lebih ketat daripada pendekatan model-agnostic Goose.

Soalan Sebenar: Kawalan vs Keselesaan

Perbandingan antara Goose dan Claude Code terdasar kepada satu paksi: siapa yang miliki workflow?

Goose berlesen Apache-2.0, ditadbir Linux Foundation, dan model-agnostic. Boleh fork, self-host, tukar model dengan bebas, dan workflow tak terikat kepada mana-mana syarikat. Harga kebebasan itu ialah lebih banyak friction setup dan keperluan manage sendiri connections model provider.

Claude Code proprietari, tightly-integrated, dan optimize untuk model frontier Anthropic. Sign in dan terus guna. Trade-off untuk polish itu ialah coupling yang lebih rapat kepada model, pricing, dan roadmap satu vendor.

Ramai developer pilih untuk guna kedua-dua. Goose sebagai workhorse vendor-neutral untuk tugas harian dan codebase sensitif. Claude Code bila khusus nak model frontier Anthropic dalam harness yang paling lancar. Guna kedua-dua hedge risiko terbesar: bertaruh seluruh workflow pada model dan pricing satu lab.

Mula Dengan Goose

Laluan paling pantas ke coding agent percuma:

1. Install Ollama dan tarik model (ollama run qwen3-coder)
2. Install Goose (desktop app atau CLI)
3. Configure Goose untuk connect ke Ollama di http://localhost:11434
4. Mula coding

Bagi developer yang nak cloud models, Goose connect kepada Anthropic, OpenAI, Google, dan 12+ provider lain melalui API keys. Boleh juga gunakan subscription Claude atau ChatGPT sedia ada melalui Agent Client Protocol.

Era $200 sebulan untuk AI coding tools mungkin tak berakhir, tapi ia bukan satu-satunya pilihan lagi. Goose buktikan alternatif zero-cost, privacy-preserving boleh handle development kerja sebenar. Sama ada ia gantikan Claude Code sepenuhnya atau jadi complement yang isi gap-nya bergantung pada apa yang dioptimize — dan semakin ramai developer pilih kedua-dua.

Goose ada di github.com/block/goose. Ollama di ollama.com. Kedua-duanya percuma dan open source.