人类主导的半自动 Vibe-coding 工作流

人类主导的半自动 Vibe-coding 工作流

使用的工具

OpenCode Desktop / OMO / RTK

OpenCode Desktop

OpenCode 官网 | OpenCode 文档 | OpenCode 仓库 | OpenCode Desktop Windows 下载直链

OpenCode 是一个开源的 AI 编码代理，在半自动 Vibe-coding 工作流中充当我的主用工作台，功能优势：

  • 基于项目目录的图形化工作台 / 会话管理，支持 worktree 模式开发。
  • 原生支持多服务器、MCP、LSP以及专用插件。
  • 基于 Git changes 的图形化审查系统。
  • 在同一个项目中并行启动多个代理并行操作。

OMO（oh-my-openagent）

OMO 官网 | OMO 仓库

oh-my-openagent（简称 OMO） 是一个开源的多 Agent 编排框架，自动规划、分解并分配任务。
简单来说就是不太需要什么操作就能增强 LLM Agent 的能力和 Vibe-coding 开发效率。

如何安装？

直接把下面的提示词发送给你的 LLM Agent：

1
2
Install and configure oh-my-opencode by following the instructions here:
https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/refs/heads/dev/docs/guide/installation.md

你要使用什么 LLM 来编码就要选 Yes，否则 OMO 无法为每个角色分配 LLM 型号 / 推理强度来达到最佳使用效果
比如你要用 Anthropic 的 Opus 4.6 你就要在 Do you have a Claude Pro/Max subscription? 时选择 Yes (standard) 或 Yes (max20 mode)
或者你要用 OpenAI 的 gpt-5.4 你就要在 Do you have an OpenAI/ChatGPT Plus subscription? 时选择 Yes

我没有任何 LLM Agent：

  1. 先打开 powershell 并执行：
1
powershell -c "irm bun.sh/install.ps1 | iex"
  1. 装完后重开终端，先检查一下：
1
bun --version
  1. 然后执行 OMO 的手动安装：
1
bunx oh-my-opencode install
  1. 按需填写配置，如上所说，用什么模型就要选 yes。

如何更新？

1
bunx oh-my-opencode doctor

如果有新版本会有类似下面的命令提示，执行即可：

1
cd "$env:UserProfile\.config\opencode"; bun install

RTK（Rust Token Killer）

RTK 是一个用于节省 Token 开销的命令行工具。（平均能降低 60-90%）

RTK 官网 | RTK 仓库

如何安装：

  1. Windows 下载 预编译二进制文件（一般为 “rtk-x86_64-pc-windows-msvc.zip”）
  2. 解压后将该目录添加进系统 PATH 环境变量，在 CMD 中运行 rtk --version，若显示版本号则成功。
  3. 使用该命令为 OpenCode 安装插件 rtk init -g --opencode
  4. 后续更新：按照安装方法重新下载最新的 预编译二进制文件，覆盖之前的可执行文件，自此更新完成。

我现在更倾向于把半自动 Vibe-coding 理解成一种开发状态：
想法出现的时候，能很快开始做；做的过程中，AI 能持续接住上下文；但项目的方向、边界和节奏，还是由人来控制。

工作流

1. 触发任务：用一句自然语言开启 Ultra Work 模式

在第一个指令的最前面添加 “ulw” 来触发 Ultra Work。

示例指令：

1
ulw 在用户设置页增加一个“深色模式切换开关”，状态存 localStorage，并同步更新全局主题。

发送指令后，可以在界面里能看到类似这样的输出：

1
2
3
4
5
6
分解为 4 个子任务：
 1. 调研现有主题管理逻辑（Context7 + 代码库搜索）
 2. 创建设置页 UI 组件（React + Tailwind）
 3. 编写 localStorage 持久化 Hook
 4. 更新全局主题切换逻辑并自测
启动并行 Agent：Researcher、Frontend、TestRunner ...

整个过程完全自主，不需要告诉它“先读哪个文件”或者“写单元测试”，它会自己判断。

2. 人类检查点：只在 Git Changes 面板里做决策

OMO 在完成任务的过程中，会不断产生代码变更。工作台右侧的 Git Changes 是我们需要注意的。

  • 每完成一个子任务，OMO 会暂停并把改动文件列表推送到面板。
  • 我们的工作不是逐行 Review（太累了），而是：
    • 扫一眼文件列表，看有没有改到不该动的地方。
    • 快速浏览核心文件，看 AI 写的逻辑是否符合预期。
    • 如果某个改动不对，直接在该文件的 Diff 视图里点 “Revert this hunk”，或者直接在对话里提示：“localStorage 的 key 不要用 theme-mode，用 app-theme”。

工作流全景图（时序版）

1
2
3
4
5
6
7
8
9
10
11
12
[你] 打开 OpenCode Desktop
[你] 输入: ulw 实现某某功能
      ↓
[OMO] 自动拆解任务，调用 MCP 研究文档 / 搜索代码
[RTK] 拦截所有命令输出，压缩后喂给 LLM
[OMO] 并行启动多个 Agent，开始写代码
      ↓
[你] 间歇性查看 Git Changes 面板，纠正方向
[OMO] 收到反馈后调整，继续执行
      ↓
[OMO] 自我纠错、跑测试、生成 Commit Message
[你] 最终确认，一键提交

总结

为什么说这是半自动工作流而不是全自动 Vibe-coding？
这套体系下还是以人为主导的智能编码流程，能够实现小的目标，如果要一次性完成项目级应用，这套工作流还不能很省心（会遇到卡切片、偏离开发路线），这套工作流没有长期约束和任务自驱。

AI 主导的全自动持续开发工作流可以看这篇文章：待补