前言

在之前的两篇文章里，我分享过自己用 RooCode 和 OpenCode + OMO 搭的 Vibe-coding 工作流（半自动篇、全自动篇）。它们解决的是”让 AI 持续帮我写代码”，但用得越久，越能感觉到几类反复出现的问题：

• 工具链是拼的：编辑器、终端、浏览器、调试器各管一摊，agent 想看运行时状态就得来回倒腾；
• 模型被绑死：换一家模型往往等于换一套工具链；
• 子代理是黑盒：派出去的子任务只能等结果，不能中途看、不能纠偏，失败只能重开；
• 长会话会失忆：上下文一满，要么截断丢信息，要么全靠模型自己总结；
• 会话是消耗品：换项目、换机器，积累的上下文和协作方式带不走。

最近我把日常主力换成了 omp（仓库名 oh-my-pi），用下来它恰好在这几个点上给了解法。这篇文章按「它是什么 → 相比其他 agent 的优势 → 怎么用 → 特色功能」的顺序完整介绍一遍。内容基于 omp 官方文档与我的使用体验整理，不是跑分对比。

别和之前提过的 OMO（oh-my-openagent）搞混：omp 是 oh-my-pi 项目的命令行工具名，两者不是同一个东西。

omp 是什么

omp 是一个终端优先（terminal-first）的 coding agent，官方定位是 “A coding agent with the IDE wired in”——把 IDE 级别能力直接内置进 agent，而不是靠外挂插件一点点补。几个硬信息：

• 官网 omp.sh，文档 omp.sh/docs，开源仓库 can1357/oh-my-pi（MIT），由 Stencil Labs 开发；
• 原生 Rust 核心，Windows 原生支持，不需要 WSL；
• macOS / Linux / Windows 一条命令安装（见下文）；
• 它不是绑定某家模型的客户端，而是一个可换模型、可扩展、可编程的 agent harness。

相比其他 agent 的优势

1. IDE 能力内置，不用自己拼插件

omp 开箱自带且默认可用：

• LSP 代码智能：跳定义、查引用、重命名、诊断、格式化，按项目自动发现语言服务器；
• DAP 真机调试：对运行中的进程下断点、单步、看变量；
• 结构化编辑：codemod、符号级重命名，带”预览 → 接受 / 拒绝”确认，不怕大规模误改；
• 浏览器自动化：默认受管 Chromium；也可用 Browser Relay 接管你自己 Chrome 的标签页；
• 桌面控制：截图 + 无障碍树操作真实桌面应用；
• GitHub / 提交 / 安全扫描：读 issue / PR、生成 commit、/security 扫描。

很多 agent 这些能力要靠 MCP / 插件逐个装，omp 是同一套上下文里的内置工具。

2. 模型自由 + 角色分工

供应商层面，omp 可以同时接入：订阅 OAuth（Claude、ChatGPT 等）、各家 API Key、自建 OpenAI 兼容网关（new-api / one-api / Sub2API 这类）、本地模型（Ollama、llama.cpp、LM Studio、vLLM）。

更重要的是模型角色（model roles），把不同工作分给不同模型：

配合 @smol、@slow 这类别名和 /modelpreset（整套角色一键切换），成本和质量可以精细控制——单模型绑定的 agent 做不到这一点。

3. 真正的多代理：可观察、可接管、可复活

• 一次 task 调用可以批量派发多个子代理，默认并发上限 32，后台异步执行；
• 内置专家：scout（只读调研）、designer、reviewer、security-reviewer、librarian（查外部库/API）、task、sonic（机械性修改）；
• Agent Hub（Alt+A）是实时控制台：看每个 worker 的状态（running / idle / parked / aborted）、用量、当前工具；可以进去接管对话、发指令纠偏、复活已休眠的代理，或 kill；
• 子代理能跑在隔离工作区（worktree / overlay 等），完成后按补丁或分支合并，互不干扰。

很多工具的”子代理”发出去就只能等；omp 更像一个你随时能介入的团队。

4. 长任务有”工作模式”，不只是聊天

• Plan 模式（/plan）：只读规划，产出 Markdown 计划，进入 Plan Review 逐节审阅、批注、删改；批准时可选”全新会话执行 / 压缩上下文后执行 / 保留全部上下文执行”；
• Goal 模式（/goal）：给一个持久目标，跨多轮自动推进，带 token 预算，可暂停、恢复、查看；
• Vibe 模式（/vibe）：主会话退居只读的”导演”，并行指挥多个 worker（fast 档用 sonic，good 档用 task）推进多条独立工作流。

再配合 /loop（重复任务）、/force（强制某次工具调用）、/fast（优先服务）等回合控制，长任务不容易”跑偏了只能重开”。

5. 上下文工程与记忆

• 自动压缩按顺序尝试多种策略：provider 原生压缩 → snapcompact（把旧历史渲染成 PNG 交给视觉模型，省 token 又保信息）→ handoff 结构化交接 → shake（大块输出换成可恢复引用）→ soft 摘要；
• 手动入口：/compact、/handoff、/shake；
• 记忆后端可选：local（项目总结 + 经验）、Mnemopi（本地 SQLite + 向量检索）、Hindsight（远程）、Sharpshooter（决策文件），用 /memory 管理。

对比”截断 / 总结”两招打天下的方案，omp 是真把上下文当工程问题在做。

6. 会话是一等公民

• 自动保存；omp -c / omp -r 恢复；/resume 选择器支持跨项目搜索；
• /fork、分支、会话树（/tree），可以大胆试错；
• /export 导出 HTML，/share 生成端到端加密分享链接；
• /collab 实时协作：把正在跑的会话分享给别人，对方在自己终端或浏览器（my.omp.sh）里看直播、发指令、打断；omp stream 还能把会话直播到 live.omp.sh（需登录 Stencil 账号）；
• 兼容导入：--from-claude / --from-codex 把 Claude Code / Codex 的历史会话导进来接着用。

7. 可扩展、可编程

• Skills：SKILL.md 技能包，官方市场 skills.omp.sh，/skill:<name> 调用；
• 插件与市场：/marketplace 兼容 Claude Code 的插件市场格式（如 /marketplace add anthropics/claude-plugins-official），插件可包含 skills、命令、agent、hooks、MCP、LSP/DAP 适配器；
• Hooks / 自定义工具 / MCP / 扩展 API：事件钩子能拦截、改写工具调用，扩展用 TypeScript 编写；
• 程序化接入：omp -p 一次性输出、--mode json 机器可读、RPC / ACP（编辑器集成）、SDK（@oh-my-pi/pi-coding-agent）；
• 内置 eval 内核：持久 Python / JS 运行时，直接调 judge() 批量判定、agent() 派子代理、workpool() 起工作池。

怎么使用

安装

macOS / Linux：

1

curl -fsSL https://omp.sh/install | sh

Windows（PowerShell）：

1

irm https://omp.sh/install.ps1 | iex

验证与更新：

1
2

omp --version
omp update

第一次启动

1
2

cd ~/code/my-project
omp

首次启动进入设置向导：

1. Set up your providers：选 “Sign in” 用浏览器登录订阅账号（可登录多个）；习惯 API Key 的话，先在终端 export ANTHROPIC_API_KEY=... 这类环境变量，再按 Esc 跳过；
2. Choose your default model：搜索并选定默认模型；
3. 完成后每次启动直接进对话。

后续用 /model（或 Alt+M）换模型，/login 重新登录。

基本交互

一个可以直接复制的首任务：

1
2

通读这个项目，找出一个能在本地验证的小 bug 或小不一致；
解释你的发现，做最小修复，并运行最相关的检查。不要提交。

常用斜杠命令

常用 CLI

1
2
3
4
5
6
7
8
9

omp                       # 交互式会话
omp "解释一下这个报错"       # 带初始提示启动
omp -p "总结最近的提交"      # 一次性（headless），可配合 --mode json
omp -c                    # 继续最近会话
omp -r                    # 选择历史会话恢复
omp --from-claude         # 导入 Claude Code 会话
omp models                # 列出可用模型（omp models refresh 刷新）
omp config set <key> <value>
omp worktree              # git worktree 管理

配置与接入自建号池

• 全局配置：~/.omp/agent/config.yml；项目级：<项目>/.omp/config.yml；
• 模型 / 供应商定义：~/.omp/agent/models.yml；
• 会话内用 /settings，命令行用 omp config，两者等价。

以我 自建 AI 号池 里的 Sub2API 网关为例，在 models.yml 里加自定义供应商：

1
2
3
4
5
6
7

providers:
  sub2api:
    baseUrl: http://127.0.0.1:8080/v1
    apiKey: sk-你的网关key
    disableStrictTools: true   # Anthropic 前置代理通常不接受 strict 字段
    discovery:
      type: proxy              # 自动按 /v1/models 的 supported_endpoint_types 判定每个模型走哪种协议

然后 omp models refresh，/model 里就能看到号池模型。想把角色分配到号池模型，在 config.yml 里写：

1
2
3
4

modelRoles:
  default: sub2api/gpt-5.4
  smol: sub2api/gpt-5.4-mini
  plan: sub2api/gpt-5.4:high

特色功能详解

模型角色与预设

在 /model（或 Alt+M）里进入 Roles 页，可以给每个角色单独指定模型和思考等级；在 Roles 页按 s 把当前整套分配存成预设，之后用：

1
2
3

/modelpreset save cheap      # 保存当前角色分配与思考等级
/modelpreset switch deep     # 一键切换整套预设
/modelpreset list            # 查看 / 删除

预设写在 config.yml 的 modelPresets 里，适合准备”日常省钱”和”攻坚高质量”两套配置来回切。

子代理与 Agent Hub

让 omp 并行干活时，它会派发具名 worker（也可以点名，比如”用 librarian 核实上游重试语义”）。按 Alt+A 打开 Agent Hub：

• 列表里能看到每个代理的状态、模型、开销、请求数、token 数；
• Enter 进入某个代理的会话，直接输入消息就是 steer；
• r 复活 parked（已休眠）的代理，x 杀掉；t 切换平铺 / 树形视图，/ 过滤；
• 输入框上方常驻 Subagents 小面板，实时显示每个 worker 正在做什么。

配合隔离工作区（task.isolation），几个 worker 可以同时改代码而互不打架；子代理的产出还能用 agent://<id>（最终产物）和 history://<id>（对话记录）随时回看。

Plan / Goal / Vibe 三种工作模式

• Plan：/plan 把内存队列换成 Postgres，保持公共 API 不变。只读调研后产出计划，Plan Review 里可以逐节批注、删改，批准时选择实现方式（新会话 / 压缩后 / 保留上下文）。适合跨文件重构、迁移这类”先想清楚再动手”的任务。
• Goal：/goal 修复所有 flaky 测试。omp 会跨多轮自动推进，空闲片刻自动继续下一轮；/goal show 看进度和 token 用量，/goal budget 500000 设预算，超预算自动收尾而不是无限烧钱。
• Vibe：/vibe 后主会话变成导演，只读 + 派活，用 fast（sonic）和 good（task）两档 worker 并行推进多条工作流，你来审阅和纠偏。适合”三条独立支线同时开工”的场景。

三种模式互斥，Plan 还有暂停态，切换前先完全退出。

魔法关键词

在 prompt 里写一个特定单词，就能改变这一次回复的执行方式（只影响当次，不进入会话状态）：

示例：

1
2
3

orchestrate 把这三个独立包的构建失败分别修掉

workflowz 对认证、鉴权和会话处理做一次对抗性审查

匹配规则很克制：必须小写、独立成词，代码块 / 行内代码里的同名文字不会触发，避免误伤正常讨论。

上下文压缩与记忆

omp 的自动压缩是一条策略链：provider 原生压缩（OpenAI Responses / Anthropic 自带的服务端压缩）→ snapcompact → handoff 交接文档 → shake → soft 摘要，前一个不可用就顺延下一个。

其中 snapcompact 最有意思：它把即将被丢弃的历史序列化后渲染成 PNG 图片交给视觉模型——本地完成、不额外调用模型，用”看图”的方式保留比纯文本更便宜的长历史。会话太长时也可以手动压缩：

1
2
3

/compact     # 常规压缩
/handoff     # 生成结构化交接文档，之后在同一会话继续
/shake       # 只把大块输出替换成可恢复引用，不做摘要

记忆（跨会话的长期知识）是可插拔的：local 把每个项目的会话总结成记忆文件，Mnemopi 是本地 SQLite + 向量检索，Hindsight 走远程服务，Sharpshooter 维护决策文件；/memory 查看、同步、清理。

协作与分享

• /share：把当前会话打包成端到端加密链接（密钥放在 URL fragment 里，服务端只见密文），对方浏览器打开就能看完整对话；
• /collab：实时分享正在跑的会话。对方可以 omp join 到自己终端，或直接用浏览器打开 my.omp.sh 加入——能看直播、发指令、按 Esc 打断（只读链接则只能看）；适合结对排障或”远程指挥”；
• omp stream：把终端画面单向直播到 live.omp.sh/<用户名>，适合演示、教学；
• /export：导出为自包含 HTML，便于归档。

代码智能、调试与守卫

• 在项目根目录启动后，omp 会按 package.json / Cargo.toml / go.mod 等标记自动拉起语言服务器，跳转、引用、重命名、诊断都是原生体验；
• 结构化编辑（codemod）有”预览 → 接受 / 拒绝”三步，符号重命名会沿引用、作用域、导入/导出传播，而不是文本替换；
• 需要看运行时状态时，它可以用 DAP 直接调试进程，不用你手工加 print；
• TTSR（Time-Traveling Stream Rules）：在 .omp/rules/ 里放一条规则，就能在模型”正在生成”时拦截——比如禁止在 Rust 里写 Box::leak：

1
2
3
4
5
6
7
8
9

---
description: Prevent permanent Box::leak allocations in Rust edits
condition: 'Box::leak\('
scope:
  - 'tool:edit(*.rs)'
  - 'tool:write(*.rs)'
---

Do not introduce `Box::leak` in production Rust code. Prefer `Arc<str>` or `Cow<'static, str>`.

匹配时 omp 会立刻打断这次生成，把规则正文喂给模型重新生成——是”工具调用执行前的拦截”，不是事后补救。规则可以用 omp ttsr test / list / scan 单独验证。

• Advisor（顾问模型）：让一个独立模型在旁边被动审查每一轮工作，发现问题就注入提醒；用项目里的 WATCHDOG.md 定制审查重点（比如”绕过队列的写入””未转义的用户输入”），/advisor 开关和配置。

可编程与集成

• eval 内核：会话内直接跑持久化的 Python / JS，状态跨调用保留，还能把函数注册成工具给子代理用：

1
2

data = read("package.json")
display(sorted(data["dependencies"]))

judge() / judge_batch() 做批量判定，agent() / workpool() 起子代理和工作池，completion() 做无工具的单次模型调用——写自动化脚本不用离开会话。

• Browser Relay：omp browser-relay install 后把 ~/.omp/browser-relay/extension 加载进 Chrome，omp 就能直接操作你自己的浏览器标签页（保留登录态）；也可以让它用受管的无头 Chromium。
• 桌面控制：开启后能截图、点按真实桌面应用（macOS 需要屏幕录制 / 辅助功能权限），处理那些没有 API 的老软件。
• MCP / Hooks / 插件：既支持标准 MCP 服务器，也有事件钩子和 TypeScript 扩展；插件市场兼容 Claude Code 格式，生态可以直接复用。
• 程序化：omp -p 适合 CI / 脚本，--mode json 输出结构化事件流，omp acp 给编辑器做集成，SDK 可以把 agent 嵌进自己的程序；官方还有个 robomp，能拿 GitHub webhook 自动分诊 issue 并提修复 PR。

总结

什么样的人适合 omp：

• 习惯在终端里干活，希望一个工具覆盖”调研 → 编码 → 调试 → 验证 → 提交”全流程；
• 手里有多个模型来源（订阅、API、自建网关、本地模型），想做精细化分工和成本控制；
• 经常跑长任务、开多项目并行，需要子代理可观察、会话可恢复、上下文可控；
• 需要分享、协作、审计会话的团队场景。

两个上手提醒：

1. omp 默认是 Yolo 审批模式（读写执行不弹确认）。敏感项目建议在 /settings → Interaction → Approvals 改成 Always ask，或用 omp --approval-mode always-ask 启动；
2. 成本上善用模型角色和 /goal 预算：重活给 slow / plan，轻活交给 smol，别让主模型干所有事。

相关链接：

• 官网：https://omp.sh/
• 文档：https://omp.sh/docs
• 仓库：https://github.com/can1357/oh-my-pi
• Discord：https://discord.gg/4NMW9cdXZa