oh-my-claudecode
Yeachan-Heo/oh-my-claudecode加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：你让 AI 建一个用户登录系统，它吭哧吭哧写了一下午代码，临了你一跑——用户注册接口正常，但找回密码验证码发不出去，邮件模板报 undefined variable，测试用例写了 200 行但连核心路径都没覆盖。问题出在哪？一个 AI 模型同时扮演了需求分析师、架构师、编码员、测试工程师——每个角色都只做了 60 分，加起来就是一场灾难。
oh-my-claudecode（简称 OMC）解决的就是这个问题。它是 Claude Code 的「编队系统」：不是让一个 AI 孤军奋战，而是拉来 19 个各有专长的 AI Agent，组成一个协作团队，让专业的人做专业的事。
图1：oh-my-claudecode 吉祥物
Claude Code 是 Anthropic 推出的 AI 编程工具，用自然语言就能驱动代码生成、调试、代码审查等任务。它很强，但强在一个点上：单 Agent 输出。
当任务变得复杂时，单 Agent 的局限性就暴露了：
这不是 Claude Code 的 bug，而是所有单 Agent 系统的固有局限。要让 AI 编程工具真正实用，就必须让多个 AI 协同工作，各司其职。
如果你要装修一套房子，不会只请一个工人从头做到尾。你需要：
每个人只管自己的部分，整体效率远高于一个全能工人从头干到尾。
oh-my-claudecode 就是这样运作的。当你对它说「帮我做一个支付系统」，它会启动一个完整的流水线：
需求分析(analyst) → 架构设计(architect) → 任务规划(planner)
→ 并行执行(executor × N) → 质量验证(verifier) → 自动修复(bugger/fixer)
每个环节由专门的 Agent 负责，只专注于自己该做的事。
图2：OMC 编排流程示意
OMC 内置了 19 个专业 Agent，每个 Agent 都有明确定义的职责域和成功标准：
| Agent | 层级 | 职责 |
|---|---|---|
analyst | L3 (Opus) | 需求分析、验收标准、风险识别 |
architect | L3 (Opus) | 架构设计、技术选型 |
planner | L4 (Opus) | 任务拆解、规划制定 |
executor | L2 (Sonnet) | 代码实现、精准执行 |
verifier | L3 (Sonnet) | 质量验证、构建确认 |
debugger | L2 (Sonnet) | Bug 定位、根因分析 |
code-reviewer | L3 (Opus) | 代码审查、安全分析 |
test-engineer | L2 (Sonnet) | 测试用例编写 |
security-reviewer | L3 (Sonnet) | 安全审计 |
document-specialist | L2 (Sonnet) | 文档撰写 |
git-master | L2 (Sonnet) | Git 操作、版本管理 |
writer | L2 (Sonnet) | 创意写作 |
designer | L2 (Sonnet) | UI/UX 设计建议 |
scientist | L2 (Sonnet) | 数据分析、科学计算 |
tracer | L3 (Sonnet) | 追踪调试、性能分析 |
critic | L2 (Sonnet) | 方案评审、风险点识别 |
code-simplifier | L2 (Sonnet) | 代码简化、重构 |
qa-tester | L2 (Sonnet) | QA 验证、测试执行 |
explore | L1 (Haiku) | 快速调研、轻量探索 |
层级越高调用成本越高。OMC 会根据任务复杂度智能路由：简单任务用 Haiku 省成本，复杂推理任务用 Opus。官方宣称这套路由策略能节省 30-50% 的 token 消耗。
这是目前 OMC 的核心编排方式，基于 Claude Code 的原生多 Agent 协作能力：
/team 3:executor "fix all TypeScript errors"
Team 模式运行一个五阶段流水线：
team-plan → team-prd → team-exec → team-verify → team-fix（循环）
每个阶段由不同的专业 Agent 主导，确保任务在推进过程中持续被验证。
要开启 Team 模式，需要在 Claude Code 设置中启用实验性功能：
{
"env": {
"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
}
}
v4.4.0 引入的另一种模式，在终端通过 tmux 启动多个 Claude/Codex/Gemini CLI 进程并行工作：
omc team 2:codex "review auth module"
omc team 2:gemini "design UI components"
omc team 1:claude "implement payment flow"
这种方式的特点是：任务完成即退出，不占用闲置资源，适合需要 Codex/Gemini 参与但不需要在 Claude Code 内运行的场景。
对于 Claude Code 用户，OMC 的上手成本几乎为零。安装方式有两种：
方式一（推荐）：Claude Code 内置插件市场
/plugin marketplace add https://github.com/Yeachan-Heo/oh-my-claudecode
/plugin install oh-my-claudecode
/setup
方式二：npm 全局安装
npm i -g oh-my-claude-sisyphus@latest
omc setup
完成后直接用自然语言描述任务：
/autopilot "帮我用 Node.js + Express 写一个 Todo API"
/deep-interview "我想建一个电商网站，帮我梳理需求"
/team 3:executor "把所有 TypeScript 错误修掉"
不需要记命令，不需要配置，说人话就行。这也是 OMC 的核心理念——Don't learn Claude Code. Just use OMC.
OMC 还有一个独特的功能：自动提取和复用调试经验。当你解决了一个复杂问题，可以运行 /skillify 将这次解决问题的模式保存为一个可移植的技能文件：
# .omc/skills/fix-proxy-crash.md
---
name: Fix Proxy Crash
description: aiohttp proxy crashes on ClientDisconnectedError
triggers: ["proxy", "aiohttp", "disconnected"]
source: extracted
---
Wrap handler at server.py:42 in try/except ClientDisconnectedError...
下次遇到类似问题时，OMC 会自动将相关技能注入上下文，无需手动查找历史对话。这解决了 AI 编程工具的一个长期痛点：每次都要重新描述问题上下文。
从代码结构看，OMC 是一个模块化的 TypeScript/npm 包：
oh-my-claude-sisyphus（npm 发布名），v4.14.1bridge/cli.cjs，提供 omc 和 oh-my-claudecode 两个命令agents/*.md），易于修改和扩展OMC 通过 .mcp.json 和 .clawhip 等配置文件与 Claude Code 深度集成，.claude-plugin 目录提供了插件化的运行时支持。
完全依赖 Claude API：OMC 的 Agent 编排能力建立在 Claude 的工具调用和多 Agent 协作能力上，对 Claude Code 有强依赖，无法独立运行。
多 Agent 开销：虽然智能路由能节省成本，但多个专业 Agent 协同仍然比单 Agent 消耗更多 token 和 API 调用时间。
Team 模式需要实验性 flag：目前 Claude Code 的原生 Team 功能需要手动开启 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 环境变量，这增加了上手复杂度。
npm 安装有 deprecation 警告：CLI 方式安装时，npm 会报 prebuild-install@7.1.3 deprecated 警告，来自 better-sqlite3 依赖，目前没有修复方案。
2025-2026 年，AI 编程工具正从「单 Agent 对话」向「多 Agent 编队」演进。Claude Code 的多 Agent 能力、GitHub Copilot 的 Workspace、Cline 的 Agent 扩展，都在探索类似的方向。oh-my-claudecode 是这个趋势的先驱之一：它用 19 个专业化 Agent + 智能编排层，把 Claude Code 从一个「更聪明的 IDE 插件」升级为一个「AI 工程团队」。
从数据看，项目自 2026 年 1 月创建，到 5 月已获 34,731 stars，3181 forks——这个增长速度在开源 AI 编程工具中极为罕见，说明社区对「多 Agent 协作」这个方向的强烈需求。
oh-my-claudecode 是当前最成熟的 Claude Code 多 Agent 编排框架，用零配置的方式让用户获得了一支 AI 工程团队：19 个专业 Agent + 智能路由 + 持久化验证 + 技能学习。它的目标是让 AI 编程从「一个人干所有活」升级到「团队协作各司其职」，这是一个正确且有巨大实用价值的方向。