oh-my-agent 多智能体开发框架
把项目内的技能、工作流和专业角色统一部署到多种 AI 编程工具中。
按维度查看评分与理由
证据显示：SECURITY.md 明确警告 oma-config.yaml 是代码等价文件，可执行任意二进制，并建议审查；存在备份目录（迁移008）和回滚机制；但未提供用户确认机制、数据流透明性、敏感数据处理细节。扣分：缺少用户确认、数据流透明性、敏感数据处理的具体实现证据。
证据显示：README 和 package.json 一致，版本号一致；但依赖可用性（如 Node 26+、bun、uv、serena）未验证，失败消息未提供。扣分：依赖可用性和失败消息缺乏证据。
证据显示：README 详细描述了多种场景（多 IDE、多预设、多语言），能力边界清晰（各 agent 职责），触发精度有测量（0% missed-fire），环境适配广泛（多 IDE、多 OS）。扣分：无重大扣分，但触发精度数据未独立验证。
证据显示：README 结构清晰，安装说明详细，命名稳定（oma- 前缀），有示例和 FAQ（文档链接），MIT 许可证明确；但已知限制未明确列出，版本变更日志未提供，维护责任未明确。扣分：已知限制、版本变更日志、维护责任不足。
证据显示：输出可用性（生成代码、文档等）有描述，边际价值（多 agent 协作、token 节省）有说明；但成本效益（如 token 节省 75%）未提供具体数据。扣分：成本效益缺乏数据支持。
证据显示：README 引用 arXiv 论文，但未提供具体验证数据；跨来源佐证不足；事实与推断未明确分离。扣分：声明可追溯性、跨来源佐证、事实推断分离不足。
- oma-config.yaml 可执行任意二进制，务必在运行前审查。
- 安装脚本会自动安装 bun、uv、serena，可能引入未经验证的依赖。
- 未提供用户确认机制，agent 可能自动执行操作。
这个 Agent 能做什么，适合哪些场景？
oh-my-agent 是面向软件项目的可移植多智能体框架，以项目中的 `.agents/` 目录作为技能、工作流和规则的单一事实来源。它为架构、后端、前端、数据库、测试、安全、基础设施和项目管理等角色提供预定义代理，并通过 `/plan`、`/work`、`/orchestrate`、`/review` 等工作流组织协作。`oma emit` 可将同一套内容投射为 Agent Skills 规范目录、`.claude-plugin/marketplace.json` 和 `AGENTS.md` 等开放产物，同时为多种运行时生成原生布局或适配布局。项目还提供 `oma verify <agent>`、会话配额和 `ralph` 等机制，用于检查输出、约束后续生成和重复独立验证。它适合希望把团队协作提示、工程规则和工作流随代码库携带，而不是绑定在单一 AI IDE 中的开发团队。
安装后，oh-my-agent 在项目中维护 .agents/ 作为技能、工作流和规则的来源，并将其投射到检测到的运行时目录。用户可通过自然语言关键词触发工作流，或执行 /deepinit、/brainstorm、/architecture、/plan、/work、/orchestrate、/ultrawork、/review、/debug、/docs 和 /scm 等命令；这些工作流会调度如 oma-pm、oma-orchestrator、oma-backend、oma-frontend、oma-db 与 oma-qa 等角色。oma emit 生成开放标准技能目录、.claude-plugin/marketplace.json 和 AGENTS.md；oma doctor --profile 输出按角色解析后的模型矩阵，oma verify <agent> 运行共享及类型专属检查。配置文件 .agents/oma-config.yaml 可设置 model_preset，并为单个角色指定模型和 effort，例如 backend: { model: openai/gpt-5.5, effort: high }。
- 使用 Claude Code、Codex CLI 或 Cursor 的全栈团队，希望把前端、后端、数据库和 QA 的项目技能集中维护在
.agents/中。 - 准备开发新功能的工程负责人，需要先用
/architecture权衡模块边界，再用/plan将需求拆成优先级任务。 - 需要并行推进多项实现工作的开发团队，可使用
/orchestrate调度多个代理，并通过会话配额限制后续生成。 - 维护现有代码库的团队，可先运行
/deepinit生成代码库映射文档，再通过/review、/debug和/docs处理质量、回归和文档问题。 - 采用 pnpm、Nx、Turbo 或 Lerna 单仓库的团队，需要让代理按工作区路由执行任务。
这个 Agent 有哪些优点和局限？
- 以
.agents/为单一事实来源，并通过oma emit生成开放标准技能目录、Claude 插件市场清单和AGENTS.md，降低多运行时内容漂移。 - 预定义角色覆盖架构、前后端、数据库、移动端、QA、安全、可观测性和基础设施，且提供从规划到审查、调试和 SCM 的对应工作流。
oma verify <agent>结合共享检查与类型专属检查，文档还列出会话配额、独立 JUDGE 验证和重试后的并行假设探索机制。- 明确支持 Codex CLI、Claude Code、Cursor 等多种运行时，并允许在
.agents/oma-config.yaml中按角色配置模型。
- 最低要求为 Node.js 26+；手动安装还依赖 bun、uv 和 serena，现有开发环境可能需要额外准备。
- 其多运行时策略会生成原生或适配布局；团队需要选择一种分发方式以避免 APM 与 CLI 安装造成漂移。
- README 描述了大量代理、工作流、模型预设和质量机制，首次采用时需要决定合适的 preset、角色范围及预算上限。
- 虽说明支持多个 AI 编程工具，但所给资料未说明对 ChatGPT、OpenAI API 或 Claude API 的直接集成路径。
如何安装或部署这个 Agent？
需要 Node.js 26+。在 macOS 或 Linux 可运行：
curl -fsSL https://raw.githubusercontent.com/first-fluke/oh-my-agent/main/cli/install.sh | bash该安装脚本在缺失时会安装 bun、uv 和 serena。Windows PowerShell 可运行：
irm https://raw.githubusercontent.com/first-fluke/oh-my-agent/main/cli/install.ps1 | iex若已具备 bun、uv 和 serena，也可运行：
bunx oh-my-agent@latest也可以用 Microsoft APM 安装全部技能：apm install first-fluke/oh-my-agent；APM 仅分发技能，不包含工作流、规则、oma-config.yaml、关键词检测钩子或 oma agent:spawn CLI。
如何使用这个 Agent？
在项目中完成安装后，以 .agents/ 维护共享内容。可先执行 /deepinit 映射既有代码库；随后使用 /plan 规划工作，并以 /work 或 /orchestrate 推进实现。需要检查时运行 oma verify <agent>，例如按代理类型执行其确定性检查；运行 oma doctor --profile 可查看配置解析后的按角色模型矩阵。若要设定模型预设，在 .agents/oma-config.yaml 中配置 model_preset: mixed，或在 agents 下为角色添加模型与 effort 覆盖。
这个 Agent 与同类方案有什么区别？
与只通过 Microsoft APM 分发技能的方式相比，bunx oh-my-agent@latest 还提供工作流、规则、oma-config.yaml、关键词检测钩子和 oma agent:spawn CLI。项目将 Claude Code、Codex CLI、Cursor、OpenCode、Qwen Code 等列为可使用同一 .agents/ 来源的运行时，而非要求团队固定在单一 IDE。
常见问题
是否必须使用某一家模型或 IDE？
model_preset 和单代理覆盖设置模型。APM 安装和 CLI 安装可以同时使用吗？
oma agent:spawn。如何限制并行代理造成的资源消耗？
oma-config.yaml 中使用 session.quota_cap 设置每会话 token、spawn 和每供应商预算上限；文档说明 orchestrate 会在超限时阻止下一次 spawn。它会直接替我完成所有代码审查吗？
/review、/deepsec、oma-qa 和 oma verify <agent> 等审查与检查工作流；资料没有承诺任何特定项目一定通过审查或自动修复全部问题。