code-yeongyu/oh-my-openagent

它解决了什么问题

OmO 是一款旨在处理复杂、端到端专业任务的 AI 代理，例如深度研究、构建后端和前端以及大规模代码迁移，无需用户不断干预或重新解释需求。

它是如何运作的

OmO 作为一个命令行工具运行，集成了多个 LLM 和专业的“技能”。它使用几个关键机制来提高可靠性：

• Ultrawork (ulw)： 一种模式，代理在完成任务前会读取代码库、进行规划、证明每个步骤，并在实际环境中验证结果。
• 多代理图 (Multi-Agent Graphs)： 通过使用 mass ulw 等关键字，系统将单个工作转换为专业代理的并行图，将特定任务路由到最合适的模型。
• Kibitzer Memory： 一种基于 Markdown 文件 git 仓库的记忆系统。一个更小、更便宜的模型会监控主要代理的工作，并提供提示以防止重复错误。
• 模型混合 (Model Mixing)： 它支持各种前沿模型 (Claude, ChatGPT, Kimi, GLM)，并自动为每个模型应用调整后的系统提示词。

适用对象

它专为需要能够在最少监督下执行“实际工作”（编码、研究和系统架构）的开发人员和专业人士而构建。

亮点

• 自动验证： 在 ultrawork 过程中证明并检查步骤。
• 集成记忆： 使用基于 git 的 Markdown 系统来记住用户偏好和过去的工作。
• 并行执行： 可以编排代理图以并行处理大规模任务。
• 基于技能的扩展： 仅加载特定任务所需的专业知识/技能。
• 高效的 Token 使用： 将简单任务路由到更便宜的模型，同时为复杂逻辑保留昂贵的模型。