lazycodex: 一個為 Codex 提供專案記憶、策略規劃與驗證任務完成能力的 Agent Harness

它解決了什麼問題

LazyCodex 為在 Codex 中管理複雜程式碼庫提供了一個結構化的 Agent Harness。它解決了 AI Agent 在大型儲存庫中失去上下文、缺乏實作策略規劃，或是僅提供「希望完成」的狀態更新而非驗證任務完成的問題。

運作原理

它作為 OmO (oh-my-openagent) 引擎的分發層。它透過插件與 Hook 整合進 Codex，提供了一套專業化的指令與 Agent 角色。它使用多模型路由系統，將任務分配給最合適的模型（例如：邏輯問題使用高推理模型，小規模修改使用較快的模型），以優化配額使用。

目標對象

使用 Codex 的開發者，希望透過紀律嚴明的多 Agent 團隊（包含 explorer、librarian 與 reviewer 等角色）來自動化複雜的軟體工程任務，且無需進行大量手動設定。

重點功能

• 策略規劃：在編寫任何產品程式碼之前，使用 $ulw-plan 在 Markdown 中建立決策完整的規劃。
• 驗證任務完成：$ulw-loop 指令會持續執行任務，直到透過證據驗證完成，在 ultrawork 模式下上限為 500 次迭代。
• 專案記憶：$init-deep 技能會生成層級化的 AGENTS.md 檔案，為未來的 Agent 提供地標與上下文。
• 多 Agent 編排：透過 Codex 的原生工具支援平行執行與專業化的子 Agent 角色（如 explorer、librarian 等）。
• 專業技能庫：包含用於 AST-grep 結構化搜尋、LSP diagnostics 以及移除 AI-slop 的工具。