oh-my-claude / oh-my-claudecode：多 Agent 编排框架
一个 Claude Code 很强。但一个复杂项目往往需要同时推进多个任务------功能开发、代码审查、安全扫描、文档更新。如果在不同的事上让不同的 Claude 实例各司其职，效率又会提升一个量级。这就是多 Agent 编排框架的用武之地。
为什么需要多 Agent
单 Agent 的瓶颈
一个 Claude Code 实例一次只能做好一件事：
👤 你: "帮我重构用户模块，同时写一份 API 文档"
🤖 Claude: 只能一件一件来
→ 先重构代码（5 分钟）
→ 再写文档（3 分钟）
→ 总计 8 分钟
而且：
- 重构代码和写文档是完全独立的任务
- 它们可以同时进行
- 让一个 Claude 既写代码又写文档，不如两个各司其职多 Agent 的理想画面
👤 你: "重构用户模块，更新 API 文档，做安全扫描"
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Agent 1: Coder │ │ Agent 2: Writer │ │ Agent 3: Scanner│
│ 负责代码重构 │ │ 负责文档更新 │ │ 负责安全扫描 │
│ 用 Claude Opus │ │ 用 Claude Haiku │ │ 用 Claude Sonnet │
└────────┬────────┘ └────────┬────────┘ └────────┬────────┘
│ │ │
▼ ▼ ▼
代码改动 PR 文档更新 PR 安全报告
同时进行，3 分钟全部完成。比串行快了近 3 倍。这就是多 Agent 编排框架做的事------把一个 Claude 变成一支 Claude 团队。
两大框架对比：oh-my-claude vs oh-my-claudecode
社区有两个主流方案，哲学完全不同：
oh-my-claude（stefandevo） oh-my-claudecode（Yeachan-Heo）
───────────────────────── ──────────────────────────
哲学：少即是多 哲学：多即是强
实现：原生 Hook + MCP 实现：32 Agent + Skill 组合
Agent 数：2-3 个（按需创建） Agent 数：预定义 32 个专业 Agent
复杂度：低 复杂度：高
学习曲线：1 小时 学习曲线：半天
适合：想快速上手的人 适合：想极致效率的人oh-my-claude：极简主义
核心理念：
不凭空创建 Agent。只在确实能并行化的时候才拆任务。
架构：
Claude Code
├── Hook（PreToolUse / PostToolUse）
├── MCP Server（文件操作、Git 操作）
└── tmux（管理多个 Claude Code 会话窗口）
执行模式：
Team Mode：创建 2-3 个 Claude Code 实例，各自负责独立任务
Autopilot：给一个目标，让 Claude Code 自己循环执行直到完成
Ultrawork：Autopilot 的增强版，带自我纠错和优先级调整oh-my-claudecode：大而全
核心理念：
为每类任务预定义一个专业 Agent，就像真实团队的分工。
架构：
Claude Code
├── 32 个预定义 Agent
│ ├── Code Agents: architect, coder, reviewer, debugger, refactor...
│ ├── Doc Agents: writer, translator, api-doc-generator...
│ ├── Test Agents: test-writer, test-fixer, coverage-analyzer...
│ ├── Ops Agents: deployer, monitor, incident-responder...
│ └── Meta Agents: orchestrator, task-planner, context-manager...
├── Skill Learning System（从历史对话中自动学习新 Skill）
├── Smart Model Routing（按任务复杂度自动选模型）
└── HUD 实时监控
执行模式：
Team Mode：Orchestrator 分配任务给专业 Agent
Autopilot：单个 Agent 自主循环执行
Ultrawork：多 Agent 并行 + 自我纠错核心功能深度拆解
1. Team Mode ------ 多 Agent 并行协作
这是两个框架都支持的核心模式。以 oh-my-claudecode 为例：
👤 你: "做一个新功能：用户可以用 GitHub 账号登录"
Orchestrator Agent 分析任务：
1. 这不是一个单一任务，需要多个角色配合
2. 拆分成：
├── Task A: 后端 OAuth 集成（Architect → Coder）
├── Task B: 前端登录按钮 + 回调页面（Designer → Coder）
└── Task C: 安全审查 OAuth 流程（Security Reviewer）
3. 分配 Agent：
├── Agent 1 (Architect + Coder) → 做 Task A
├── Agent 2 (Designer + Coder) → 做 Task B
└── Agent 3 (Security Reviewer) → 做 Task C
4. 三个 Agent 并行工作，各自在独立的 Git Worktree 中
5. Task C（安全检查）完成后发现有 token 存储问题
→ Orchestrator 通知 Agent 1 修改
→ Agent 1 修复后 Task C 重新审查 → 通过
6. 三个 Agent 的结果合并成一个 PR关键：多 Agent 不是"更快地写完代码"，而是"不同角色同时做不同类型的工作"。
2. Smart Model Routing ------ 省钱的核心
不是所有任务都需要最贵的模型。Smart Model Routing 根据任务复杂度自动选择：
任务复杂度评估：
┌─────────────────────────────────────────────────────┐
│ 简单任务（格式化、重命名、简单 CRUD） │
│ → Claude Haiku（成本 $0.25/1M input tokens） │
│ │
│ 中等任务（组件开发、代码重构、文档编写） │
│ → Claude Sonnet（成本 $3/1M input tokens） │
│ │
│ 复杂任务（架构设计、复杂 Bug 修复、安全审计） │
│ → Claude Opus（成本 $15/1M input tokens） │
└─────────────────────────────────────────────────────┘实际节省效果：
没有 Smart Model Routing：
所有任务都用 Opus
一天 20 个任务，15 个是简单/中等的
→ 15 × $15 + 5 × $15 = $300/天（浪费了）
有 Smart Model Routing：
15 个简单/中等任务用 Haiku/Sonnet
5 个复杂任务用 Opus
→ 15 × $3 + 5 × $15 = $120/天
→ 节省 30-50% Token 成本3. Skill Learning System ------ AI 从经验中学习
oh-my-claudecode 的独有功能。原理：
1. 每次你纠正 AI 的行为：
👤 "不对，端口号应该从环境变量读，不是硬编码"
2. AI 记录这次纠正：
→ 提取规则："端口配置从环境变量读取"
→ 关联到当前 Skill（如 deploy）
→ 更新 Skill 的 references
3. 下次遇到类似场景：
→ AI 自动读取更新后的 Skill
→ 主动从环境变量读端口
→ 不再需要你纠正
积累 20-30 次纠正后：
→ AI 的行为越来越符合你的习惯
→ 你的 CLAUDE.md 越来越短（因为 AI 已经记住了）4. HUD 实时监控
oh-my-claudecode 提供的终端 HUD（Heads-Up Display）：
┌─────────────────────────────────────────────────────┐
│ 🤖 Claude Code Multi-Agent HUD │
├─────────────────────────────────────────────────────┤
│ Active Agents: 3 │
│ │
│ 🟢 Agent 1 (Coder) Working: auth-module-refactor│
│ │ Progress: ████████░░ 80% Token: 45K/200K │
│ │ Model: Claude Sonnet Cost: $0.14 │
│ │ │
│ 🟢 Agent 2 (Reviewer) Reviewing: PR #142 │
│ │ Progress: ██████████ 100% Token: 32K/200K │
│ │ Model: Claude Haiku Cost: $0.03 │
│ │ │
│ 🟡 Agent 3 (Test) Waiting: dependency │
│ │ Progress: ██░░░░░░░░ 15% Token: 12K/200K │
│ │ Model: Claude Sonnet Cost: $0.04 │
│ │ │
│ ─────────────────────────────────────────────── │
│ 💰 Total Cost This Session: $0.21 │
│ 📊 Tasks Completed: 4 | Remaining: 2 │
└─────────────────────────────────────────────────────┘HUD 让你一眼看到：几个 Agent 在跑、各自进度多少、花了多少钱。
5. tmux 跨模型协同
bash
# 在 tmux 的不同 pane 中运行不同的 AI 工具
# oh-my-claude 的核心技巧
# Pane 1: Claude Code - 做主开发
claude --model claude-sonnet-4-6
# Pane 2: Codex CLI - 做计划审查
codex --model gpt-5.5
# Pane 3: OpenCode + Gemini - 做文档生成
opencode --model gemini-2.5-pro协同流程：
1. 在 Claude Code 中描述需求
2. Claude Code 拆解出需要外部审查的部分
3. 把代码片段通过剪贴板或文件传给 Codex
4. 让 Codex 做计划审查，结果写回文件
5. Claude Code 读 Codex 的审查结果，继续执行
6. OpenCode 在后台生成 API 文档
关键：不是 AI 之间的自动对话，而是你在中间做"路由器"。选型建议
选 oh-my-claude 如果：
├── 你刚开始用多 Agent
├── 团队 1-3 人
├── 你想要一个"足够好"的方案，不需要极致优化
└── 你希望 1 小时内配好
选 oh-my-claudecode 如果：
├── 你已经很熟悉 Claude Code 的日常使用
├── 团队 5+ 人，对效率有极致要求
├── 你需要 Smart Model Routing 来省钱
└── 你愿意花半天时间学习和配置
我的建议：
先用 oh-my-claude 体验多 Agent 的感觉。
如果确实发现单 Agent 是瓶颈，再升级到 oh-my-claudecode。
大多数团队用 oh-my-claude 就够了。快速上手：oh-my-claude 5 分钟配置
bash
# 1. 安装
git clone https://github.com/stefandevo/oh-my-claude ~/.claude/plugins/oh-my-claude
# 2. 激活
claude plugin install ~/.claude/plugins/oh-my-claude --user
# 3. 确保 tmux 已安装
brew install tmux
# 4. 在 Claude Code 中试试：
# "用 team mode 帮我做一个新功能：用户头像上传"
# Agent 会自动创建新的 tmux pane 来并行执行任务一个警告
多 Agent 不是银弹。如果你的瓶颈是"不知道让 AI 做什么"，而不是"AI 做得不够快"，那么多 Agent 帮不了你。
单 Agent 够用的时候：
- 你清楚地知道下一步要做什么
- 一个任务串行执行即可
- 总任务量不大（< 5 个文件）
多 Agent 有价值的时候：
- 多个独立任务可以并行
- 不同任务需要不同角色（写代码 vs 写文档 vs 审查）
- 时间敏感（需要在短时间内交付大量工作）原则：先用好单 Agent。当单 Agent 确实成为瓶颈时，再引入多 Agent。不要因为"看起来很酷"就上多 Agent。