OMC 的执行原理是什么

OMC(oh-my-claudecode)的执行原理,核心是一套多智能体编排层,架在 Claude Code

之上,通过分派、状态管理和技能触发来协调工作。具体机制:

1. 委派机制(Delegation)

不是所有任务都自己做。规则很明确:

  • 多文件改动、重构、调试、评审、规划、研究、验证 → 委派给专门 agent

  • 琢碎操作、简单澄清、单条命令 → 自己直接做

2. Agent 目录 + 模型路由

每类工作对应专门 agent(如 explore 用 haiku 做快速搜索,architect/planner 用

opus 做深度分析,executor 用 sonnet

做实现),按任务复杂度选模型档位,避免用重模型做轻任务。

3. 技能触发(Skills)

关键词自动识别并调用对应 skill,例如 "ralph"→持久化重试循环、"ulw"→高并发并行执

行、"ultrathink"→深度推理(就是你刚才触发的这个)。触发靠 CLAUDE.md

里的关键词映射表,不需要手动 /命令。

4. Hook 与系统提醒

Claude Code 的 hook 机制会在工具调用前后注入 <system-reminder>,OMC

借此传递状态(比如 "boulder never stops" 表示 ralph/ultrawork

模式仍在跑),实现跨轮次的状态感知。

5. 状态持久化

state_read/state_write 等工具把执行状态写到 .omc/state/,配合

notepad(工作记忆)、project_memory(项目级记忆)实现跨会话的上下文延续。Notepad

分 7 天过期和永久优先两级。

6. 验证闭环

强制"写"和"审"分离------同一个执行上下文不能自我批准,必须交给 verifier 或

code-reviewer 做独立评审,完成前要求:任务清零、测试通过、有验证证据。

7. Team 编排(可选)

更复杂场景可用 /team 显式拉起团队流水线:team-plan → team-prd → team-exec →

team-verify → team-fix(失败可循环回

fix),适合有独立并行分支、协调成本值得付出的场景。

一句话总结:OMC 不是让模型自己包揽一切,而是通过"识别任务类型 → 路由给合适的

agent/模型 → 记录状态 →

独立验证"这一闭环,把单轮对话变成可追踪、可分工的工程流程。

相关推荐
前沿在线8 小时前
2026世界机器人大会主论坛大咖观点(一)
人工智能·ai·大模型
前沿在线8 小时前
黑芝麻智能亮相2026世界机器人大会, SesameX全矩阵产品展现具身智能硬核实力
人工智能·ai·大模型
咔咔学姐kk18 小时前
小白程序员必收藏:轻松入门AI Agent开发,大厂校招新风口!
人工智能·深度学习·ai·程序员·大模型·就业·大模型学习
Elastic 中国社区官方博客20 小时前
让大模型思考,让小模型执行:在 Elastic Workflows 中拆分 LLM 成本
大数据·运维·数据库·人工智能·elasticsearch·ai
星辰AI1 天前
全栈项目代码质量治理复盘:ESLint+Prettier+Husky的渐进式引入策略
人工智能·ai·语言模型
算AI1 天前
基于LLM的无人机仿真测试:新方法竞赛夺佳绩
人工智能·深度学习·算法·机器学习·ai
howdoyoudo2026061 天前
AI审计手记 #01(数据补全版):107小时、17,600次操作——OpenAI越狱案完整攻击链量化分析
大数据·人工智能·安全·ai·语言模型
狂云歌1 天前
AI学习之function calling&mcp
人工智能·学习·ai·ai编程
a187927218311 天前
从一条直线到大模型输出一个token(五):Transformer Block 全景与层归一化
ai·大模型·llm·transformer·layernorm·deepseek·层归一化
苏子寒1 天前
Nano-VLLM全代码解析笔记(6)-embed_head和linear
pytorch·笔记·python·机器学习·ai·nlp·vllm