深入 Oh My Pi（omp）：终端里最能打的 AI 编程 Agent

推荐语：如果你受够了「AI 改错行」和「上下文里没有 IDE 能力」，omp 是当前终端编码 Agent 里最值得一试的那个------Hashline 哈希锚点编辑把改错文件变成小概率事件，LSP/调试器/Python+JS 双内核/并行子 Agent 全套内置且互相咬合，8 万行 Rust 让它在 macOS/Linux/Windows 上行为一致。它不是 Claude Code 的平替，而是技术设计更激进的「下一代」：代价是学习曲线和折腾成本。愿意投入的开发者，它不会让你失望；犹豫的人，先读完这篇再决定。

更多AI工具分享，参见猫哥的博客 ：blog.csdn.net/qq8864

一个有趣的彩蛋：DeepSeek Harness（DSH） 的 LLM 层依赖 @earendil-works/pi-ai，而 omp 是 Pi 生态的旗舰应用------也就是说 omp 和 DSH 共享底层 LLM 运行时（都是 can1357 的 pi-ai 架构），但 DSH 走了"事件溯源 + 服务化插件 + Web GUI"的产品路线，omp 走了"终端单机全能 IDE"路线。二者更像是"兄弟项目"而非竞品。

一句话定位

Oh My Pi（命令行简称 omp）是一个终端优先的开源 AI 编程 Agent：不依赖 IDE、全屏 TUI 运行，内置 31 个工具、完整 LSP/DAP 集成、Python+JS 双执行内核、并行子 Agent、跨会话记忆，底层是约 8 万行 Rust 原生实现------搜索、shell、AST、高亮全部进程内完成，零 fork/exec。

它由 Can Bölük fork 自 Mario Zechner 的 Pi，在 GitHub 上已有 24.8k+ stars ，MIT 开源。核心理念一句话：工具不应该只是「连上去」，而要被打磨到极致------每个工具都经过基准测试调优，编辑命中率、搜索速度、LSP 集成力求同类最优。

为什么值得关注：它解决的是真问题

传统 Coding Agent 的痛点，omp 几乎逐个给了解法：

痛点	传统方案	omp 的解法
编辑频繁失败、重试烧 Token	str_replace 重打旧内容	Hashline：内容哈希锚点，一次命中
读文件浪费上下文	全文 dump	结构化摘要：Tree-sitter 提取符号，按需展开
Agent 对代码库的理解靠猜	无	LSP 14 种操作：重命名、跳转、诊断走协议
排查 bug 全靠 print 调试	无	DAP 调试器：lldb / dlv / debugpy
数据分析弱	单一 Python 沙箱	Python + Bun 双持久内核，可回调 Agent 工具
大任务串行慢	无	并行子 Agent：隔离工作区、类型化返回
模型不守规矩	全靠 prompt 唠叨	流规则：正则命中 → 中断流 → 注入规则 → 重试
每次会话失忆	无	Hindsight 记忆银行（项目级）
搜索慢、依赖外部二进制	shell 调 rg	进程内 ripgrep / glob / bash

Hashline：技术含量最高的编辑机制

多数 Agent 用 str_replace（模型输出「旧内容 + 新内容」），问题在于：空白/引号错一个就拒，文件被改过锚点就失效，于是进入「拒绝 → 重试 → 拒绝」的 Token 燃烧循环。

omp 让模型用内容哈希标识要改的行，而不是重新打出那些行：

@@{a3f2}
-  const result = compute(x)
+  const result = compute(x, options)

{a3f2} 是目标行内容的哈希前缀。文件变了导致哈希对不上，patch 会被拒绝而不是打错地方。基准数据（官方实测，同权重同 Prompt）：

• Grok Code Fast 1：编辑成功率 6.7% → 68.3%（10 倍提升）
• Gemini 3 Flash：比 str_replace 高 5 个百分点，超过 Google 自己对该格式的最佳实现
• Grok 4 Fast：输出 Token 减少 61%（重试循环消失）
• MiniMax：通过率提升 2.1 倍

更高层还有 ast_edit（ast-grep 结构化重写，先出 proposed 预览卡片、Agent 写一行理由后 xd://resolve 才落盘，原子操作）和 ast_grep（50+ 语言 Tree-sitter 结构化查询）。

read：统一读取接口，省一半 Token

read 不只是读文件------返回的是 Tree-sitter 结构化摘要 （函数名、类名、重要注释），需要细节时 Agent 再调用 read 展开具体行段。而且所有东西都是路径：

read src/auth/login.ts            # 文件 → 结构化摘要
read src/                         # 目录 → 树形概览
read data/app.db                  # SQLite → 表/行
read https://arxiv.org/pdf/...      # 论文 PDF → 结构化 Markdown
read pr://can1357/oh-my-pi/1428   # GitHub PR 就是路径
read issue://can1357/oh-my-pi/142 # Issue 也是路径

「GitHub 只是另一个文件系统」------不用学一堆 gh_issue_view 之类的专用工具参数，一个接口走天下。

原生 Rust：搜索、shell、高亮全部进程内

其他 Agent shell 出去调 rg/grep/find/bash，每次都是 fork-exec 往返；omp 把真实实现链接进进程 ：ripgrep、glob、find 进程内；bash 是内嵌的 brush shell（持久会话，跨调用保留环境变量和工作目录），58+ 个命令行工具（ls、sed、sort、xargs、jq...）移植进 builtins crate。同一个二进制原生跑 macOS/Linux/Windows，不需要 WSL 桥。

LSP 与 DAP：IDE 知道的，Agent 都知道

14 个 LSP 操作 ：diagnostics、hover、definition、references、rename、code_action、completion、signature_help、document_symbols、workspace_symbols、format、range_format、implementation、type_definition。重命名走 workspace/willRenameFiles，re-export、barrel 文件、别名导入全部同步更新------不是文本替换。

28 个 DAP 操作 ：C/C++/Rust 用 lldb-dap，Go 用 dlv，Python 用 debugpy，Node 用内置 inspector。C 程序段错误？attach 调试器、看调用栈、读帧、debug.evaluate("*ptr")------不用再满代码撒 print。

eval：Python + JavaScript 双持久内核

大多数 Agent 只给一个 Python 沙箱。omp 跑两个持久内核，且任一内核都能回调 Agent 自己的工具：

# Python 内核里调用 Agent 的 read 工具
df = pd.read_csv(tool.read("data/sales.csv"))
print(df.describe())

// 同一个 eval 会话切到 Bun 内核
const top = tool.read("data/sales.csv").split("\n").slice(1)
  .map(l => l.split(",")).sort((a, b) => +b[2] - +a[2]).slice(0, 5);
console.table(top);

两个内核共享 prelude，Python 处理数据、JS 画图，全程一个连续会话。

子 Agent：并行、隔离、类型化返回

task 把任务拆给并行子 Agent：平台原生文件系统快照隔离工作区 （macOS APFS clone、Linux reflink/overlayfs、Windows projfs），互不干扰、无合并冲突；每个子 Agent 返回 schema 校验过的结构化对象，父 Agent 用路径语法直接取字段：

read agent://<subagent-id>/findings.0.path

子 Agent 之间还能通过 IRC 短消息协调分工。Alt+A 打开 Agent Hub 看每个子 Agent 的实时状态、活体转录、成本，还能中途发消息或杀掉卡住的 worker。

流规则：模型不听话的实时纠正

传统做法把所有规范塞进 System Prompt，每次对话付全量 Token，模型还可能无视。omp 的规则是睡着的，直到触发：

1. 正则监听模型的流式输出
2. 命中即中断当前流（mid-token 级别）
3. 把规则作为系统提醒注入上下文
4. 从同一位置重新生成
5. 注入的规则在上下文压缩后依然存活

例如「禁止在 Rust 生产代码用 Box::leak」，模型一旦写到就触发纠正为 Arc<str>。用 /omfg 用自然语言生成规则：

/omfg 不要在任何地方用 any 类型，要求用具体的类型定义或 unknown

Hindsight：项目级跨会话记忆

Agent 运行中主动用 retain 写入记忆、recall 检索、reflect 综合；每次会话结束自动压缩成「心智模型」，下次会话第一轮就加载。项目级作用域------A 项目学到的东西不泄漏到 B 项目。用一段时间后，omp 自己就知道：项目用什么技术栈、模块怎么分工、哪些文件是「地雷区」。

模型路由：60+ 提供商、10 个角色

用角色 而非模型名调度：「对的任务用对的模型」。default 日常、smol 廉价探索、slow 深度推理、plan 计划模式，另有 vision/designer/task/advisor/commit/tiny。启动时 --smol / --slow / --plan 覆盖，会话中 /model 或 Ctrl+P 切换。

支持 OAuth 一键登录（Anthropic、Codex、Gemini、Perplexity、Cursor、Copilot...）、Coding Plan 订阅路由、API Key、本地模型（Ollama/LM Studio/vLLM），还能自定义任意 OpenAI 兼容提供商、配 fallback 链（429 自动切换）、路径级模型绑定、多 Key 轮转。

其他值得说的

• /collab：把会话放上中继，甩个链接+二维码，队友浏览器就能围观/协作，密钥不出本机
• /commit：读整个工作树，把不相关改动拆成按依赖排序的原子 commit，循环依赖直接拒绝
• /review：专用 reviewer 子 Agent 并行扫描，问题按 P0-P3 分级+置信度评分
• 配置继承 ：自动读取 .cursor/rules/*.mdc、CLAUDE.md、.clinerules、AGENTS.md、Copilot applyTo 等 8 种现有格式，零迁移
• ACP/SDK/RPC ：omp acp 接入 Zed；Node SDK 内嵌会话；--mode rpc stdio 驱动
• 插件：TypeScript 模块、与内置工具同一套 API、热重载

与主流工具对比

维度	Claude Code / 同类	omp
编辑格式	str_replace（易错）	Hashline（内容哈希锚点）
文件读取	全文 dump	结构化摘要 + 按需展开
LSP	无或有限	完整 14 操作
调试器	无	完整 DAP（lldb/dlv/debugpy）
代码执行	Python 沙箱	持久 Python + Bun 双内核
子 Agent	无或有限	并行 + 隔离 + 类型化返回
搜索	shell 调 ripgrep	进程内 ripgrep，零 fork/exec
行为纠正	靠 prompt	流规则：中断注入重试
跨会话记忆	无	Hindsight（项目级）
技术栈	纯 JS/Python	~8 万行 Rust 核心 + TypeScript

安装

macOS / Linux（推荐）

curl -fsSL https://omp.sh/install | sh

脚本自动检测 Bun（≥1.3.14），有则用 Bun 安装，否则下载预构建二进制。

其他方式

# Homebrew
brew install can1357/tap/omp

# Bun（推荐，最新版）
bun install -g @oh-my-pi/pi-coding-agent

# Windows（PowerShell，原生运行，无需 WSL）
irm https://omp.sh/install.ps1 | iex

# Nix
nix profile install github:can1357/oh-my-pi

# 版本锁定
mise use -g github:can1357/oh-my-pi

验证 + 补全

omp --version

# shell 补全（bash → ~/.bashrc）
eval "$(omp completions bash)"
# zsh → ~/.zshrc
eval "$(omp completions zsh)"
# fish
omp completions fish > ~/.config/fish/completions/omp.fish

模型配置：四种方式

/login      # 方式一：OAuth 一键登录（Anthropic / Codex / Gemini / Cursor / Copilot...）
/model      # 方式二：打开模型选择器，直接填 API Key

# 方式三：Coding Plan 订阅路由（/login 选对应提供商）
# 方式四：本地模型（Ollama / LM Studio）
ollama serve
/model      # 选择 Ollama，指向 http://localhost:11434

自定义 OpenAI 兼容提供商（~/.omp/agent/models.yml）：

providers:
  spark:
    baseUrl: http://192.168.10.223:8000/v1
    api: openai-completions
    apiKey: dummy
    models:
      - id: minimax-m3
        name: MiniMax M3
        contextWindow: 100000
        maxTokens: 32000

故障转移与路径绑定：

retry:
  fallbackChains:
    default:
      - anthropic/claude-sonnet-4.6
      - openai/gpt-4o
      - google/gemini-2.0-flash

models:
  enabledModels:
    - path: ~/projects/side-project
      models: ["deepseek/deepseek-coder"]

TUI 上手

cd ~/your-project
omp

全屏 TUI 启动，工具调用渲染成卡片，编辑落盘前有预览。推荐在支持 Kitty 键盘协议的终端运行（Kitty、Ghostty、WezTerm、iTerm2）。

常用键位

按键	功能
Enter	发送消息
Ctrl+J / Shift+Enter	消息内换行
Ctrl+P	循环切换当前角色的模型
Ctrl+T	展开/折叠 Todo 面板
Ctrl+C	中断任务
Esc	取消待确认操作
↑ / ↓	历史消息 / 选项
?	输入框内查看快捷键

单次执行与恢复

omp -p "列出所有 .ts 文件里未使用的 export"
git diff HEAD~1 | omp -p "给这个 diff 写一个精简的 commit message"

omp --resume          # 会话选择器（Tab 补全）
omp --resume <id>     # 直接恢复

常用斜杠命令

命令	功能
/model	切换模型
/login	提供商登录
/review	代码审查（分支/commit/未提交，P0-P3 分级）
/commit	智能拆分原子提交
/omfg	自然语言创建流规则
/collab	分享实时会话
/compact	手动压缩上下文
/reload-plugins	热重载插件
/hotkeys	全部快捷键

核心工具实操

# read：读文件/目录/URL/数据库/PR，全部结构化
read src/auth/login.ts
read pr://can1357/oh-my-pi/1428

# search：进程内 ripgrep
search "useState\(" src/
search "TODO:" --type ts

# bash：持久会话，环境变量跨调用保留
bash: npm test
bash: git log --oneline -10

# eval：Python + JS 双内核，可回调 Agent 工具
eval: import pandas as pd; df = pd.read_csv(tool.read("data/sales.csv")); print(df.describe())

# lsp：IDE 级代码智能
lsp: rename formatBytes → humanizeFileSize

# debug：真实调试器
debug: attach lldb-dap，看崩溃栈、读变量、评估表达式

# task：并行子 Agent
task(workers=[{name: "auth", workdir: "services/auth"}, ...])

# ask：结构化提问（带推荐选项的选择器）

我的评价

优点

1. 工具质量是真实的，不是营销：Hashline 的基准数据可复现，编辑成功率提升是数量级的；read 的结构化摘要省 Token 立竿见影；进程内搜索在无 rg 的 Windows 上也能用------这些都在日常使用里感受得到。
2. 一站配齐：调试器、LSP、双内核、子 Agent、记忆、浏览器、桌面控制......别的 Agent 要装一堆插件，omp 开箱即有，而且互相咬合（eval 回调 read、子 Agent 类型化返回、配置零迁移继承）。
3. Rust 底子带来的一致性：macOS/Linux/Windows 同一二进制，不依赖外部工具链，行为一致。
4. 可塑性 ：插件与内置工具同一 API，/omfg 建规则、/reload-plugins 热重载，从配置到源码全开放。

局限

1. 学习曲线：TUI + 斜杠命令 + 角色模型路由，比「打开即聊」的工具要花一两天适应；文档分散在 omp.sh/docs 和仓库 docs/。
2. 生态相对年轻：插件数量远不如 Claude Code，社区仍在成长（PR 刚放开 trial）。
3. 终端依赖 ：全屏 TUI 在 SSH/无头环境体验打折（有 -p 单次模式兜底）；依赖 Kitty 键盘协议，老终端要降级。
4. 模型强绑定：编辑格式、工具调用是针对强模型调的，弱模型 + 复杂任务仍需人工盯。

适合谁 ：终端党、追求工具效率的资深开发者、想省 Token 的重度用户。不适合：只想点两下就完事的 GUI 用户（用 IDE 插件版或 Claude Code 更顺手）。

与 DeepSeek Harness（dsh）的关系 ：两者定位不同------omp 是「终端里打磨到极致的单体 Agent」；dsh 是「一切皆插件」的可重组框架（模型/工具/UI/循环都可替换）。omp 开箱即用、工具质量天花板高；dsh 可定制性更强、适合自组 harness。都用过之后我的建议：日常写代码用 omp，做自定义 Agent 平台用 dsh。

参考

• 官网：omp.sh
• GitHub：github.com/can1357/oh-...（MIT，24.8k+ stars）
• 菜鸟教程入门：www.runoob.com/vibe-coding...
• 工具文档：omp.sh/docs/tools
• 提供商文档：omp.sh/docs/provid...
• npm：www.npmjs.com/package/@oh...