星标数：70892★ Fork数：5844 《oh-my-openagent：一条 omo 命令把 token 变成成品》
OmO 是一条 omo 命令，把你的 token 变成成品工作：跨上万来源的调研、真正能用的演示文稿、后端、前端、代码。它运行在 senpi 上，也就是 pi 的一个分支，下面介绍的能力全部内建其中。
项目口号是“Your tool for real work. But it’s an agent.”——它是你用于真实工作的工具，但它是一个代理。打开你的项目，运行 omo，描述任务，这就是全部设置。
在会话中，/thinking <level> 可设置模型的思考深度（单独输入 /thinking 会打开选择器），Shift+Tab 在各层级间切换，/efforts <level> 直接设置带 effort 分级模型的推理力度。用 /resume（或 /sessions）找回之前的工作，命令行中 omo -c 继续上一个会话，omo -r 打开会话选择器，/help 列出其他全部命令。从 OpenCode 版或 LazyCodex 迁移时，运行一次 omo setup 即可携带供应商密钥、自定义供应商、MCP 服务器、skills 和模型选择。
主要特点
- ultrawork（ulw）：觉得任务难就在提示词里加上它，代理会先通读代码库、制定计划、逐步验证每一步、在真实界面上检查结果，直到完成才停。
- 数百个代理，一个关键词：输入
mass ulw，整个任务变成一张代理图——数千来源的深度调研、完整机器学习流水线、没人想做的迁移，各部分并行运行在合适的模型上并在完成前接受检查。 - Kibitzer 记忆系统：记忆存放在一个 markdown 文件组成的 git 仓库中，一个便宜的小模型陪伴昂贵的主代理，读取你过往的工作，在主代理重犯错误前提醒它。
- 混合模型无须操心：用
/login即可覆盖 Claude、ChatGPT、Kimi 和 GLM 订阅，每个模型都配有为其调校的系统提示词，无需担心选错模型。 - 高质量 skills，只加载所需：OmO 把模型欠缺的现实世界问题知识以 skills 形式提供（含浏览器使用），并按任务只加载需要的部分。
- 其他细节同样打磨：独立工具调用合并为一次往返，格式错误的工具参数会被修复后再执行，等待构建或部署采用订阅而非轮询，长任务保留检查记录，配置、skills 和提示词支持实时重载。
安装
curl -fsSL https://get.omo.dev/install.sh | bash
omoWindows（PowerShell）：
irm https://get.omo.dev/install.ps1 | iex也可通过包管理器安装（注意包名为 omo-ai）：
bun add -g omo-ai
# 或
npm i -g omo-ai配置
提供有主见的默认值，但也允许你调整。全局设置位于 ~/.omo/omo.jsonc，项目可额外添加自己的 .omo/omo.jsonc，距离更近的文件优先，所有配置项见配置参考文档。
📊 本项目 GitHub 星标数：70892。最后更新：2026-11-13，发布：2026-11-11。项目地址：https://github.com/code-yeongyu/oh-my-openagent
