上篇我们讲了 OMC 的安装配置和基础能力。
这篇深入讲核心功能、实战案例和进阶配置。
适合已经装好 OMC、想用好 OMC 的朋友。

四、核心功能详解

4.1 Team Mode：多智能体协作

Team Mode 是 OMC 最核心的功能。

它让多个 Agent 同时工作，分工合作。

适用场景：

  • 大型项目重构
  • 多人协作的后端 + 前端开发
  • 代码审查 + 修复并行
  • 复杂功能需要架构 + 实现分离

基本用法：

/team 3:executor "修复所有 TypeScript 错误"

3:executor 表示 3 个执行者 Agent。
它们会：

  1. 规划任务分配
  2. 各自领取子任务
  3. 并行执行
  4. 相互验证结果
  5. 有问题自动修复

流水线机制：

Team 按固定流水线执行：

team-plan（规划）
  ↓
team-prd（产品需求）
  ↓
team-exec（执行）
  ↓
team-verify（验证）
  ↓
team-fix（修复）← 循环直到通过

每一步都有明确的输入输出。
不会跳步，不会遗漏。

多模型协作：

除了 Claude，OMC 还支持 Codex 和 Gemini：

# Codex 做代码审查
/omc-teams 2:codex "review auth module for security issues"

# Gemini 做 UI 设计
/omc-teams 2:gemini "redesign UI components for accessibility"

# 三模型并行协作
/ccg Review this PR — architecture (Codex) and UI components (Gemini)

每个模型有擅长的领域：

  • Claude：通用任务、深度推理
  • Codex：代码审查、安全分析
  • Gemini：UI/UX 设计、大上下文任务

4.2 Ralph 模式：持久执行

Ralph = 不达目的不罢休。

当你有一个必须完成的任务时，用 Ralph：

ralph: 重构整个认证模块

Ralph 的工作方式：

  1. 持续工作：不休息，不停顿，直到完成
  2. 错误重试：遇到错误自动重试，最多 100 次
  3. 断点恢复：中途被打断？重启后继续
  4. 验证退出：必须通过验证才停止

Ralph vs 普通模式：

维度 普通模式 Ralph 模式
执行时长 有限制 不限制
错误处理 失败就停 自动重试
中断恢复 从头再来 断点续传
适用场景 简单任务 复杂任务

什么时候用 Ralph：

  • 重构大型模块
  • 迁移数据库
  • 生成大量测试用例
  • 任何不能中断的任务

如何停止 Ralph：

如果任务完成了但 Ralph 停不下来：

/oh-my-claudecode:cancel

还停不下来？强制停止：

/oh-my-claudecode:cancel --force

4.3 Autopilot：全自动执行

Autopilot = 扔个需求，它自己搞定。

autopilot: build a todo app with React

适合：

  • 快速原型开发
  • 需求清晰的功能开发
  • 不想管细节，只看结果

Autopilot 会自动：

  1. 分析需求
  2. 设计架构
  3. 编写代码
  4. 写测试
  5. 验证功能

4.4 Ultrawork：最大并行

Ultrawork = 火力全开。

ulw 重构 API 层

适合：

  • 修复大量错误
  • 重构多个文件
  • 批量优化性能

注意：Ultrawork 会消耗更多 Token，但速度最快。

4.5 Deep-Interview：需求澄清

当你需求不明确时，用 Deep-Interview：

deep-interview "我想做一个笔记应用"

Deep-Interview 会用苏格拉底式提问帮你理清思路：

  • 目标用户是谁？
  • 核心功能有哪些？
  • 需要离线吗？
  • 要不要同步？

直到你把需求完全想清楚，才开始写代码。

五、实战案例

案例 1：从零开发一个 REST API

任务： 用 Node.js + Express 开发一个任务管理 API

步骤：

autopilot: build a REST API for managing tasks with Node.js and Express

OMC 会自动：

  1. 创建项目结构
  2. 配置 TypeScript
  3. 编写 CRUD 接口
  4. 添加中间件
  5. 写单元测试
  6. 生成 API 文档

如果是 Claude Code 原生（无 OMC）：

  • 只能串行处理
  • 需要手动指定模型
  • 可能中途崩溃

有了 OMC：

  • Team Mode 并行处理
  • 自动选择合适模型
  • Ralph 持久执行直到完成

案例 2：修复所有 TypeScript 错误

任务： 修复项目中的 50+ 个 TypeScript 错误

原生方式：

  • 一个个改
  • 改完一个等结果
  • 重复直到全部修复

用 OMC：

/team 5:executor "fix all TypeScript errors"

5 个 Agent 并行：

  • Agent 1：修复类型错误
  • Agent 2：修复导入错误
  • Agent 3：修复接口错误
  • Agent 4：修复泛型错误
  • Agent 5：统一代码风格

效果： 原来 2 小时的工作，15 分钟搞定。

案例 3：代码重构 + 代码审查

任务： 重构认证模块，并确保没有安全问题

用 OMC：

/team 2:executor 1:security-reviewer "重构认证模块"
  • 2 个执行者负责重构
  • 1 个安全审查者实时检查
  • 发现安全问题立即停止并修复

六、进阶配置

6.1 配置文件详解

OMC 的配置文件格式是 JSONC（带注释的 JSON）。

项目级配置： ./.claude/CLAUDE.md
全局配置： ~/.claude/CLAUDE.md

重要配置项：

{
  // Team 相关
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"  // 启用原生团队
  },

  // OMC MCP 服务器
  "mcpServers": {
    "context7": { /* Context7 配置 */ },
    "exa-search": { /* 搜索配置 */ },
    "github": { /* GitHub 集成 */ }
  }
}

6.2 自定义 Agent 角色

OMC 内置了 32 个专业 Agent。
你也可以自定义角色。

在 ~/.omc/skills/ 创建技能文件：

# ~/.omc/skills/my-custom-agent.md
---
name: My Custom Agent
description: 处理自定义业务逻辑
triggers: ["custom", "business logic"]
source: user-defined
---
我的 Agent 行为定义...

6.3 通知配置

任务完成后想收到通知？配置 Telegram / Discord / Slack。

Telegram：

omc config-stop-callback telegram \
  --enable \
  --token <your_bot_token> \
  --chat <your_chat_id> \
  --tag-list "@alice,bob"

Discord：

omc config-stop-callback discord \
  --enable \
  --webhook <your_webhook_url> \
  --tag-list "@here,123456789"

Slack：

omc config-stop-callback slack \
  --enable \
  --webhook <your_webhook_url> \
  --tag-list "<!here>,<@U123456>"

6.4 OpenClaw 集成

OMC 支持将会话事件转发到 OpenClaw 网关。

在 ~/.claude/omc_config.openclaw.json：

{
  "enabled": true,
  "gateways": {
    "my-gateway": {
      "url": "https://your-gateway.example.com/wake",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" },
      "method": "POST",
      "timeout": 10000
    }
  },
  "hooks": {
    "session-start": { "gateway": "my-gateway", "enabled": true },
    "stop": { "gateway": "my-gateway", "enabled": true }
  }
}

七、对比：原生 Claude Code vs OMC

维度 原生 Claude Code OMC
模型调度 手动选择，可能浪费 MSE 自动路由，省 30-50%
任务处理 串行，一个一个来 并行，多 Agent 同时工作
错误恢复 失败从头来 断点续传，Ralph 持久执行
学习曲线 需要学习命令 零门槛，自然语言
协作能力 单 Agent Team Mode 多 Agent
成本控制 粗放 精细，经验复用
监控 无实时状态 HUD 实时显示
扩展性 有限 32 个专业 Agent + 自定义
多模型 仅 Claude Claude + Codex + Gemini
适用场景 简单任务 复杂项目

什么时候用原生 Claude Code：

  • 简单任务（改一行代码）
  • 不想安装额外工具
  • 预算充足，不 care Token

什么时候用 OMC：

  • 复杂项目（重构、迁移）
  • 想省 Token
  • 需要并行处理
  • 需要持久执行

八、常见问题 FAQ

Q1：安装 OMC 需要付费吗？

A：OMC 本身免费。
但它驱动的是 Claude Code，需要 Claude 订阅（Max / Pro）或 API Key。

Q2：OMC 支持 Windows 吗？

A：支持。
Claude Code 支持 Windows，OMC 就能用。
部分功能（如 tmux 相关）需要 WSL 或 Git Bash。

Q3：安装失败了怎么办？

A：按顺序排查：

  1. 确认 Claude Code 已正常安装
  2. 确认 Node.js 18+ 已安装：node -v
  3. 运行 /omc-doctor 检查问题
  4. 删除插件重新安装

Q4：Ralph 停不下来怎么办？

A：两种方法：

/oh-my-claudecode:cancel      # 正常取消
/oh-my-claudecode:cancel --force  # 强制取消

Q5：OMC 和 Cursor / Windsurf 有什么区别？

A：定位不同：

  • Cursor / Windsurf：AI 增强的 IDE
  • Claude Code + OMC：命令行 AI 编程工具

OMC 是 Claude Code 的增强插件，不是独立的 IDE。
如果你习惯在终端工作，OMC + Claude Code 是强强组合。

Q6：OMC 会记录我的代码吗？

A：OMC 不会上传你的代码。
它只是在本地调用 Claude API。
技能学习功能只在本地生成可复用模式，不上传。

Q7：更新 OMC 后配置要重做吗？

A：是的。
每次更新后都要运行：

/plugin marketplace update omc
/omc-setup

Q8：OMC 支持中文吗？

A：OMC 支持任何语言。
你可以用中文描述需求，它都能理解。
但部分文档是英文的。

九、总结

OMC 适合谁用？

  • Claude Code 重度用户：想进一步提效
  • 复杂项目开发者：需要多 Agent 协作
  • 预算敏感用户：想省 Token
  • 命令行爱好者：不想切换到 IDE

什么时候不需要 OMC？

  • 任务很简单（改几行代码）
  • 不想安装额外工具
  • 预算充足，不 care 成本

快速上手三步走

  1. 安装插件（2 分钟）

    /plugin marketplace add https://github.com/Yeachan-Heo/oh-my-claudecode
/plugin install oh-my-claudecode

  2. 运行配置（10-15 分钟）

    /omc-setup

  3. 开始使用

    autopilot: build a hello world

就这三步，完事。

资源链接

  • GitHub：https://github.com/Yeachan-Heo/oh-my-claudecode
  • 官方文档：https://yeachan-heo.github.io/oh-my-claudecode-website
  • Discord 社区：https://discord.gg/PUwSMR9XNk

点点赞和关注不迷路，后续还会分享更多 AI 效率工具。

👨‍💻 H先生出品 | 专注 AI 工具与效率提升

# 人工智能 # 自动化
Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

cover

聚合AI工具KULAAI：GPT、Claude、Gemini、DeepSeek热门模型一键使用

avatar AI Agent技术社区
cover

本地部署更安全！OpenClaw 数字员工搭建教程

avatar AI Agent技术社区

NuminaMath-7B-CoT-openmind未来路线图：数学AI的发展方向

NuminaMath-7B-CoT-openmind作为一款专注于数学推理的AI模型，正引领着数学问题解决的智能化浪潮。本文将深入探讨这款数学AI的未来发展方向，为您揭示其在提升推理能力、扩展应用场景等方面的清晰路径。## 强化数学推理能力：迈向更高难度问题NuminaMath-7B-CoT-openmind目前已在AMC 12级别的数学竞赛问题上展现出一定的解题能力，但在AIME和数学奥

avatar AI Agent技术社区