基于 Yeachan-Heo/oh-my-claudecode 仓库源码分析

---

一、Agent 完整目录（共 19 个）

OMC 的 Agent 按模型能力分为三个梯队，决定了推理深度与成本的平衡。

1.1 Opus 梯队（claude-opus-4-6）— 深度推理

用于分析、规划、评审等需要深度思考的场景。

Agent	角色定位	核心能力
analyst	需求分析顾问	将产品范围转化为可实施的验收标准，在规划前捕获遗漏
architect	架构与调试顾问（只读）	分析代码、诊断 Bug、提供带 file:line 证据的架构建议，不做实现
code-reviewer	代码评审专家	按严重等级评审代码质量、安全性和规格合规性
code-simplifier	代码简化专家	在保持功能不变的前提下简化代码结构，提升可维护性
critic	方案评审专家	多视角审查工作计划和代码，发现缺陷、空白和弱假设
planner	战略规划顾问	通过结构化访谈收集需求，创建清晰可执行的工作计划
security-reviewer	安全评审专家	检测 OWASP Top 10、密钥泄露、不安全模式等安全漏洞

1.2 Sonnet 梯队（claude-sonnet-4-6）— 执行主力

用于实现、调试、测试和动手调查等日常工作负载。

Agent	角色定位	核心能力
debugger	根因分析专家	栈追踪分析、回归隔离、编译错误解决
designer	UI/UX 设计开发	创建高品质、生产级的 UI 实现
document-specialist	外部文档检索专家	从可信文档源搜索和综合信息，带源引用
executor	任务执行器	精确实现代码变更，自主探索、规划和执行多文件变更
git-master	Git 操作专家	原子提交、变基、历史管理，支持风格检测
qa-tester	交互式 CLI 测试专家	通过 tmux 会话进行真实应用行为验证
scientist	数据分析研究员	使用 Python 执行数据分析，产出有统计严谨性的发现
test-engineer	测试工程师	测试策略设计、集成/E2E 覆盖、不稳定测试加固
tracer	因果追踪专家	通过竞争假说和证据追踪解释观测结果
verifier	验证器	确保完成声明有新鲜证据支撑，拒绝"应该""可能"等模糊表述

1.3 Haiku 梯队（claude-haiku-4-5）— 轻量快速

用于快速搜索和文档生成等对速度敏感的场景。

Agent	角色定位	核心能力
explore	代码库搜索专家	查找文件、代码模式和关系，回答"X 在哪"“Y 怎么连接到 Z”
writer	技术文档写手	编写 README、API 文档和注释，确保示例经过验证

---

二、Skill 调用 Agent 详细映射

2.1 调用了 Agent 的 Skill（共 14 个）

---

/plan — 结构化规划

用途： 通过多角色协作创建高质量工作计划

阶段	Agent	模型	说明
代码探索	explore	haiku	扫描代码库，建立上下文
需求分析	analyst	opus	将需求转化为验收标准
方案规划	planner	opus	创建可执行的工作计划
架构审查	architect	opus	审查方案的架构合理性
批判审查	critic	opus	多视角查找方案缺陷

调用模式： 顺序流水线（explore → analyst → planner → architect → critic）

---

/ralph — 智能代码审查与修复

用途： 对变更代码进行架构审查 + 批判审查 + 自动修复

阶段	Agent/Skill	模型	说明
架构审查	architect	opus	审查代码变更的架构影响
批判审查	critic	opus	查找代码缺陷和弱点
代码修复	executor	sonnet	根据审查意见修复代码
代码清理	ai-slop-cleaner（Skill）	—	清理 AI 生成的冗余代码

调用模式： 顺序流水线 + Skill 间调用（architect → critic → executor → ai-slop-cleaner）

---

/autopilot — 自动驾驶开发

用途： 全自动的分析-规划-执行-审查循环

阶段	Agent	模型	说明
需求分析	analyst	opus	理解任务需求
架构设计	architect	opus	设计实现方案
方案审查	critic	opus	评审方案质量
代码实现	executor	sonnet	执行代码变更
安全审查	security-reviewer	opus	检查安全漏洞
代码审查	code-reviewer	opus	评审代码质量

调用模式： 带条件分支的循环流水线（analyst → architect → critic → executor → security-reviewer → code-reviewer，不通过则回到 executor 修复）

---

/ultrawork — 极简执行器

用途： 直接将任务交给 executor 执行，支持分层模型路由

阶段	Agent	模型	说明
执行	executor	sonnet（默认）	直接执行任务
执行（复杂）	executor	opus（可选）	通过参数或复杂度触发升级

调用模式： 单 Agent 直接调用，支持模型分层路由

---

/team — 全团队协作

用途： 模拟完整软件团队，5 阶段流水线交付

阶段	阶段名	Agent	模型	说明
1. team-plan	探索与规划	explore	haiku	代码库探索
		planner	opus	创建工作计划
		analyst	opus	需求分析
2. team-prd	架构设计	architect	opus	产出架构设计文档
3. team-exec	并行执行	executor	sonnet	多个 executor 并行实现
		designer	sonnet	UI/UX 实现
		debugger	sonnet	调试修复
		writer	haiku	文档编写
		test-engineer	sonnet	测试编写
		scientist	sonnet	数据分析研究
4. team-verify	全面验证	verifier	sonnet	功能验证
		security-reviewer	opus	安全审查
		code-reviewer	opus	代码审查
5. team-fix	修复循环	executor	sonnet	根据审查意见修复

调用模式： 5 阶段流水线（team-plan → team-prd → team-exec → team-verify → team-fix），第 3 阶段内部并行

使用 Agent 数量： 13 个（OMC 中最多）— explore, planner, analyst, architect, executor, debugger, designer, writer, test-engineer, verifier, security-reviewer, code-reviewer, scientist

---

/ultraqa — 交互式 QA 测试

用途： 通过真实交互验证应用行为

阶段	Agent	模型	说明
测试计划	architect	opus	设计测试方案
交互测试	qa-tester	sonnet	通过 tmux 执行交互式测试
修复验证	executor	sonnet	修复发现的问题

调用模式： 顺序流水线（architect → qa-tester → executor），可循环

---

/ralplan — 共识规划

用途： /plan --consensus 的别名，多规划者共识收敛

阶段	Agent	模型	说明
方案规划	planner	opus	多个 planner 并行产出方案
架构审查	architect	opus	审查各方案的架构合理性
共识评审	critic	opus	在多个方案间找到共识

调用模式： 并行扇出 + 共识收敛（多 planner 并行 → architect 审查 → critic 评选）

---

/sciomc — 科学研究执行

用途： 并行执行数据分析和研究任务

阶段	Agent	模型	说明
研究执行	scientist	sonnet（默认）	数据分析和 Python 研究
研究执行（深度）	scientist	opus（可选）	复杂分析升级为 opus

调用模式： 并行扇出 + 模型分层路由（多个 scientist 并行执行）

---

/deep-interview — 深度代码库访谈

用途： 对棕地（已有）代码库进行深度分析

阶段	Agent	模型	说明
代码库探索	explore	haiku	全方位扫描代码库结构和关系

调用模式： 单 Agent 深度调用，后可串联到 /ralplan → /autopilot 流水线

---

/deepinit — 深度项目初始化

用途： 为新项目创建深度的项目文档和架构

阶段	Agent	模型	说明
代码库探索	explore	haiku	了解项目结构
架构分析	architect	opus	分析和规划项目架构
文档编写	writer	haiku	编写项目文档

调用模式： 顺序流水线（explore → architect → writer）

---

/external-context — 外部文档检索

用途： 并行搜索外部文档和参考资料

阶段	Agent	模型	说明
文档搜索	document-specialist	sonnet	按分解后的搜索面并行检索

调用模式： 并行扇出（分解查询为 2-5 个搜索面 → 最多 5 个 document-specialist 并行 → 综合报告）

---

/self-improve — 自主进化引擎

用途： 自主循环的代码改进，带锦标赛选择和崩溃恢复

阶段	Agent	模型	说明
研究	自定义（si-researcher.md）	opus	研究改进方向
基准构建	自定义（si-benchmark-builder.md）	opus	构建基准测试（仅初始化阶段）
并行规划	planner	opus	N 个 planner 并行产出改进方案
架构审查	architect	opus	逐方案审查架构（顺序，在 critic 之前）
方案把关	critic	opus	逐方案把关（顺序，在 architect 之后）
并行执行	executor	opus	N 个 executor 在独立 worktree 中并行实现
锦标赛选择	git-master	sonnet	合并、打标签、归档候选方案

调用模式： 自主无限循环（Steps 0-11 持续运行），包含并行扇出（N planner + N executor）、顺序审查管线（architect → critic）、锦标赛选择与回滚、失败重试一次、基于 iteration_state.json 的崩溃恢复

---

/trace — 因果追踪

用途： 通过竞争假说调查观测结果的根因

阶段	Agent	模型	说明
假说调查	tracer	sonnet（默认）	3 条独立调查通道并行执行

调用模式： Lead-Worker 架构（Lead 生成 3 个假说 → 3 个 tracer worker 并行调查 → 反驳轮 → 收敛/分离检测 → 排序综合）。使用 Claude 内建 team 模式，通过 YAML frontmatter 声明 agent: tracer

---

/writer-memory — 写作记忆系统

用途： 小说写作的角色、关系、场景记忆管理

阶段	Agent	模型	说明
角色弧线分析（按需）	architect	opus	复杂角色弧线跨场景分析

调用模式： 条件式按需调用（仅在需要深度角色分析时触发），其余 CRUD 操作不涉及 Agent

---

2.2 未调用 Agent 的 Skill（共 20 个）

Skill	用途	类型说明
ai-slop-cleaner	清理 AI 生成的冗余代码	被 ralph 作为子 Skill 调用
ask	通过 omc ask 路由到外部 CLI（Claude/Codex/Gemini）	CLI 路由，非 Agent 委派
cancel	取消当前运行模式	状态管理工具
debug	调试辅助	简单工具 Skill
hud	配置 OMC 状态栏显示	配置/设置类
learner	从对话中提取可复用的技能	自改进类（Level 7），无 Agent
mcp-setup	配置 MCP 服务器	交互式设置向导
omc-doctor	诊断和修复 OMC 安装问题	6 步诊断流水线
omc-reference	OMC 内建参考手册	被动文档（user-invocable: false）
omc-setup	OMC 安装/刷新/修复	4 阶段设置流水线
omc-teams	通过 tmux 启动外部 CLI 工作进程	OS 级进程管理，非 Agent
project-session-manager	Worktree 开发环境管理	Git/tmux 会话管理
release	通用发布助手	8 步顺序发布流水线
remember	会话知识路由到正确的记忆面	分类 + 路由工具
setup	统一设置入口	路由到 omc-setup/omc-doctor/mcp-setup
skill	Skill 管理元工具	列出/添加/删除/搜索 Skill
skillify	将重复工作流转化为 Skill 草稿	6 步线性流程
verify	验证工具	简单工具 Skill
visual-verdict	视觉 QA 判定器	无状态评估器，设计为被外部循环调用
wiki	持久化 Markdown 知识库	CRUD 数据层

---

三、Agent 被引用频次统计

以下统计每个 Agent 被多少个 Skill 直接调用。

Agent	梯队	被引用次数	引用 Skill 列表
architect	Opus	9	plan, ralph, autopilot, team, ultraqa, ralplan, deepinit, self-improve, writer-memory
executor	Sonnet	6	autopilot, ralph, ultrawork, team, ultraqa, self-improve
critic	Opus	5	plan, ralph, autopilot, ralplan, self-improve
planner	Opus	4	plan, ralplan, team, self-improve
explore	Haiku	4	plan, deep-interview, deepinit, team
analyst	Opus	3	plan, autopilot, team
security-reviewer	Opus	2	autopilot, team
code-reviewer	Opus	2	autopilot, team
writer	Haiku	2	deepinit, team
scientist	Sonnet	2	sciomc, team
git-master	Sonnet	1	self-improve
document-specialist	Sonnet	1	external-context
qa-tester	Sonnet	1	ultraqa
tracer	Sonnet	1	trace
debugger	Sonnet	1	team
designer	Sonnet	1	team
test-engineer	Sonnet	1	team
verifier	Sonnet	1	team
code-simplifier	Opus	0	（未被任何 Skill 直接调用）

关键发现：

• architect 是被调用频次最高的 Agent（9 个 Skill），反映了"架构审查"在 OMC 工作流中的核心地位
• executor 紧随其后（6 个 Skill），体现了"执行"作为最终落地环节的普遍性
• code-simplifier 是唯一未被任何 Skill 直接调用的 Agent，可能设计为用户直接通过 Agent 方式调用
• /team 是覆盖面最广的 Skill，使用了 13/19 个 Agent

---

四、调用模式分类

OMC 中的 Skill 使用了以下几种典型的 Agent 调用模式：

4.1 顺序流水线（Sequential Pipeline）

特征：Agent 按固定顺序依次执行，前一个的输出作为后一个的输入。

A → B → C → D

代表 Skill：

• /plan：explore → analyst → planner → architect → critic
• /deepinit：explore → architect → writer
• /ralph：architect → critic → executor → ai-slop-cleaner

---

4.2 并行扇出（Parallel Fan-out）

特征：多个同类 Agent 同时执行独立子任务，完成后汇总。

        ┌→ Agent-1 ─┐
Input ──┼→ Agent-2 ──┼→ Merge
        └→ Agent-N ─┘

代表 Skill：

• /external-context：2-5 个 document-specialist 并行搜索
• /sciomc：多个 scientist 并行研究
• /ralplan：多个 planner 并行规划后共识收敛

---

4.3 分阶段流水线（Staged Pipeline）

特征：多个阶段顺序执行，每个阶段内部可能有并行。

Stage-1 → Stage-2 → Stage-3(并行) → Stage-4 → Stage-5

代表 Skill：

• /team：team-plan → team-prd → team-exec(并行) → team-verify → team-fix
• /autopilot：analyst → architect → critic → executor → reviewer(s) → fix loop

---

4.4 Lead-Worker 架构

特征：Lead 分配任务给多个 Worker，Worker 独立执行后 Lead 汇总。

Lead: 生成假说
  ├→ Worker-1: 调查假说 A
  ├→ Worker-2: 调查假说 B
  └→ Worker-3: 调查假说 C
Lead: 反驳轮 + 综合

代表 Skill：

• /trace：Lead 生成 3 假说 → 3 tracer 并行调查 → 反驳 → 排序

---

4.5 自主循环（Autonomous Loop）

特征：无限循环执行，直到满足退出条件。

┌→ Research → Plan(并行) → Review → Execute(并行) → Select → ─┐
└─────────────────────── Loop ←──────────────────────────────┘

代表 Skill：

• /self-improve：研究 → N 并行规划 → 逐个审查 → N 并行执行 → 锦标赛选择 → 循环

---

4.6 单 Agent 直接调用

特征：只调用一个 Agent，可能有模型分层路由。

Input → Agent (model routing) → Output

代表 Skill：

• /ultrawork：直接调用 executor
• /deep-interview：直接调用 explore
• /sciomc（单任务模式）：直接调用 scientist

---

4.7 条件式按需调用

特征：大部分时间不调用 Agent，仅在特定条件下触发。

代表 Skill：

• /writer-memory：仅在需要深度角色弧线分析时调用 architect

---

五、Skill 间调用关系

部分 Skill 之间存在调用或串联关系：

/setup ──路由──→ /omc-setup
                  /omc-doctor
                  /mcp-setup

/ralph ──调用──→ /ai-slop-cleaner（清理阶段）

/deep-interview ──串联──→ /ralplan ──串联──→ /autopilot
（推荐的完整工作流：探索 → 共识规划 → 自动执行）

/ralplan ≡ /plan --consensus（别名关系）

/skill ──可触发──→ /learner（扫描对话模式）

/team ──区别于──→ /omc-teams（前者用 OMC Agent，后者用外部 CLI 进程）

---

六、综合视图：Skill × Agent 矩阵

下表展示所有使用了 Agent 的 Skill 与 Agent 的交叉关系。● 表示直接调用，○ 表示通过 team 模式或特殊机制调用。

Skill ╲ Agent	explore	analyst	planner	architect	critic	executor	debugger	designer	writer	test-eng	verifier	sec-rev	code-rev	scientist	doc-spec	qa-tester	tracer	git-master
plan	●	●	●	●	●
ralph				●	●	●
autopilot		●		●	●	●						●	●
ultrawork						●
team	●	●	●	●		●	●	●	●	●	●	●	●	●
ultraqa				●		●										●
ralplan			●	●	●
sciomc														●
deep-interview	●
deepinit	●			●					●
external-context															●
self-improve			●	●	●	●												●
trace																	●
writer-memory				○

---

七、模型路由策略

OMC 中 Agent 的模型选择遵循以下规律：

策略	说明	示例
固定梯队	Agent 定义中指定的默认模型	architect 始终 opus，executor 默认 sonnet
Skill 覆盖	Skill 通过 model 参数覆盖默认模型	self-improve 中 executor 升级为 opus
动态路由	根据任务复杂度或用户参数选择模型	ultrawork 支持 --opus 标志升级
成本优化	搜索和文档任务使用低成本模型	explore 用 haiku，writer 用 haiku

实际模型使用情况：

Agent	默认模型	被覆盖为 opus 的场景
executor	sonnet	self-improve 中为保证改进质量
scientist	sonnet	sciomc 中对复杂分析可选升级
explore	haiku	未见升级场景
writer	haiku	未见升级场景

---

八、附录：快速查找表

按用途找 Skill

我想要…	推荐 Skill	使用 Agent 数
规划一个任务	/plan	5
多方案共识规划	/ralplan	3
全自动开发	/autopilot	6
快速执行一个任务	/ultrawork	1
模拟完整团队	/team	13
审查代码变更	/ralph	3 + 1 Skill
交互式 QA 测试	/ultraqa	3
数据分析	/sciomc	1
了解代码库	/deep-interview	1
初始化项目文档	/deepinit	3
查找外部文档	/external-context	1
自主代码改进	/self-improve	5 + 2 自定义
追踪问题根因	/trace	1
管理写作记忆	/writer-memory	1

按 Agent 找 Skill

我想了解哪些 Skill 用到了…	相关 Skill
executor	autopilot, ralph, ultrawork, team, ultraqa, self-improve
architect	plan, ralph, autopilot, team, ultraqa, ralplan, deepinit, self-improve, writer-memory
critic	plan, ralph, autopilot, ralplan, self-improve
planner	plan, ralplan, team, self-improve
explore	plan, deep-interview, deepinit, team
analyst	plan, autopilot, team
security-reviewer	autopilot, team
code-reviewer	autopilot, team
scientist	sciomc, team
writer	deepinit, team
document-specialist	external-context
qa-tester	ultraqa
tracer	trace
git-master	self-improve
debugger	team
designer	team
test-engineer	team
verifier	team
code-simplifier	（无 Skill 直接调用）