跳至主要內容

oh-my-claudecode 指南

RuyiWei...大约 11 分钟工具AIClaude Code工具

oh-my-claudecode 完全指南

一、oh-my-claudecode 介绍

什么是 oh-my-claudecode

oh-my-claudecode（简称 OMC）是一个 Claude Code 插件系统，它引入了"技能"(Skill)的概念，将松散的对话转变为结构化的工作流。不同于普通的单次对话，OMC 提供了完整的软件工程生命周期管理。

核心理念：你是指挥家，不是表演者

"You are the conductor, not the performer."

黄金法则：永远不要直接修改代码，始终委派给专业智能体。你的角色是指导、审查和编排。

  • Architect（架构师） - 把握大局
  • Executor（执行者） - 编写代码
  • Verifier（验证者） - 证明它有效

核心能力

  • Plan - 不只是给你一个想法，而是生成完整的技术规格和验收标准
  • Ralph - 不只是"试试看"，而是保证完成，循环执行直到通过验证
  • Autopilot - 不只是回答你的问题，而是从想法到可运行代码的完整生命周期

魔法关键词（Magic Keywords）

OMC 的精髓在于自然语言触发——你不需要记忆复杂的命令，只需在对话中包含特定关键词：

关键词效果示例
autopilot全自主执行"autopilot 构建一个 React 仪表盘"
ralph持久化模式（直到完成）"ralph 重构 API"
ulw / ultrawork最大并行度"ulw 修复所有 TypeScript 错误"
ralplan迭代规划共识"ralplan 这个功能"
deep-interview苏格拉底式需求澄清"deep-interview 一个模糊想法"
team多智能体协作"team 5:executor 重构后端"
stopomc / cancelomc停止编排"stopomc"

与传统 Claude Code 的区别

特性普通 Claude Codeoh-my-claudecode
对话方式一次性问答结构化工作流
状态管理无完整的会话状态
质量保证依赖用户审查自动验证循环
任务完成单次尝试持久化直到完成
并行执行手动管理自动并行调度

技能层级关系

graph TD
    A[Autopilot<br/>全自主执行] --> B[Ralph<br/>持久化循环]
    B --> C[Ultrawork<br/>并行执行]
    C --> D[Executor Agents<br/>执行智能体]

二、安装与配置

1、安装步骤

# 通过 Claude Code 插件市场安装
/plugin marketplace add https://github.com/Yeachan-Heo/oh-my-claudecode
/plugin install oh-my-claudecode

2、初始化配置

# 项目级配置
/omc-setup --local

# 全局配置
/omc-setup

3、推荐配置

创建 ~/.claude/settings.json：

{
  "omc": {
    "autopilot": {
      "maxQaCycles": 5,
      "pauseAfterPlanning": false
    },
    "deepInterview": {
      "ambiguityThreshold": 0.2,
      "maxRounds": 20
    },
    "ralph": {
      "defaultCritic": "architect"
    }
  },
  "omcHud": {
    "preset": "focused",
    "safeMode": true
  }
}

4、OMC CLI 工具（可选）

如果你安装了 oh-my-claude-sisyphus npm 包，可以使用以下命令：

# 安装
npm install -g oh-my-claude-sisyphus

# 常用命令
omc launch          # 在 tmux 中启动 Claude Code
omc setup           # 安装/同步 OMC 组件
omc config          # 显示/验证配置
omc info            # 列出智能体、技能、MCP 工具
omc doctor          # 运行诊断检查
omc update          # 检查更新
omc wait            # 速率限制管理
omc hud             # 实时 HUD 渲染

三、核心技能详解

1、ralplan - 迭代规划共识

使用场景

新项目启动前的技术规划、复杂功能的架构设计、需要多方共识的决策场景。

触发词：ralplan、plan

注意

旧版关键词 plan this / plan the 已移除，请使用 ralplan 或 /oh-my-claudecode:omc-plan

四种模式

模式触发条件行为
Interview默认（宽泛请求）交互式需求收集
Direct--direct 或详细请求跳过访谈直接生成计划
Consensus--consensusPlanner → Architect → Critic 循环
Review--review审查现有计划

使用示例

# 基础用法
ralplan "创建一个支持 Markdown 的个人博客系统"

# 共识模式（适合重要决策）
ralplan --consensus "设计一个高并发的支付系统"

# 深思熟虑模式（高风险场景）
ralplan --deliberate "数据库迁移方案"

# 直接模式（已有明确需求）
/omc-plan --direct "实现 JWT 认证，使用 Redis 存储 Token"

输出内容

Plan 的输出是一个完整的实施计划，包含：

  1. 需求摘要 - 核心功能和非功能需求
  2. 验收标准 - 可测试的具体指标（90%+ 标准需可测试）
  3. 实施步骤 - 带文件引用的详细步骤
  4. 风险与缓解 - 潜在风险及应对策略
  5. 验证步骤 - 如何确认计划成功
  6. ADR 文档 - 架构决策记录（共识模式）

质量标准

  • 80%+ 的声明需引用文件/行号
  • 90%+ 的验收标准需可测试
  • 模糊术语需量化（如"快速"→"p99 < 200ms"）

2、Deep Interview - 苏格拉底式需求澄清

使用场景

需求模糊、需要深入理解用户意图、避免"这不是我想要的"结果时。

触发词：deep interview、interview me、don't assume

核心机制

Deep Interview 实现数学模糊度门控的苏格拉底式提问：

  1. 一次只问一个问题 - 绝不批量提问
  2. 靶向最弱维度 - 每次针对最不清晰的部分提问
  3. 实时模糊度评分 - 每次回答后计算模糊度
  4. 阈值控制 - 模糊度 ≤ 20% 才继续

模糊度评分

ambiguity = 1 - weighted_sum_of_dimension_scores

维度权重（Greenfield 项目）：

维度权重
目标清晰度40%
约束清晰度30%
成功标准30%

实战示例

/deep-interview "我想做一个电商网站"

输出示例：

[第 1/20 轮] 模糊度: 85%
问题：你提到的"电商"主要销售什么类型的商品？
      (实体商品/数字产品/服务/混合)

[第 12 轮] 模糊度: 18% ✓
已满足阈值，生成规格文档...

3、Ralph - 保证完成的执行引擎

使用场景

任务需要保证完成、需要追踪进度、需要验证审查的场景。

触发词：ralph、don't stop、must complete、finish this

Ralph 已包含 Ultrawork

Ralph 自动包含 Ultrawork 的并行执行能力，不需要额外组合使用。

PRD 驱动的工作方式

Ralph 是PRD 驱动的持久化循环，确保：

  1. 结构化 - 工作被分解为用户故事
  2. 可追踪 - 每个故事有明确的验收标准
  3. 可验证 - 需要审查员验证才能标记完成
  4. 防烂尾 - 循环执行直到所有故事通过

prd.json 结构示例

{
  "stories": [
    {
      "id": "US-001",
      "title": "用户登录",
      "criteria": [
        "用户可以使用邮箱和密码登录",
        "密码错误时返回 401",
        "登录成功后返回 JWT Token"
      ],
      "passes": false
    }
  ]
}

9 步工作流程

graph TD
    A[PRD 设置] --> B[选择故事]
    B --> C[实现]
    C --> D[验证]
    D --> E[标记完成]
    E --> F{还有故事?}
    F -->|是| B
    F -->|否| G[审查员验证]
    G --> H[强制清理]
    H --> I[回归验证]

使用示例

# 基础用法
ralph "实现用户认证模块"

# 使用 Codex 作为审查员
ralph --critic=codex "重构数据库层"

# 跳过 PRD 生成（简单任务）
ralph --no-prd "修复边界情况 bug"

4、Ultrawork - 并行任务执行

使用场景

多个独立任务可同时运行、需要并行处理的批量任务。

触发词：ultrawork、ulw

设计哲学

Ultrawork 是一个并行执行引擎，提供：

  • ✅ 并行执行能力
  • ✅ 智能模型路由
  • ❌ 无持久化
  • ❌ 无验证循环

通常被 Ralph 或 Autopilot 包含使用。

智能体层级

层级模型用途
LOWHaiku简单查找/定义
MEDIUMSonnet标准实现
HIGHOpus复杂分析/重构

执行策略

并行原则：同时触发所有独立任务
依赖原则：依赖任务顺序执行
后台原则：>30秒的操作放入后台

5、Autopilot - 一站式全自动

使用场景

端到端交付、从想法到可运行代码的完整生命周期。

触发词：autopilot、auto pilot、build me、create me、make me、full auto、handle it all、I want a/an...

完整生命周期

阶段名称描述输出
0扩展将想法扩展为详细规格spec.md
1规划创建实施计划plan.md
2执行并行实施工作代码
3QA循环测试修复验证代码
4验证多视角审查审批代码
5清理清理状态干净退出

停止条件

  • 正常完成：所有阶段完成
  • QA 失败：同一错误出现 3 次（根本性阻塞）
  • 验证失败：3 轮重验证后仍失败
  • 用户取消：cancel、stop、abort、stopomc

使用示例

# 自然语言触发
autopilot build a React dashboard with user authentication

# 完整项目
/autopilot "创建一个待办事项应用，支持添加、完成、
删除任务，数据存储在 localStorage"

# 复杂功能
/autopilot "实现一个支持 OAuth2 的认证系统，
使用 JWT，Token 存储在 Redis"

四、实用技能速查

UltraQA - 自动化 QA 循环

用途：测试、验证、修复，循环直到目标达成

/ultraqa --tests      # 所有测试通过
/ultraqa --build      # 构建成功
/ultraqa --lint       # 无 lint 错误
/ultraqa --typecheck  # TypeScript 无错误

工作流程：运行 QA → 检查 → 架构诊断 → 修复 → 重复（最多 5 轮）

Trace / Deep Dive - 问题调查

Trace：证据驱动的因果调查

/trace "用户报告订单偶尔重复创建"

Deep Dive：Trace + Deep Interview 的组合

/deep-dive "问题描述"
  → 3 条 Trace 路径并行调查
  → Deep Interview 整合结果
  → 输出完整规格

Team - 多智能体协作

用途：生成 N 个协调智能体共同完成任务

/team 5:executor "重构认证模块"
/team ralph "实现支付功能"

管道：team-plan → team-prd → team-exec → team-verify → team-fix

AI Slop Cleaner - 代码清理

用途：清理 AI 生成的代码杂乱

/ai-slop-cleaner src/modules/auth.ts
/ai-slop-cleaner src/ --review  # 仅审查模式

杂乱类型：重复逻辑、死代码、过度抽象、边界违规

其他实用技能

技能用途命令
ask询问 Claude/Codex/Gemini CLI/ask codex "review this"
cancel / stopomc智能取消活跃模式/cancel 或 stopomc
hud配置状态显示/hud focused
skill管理本地技能/skill list
ccgClaude-Codex-Gemini 合成/ccg review this PR
deepsearch代码库聚焦搜索deepsearch for auth middleware
ultrathink深度推理模式ultrathink about this architecture
tddTDD 工作流强制执行tdd: implement password validation
eco / ecomode节省 Token 模式eco refactor this module

五、实战工作流组合

1、新项目启动流程

流程：Deep Interview → ralplan (Consensus) → Autopilot

# 1. 需求澄清
/deep-interview "我想做一个在线课程平台"

# 2. 共识规划
ralplan --consensus --direct

# 3. 自动执行
autopilot

2、Bug 修复流程

流程：Trace → Ralph

# 1. 根因调查
trace "用户报告订单偶尔重复创建"

# 2. 修复实现
ralph "修复订单重复创建问题"

3、代码重构流程

流程：ralplan → Ultrawork → UltraQA

# 1. 重构规划
ralplan "将回调风格重构为 async/await"

# 2. 并行重构
ulw

# 3. 质量验证
ultraqa --tests

4、功能迭代流程

流程：ralplan → Ralph (with PRD)

# 1. 功能规划
ralplan "添加评论功能，支持嵌套回复"

# 2. 迭代实现
ralph

六、进阶技巧与最佳实践

1、技能选择决策树

需求是否明确？
├─ 否 → Deep Interview
└─ 是 → 任务复杂度？
    ├─ 简单 → Ralph / Ultrawork
    └─ 复杂 → 是否需要规划？
        ├─ 是 → ralplan → (Ralph/Autopilot)
        └─ 否 → Autopilot

2、Prompt 编写技巧

好的 Prompt 结构：[领域] + [核心功能] + [约束条件] + [质量标准]

示例

"创建一个【个人财务管理应用】(领域)， 支持记账、分类统计、月度报表(核心功能)， 使用 React + TypeScript + IndexedDB(约束条件)， 要求响应式、支持 PWA、离线可用(质量标准)"

3、成本与效率平衡

场景推荐技能成本可靠性
快速原型Autopilot高高
生产功能Plan + Ralph中很高
探索性任务Deep Interview中中
简单修复Ralph --no-prd低高
批量重构Ultrawork低中

4、常见陷阱与规避

陷阱规避方法
任务范围蔓延使用 Plan 明确边界
AI 生成低质量代码Ralph 的强制审查机制
需求理解偏差Deep Interview 澄清
并行任务冲突Ultrawork 的依赖分析
状态混乱定期使用 /cancel 清理

七、技能速查表

核心技能

技能关键词输出场景
ralplanralplan.md 计划项目规划
Deep Interviewdeep-interview.md 规格需求澄清
Ralphralph完成代码保证执行
Ultraworkulw / ultrawork并行结果批量任务
Autopilotautopilot / build me完整项目端到端交付
UltraQAultraqa验证结果质量保证
Tracetrace调查报告问题诊断
Deep Divedeep-dive完整规格调查+需求
Teamteam协作结果大规模任务

辅助技能

技能关键词用途
AI Slop Cleanerdeslop / anti-slop代码清理
CCGccgClaude-Codex-Gemini 合成
Deep Searchdeepsearch代码库聚焦搜索
Ultra Thinkultrathink深度推理模式
TDDtddTDD 工作流强制执行
Eco Modeeco / ecomode节省 Token 模式
Cancelstopomc / cancelomc停止编排

八、总结

oh-my-claudecode 带来的改变

oh-my-claudecode 将 Claude Code 从单次对话工具转变为完整的软件工程助手：

  • 结构化：从随意对话到规范流程
  • 可追踪：从黑盒到状态可见
  • 可保证：从"试试看"到"保证完成"
  • 可组合：从单技能到工作流管道

核心原则

  1. 分层执行：根据任务复杂度选择合适层级
  2. 状态管理：善用状态文件追踪进度
  3. 质量保证：审查和验证不可或缺
  4. 人机协作：AI 执行，人类决策

参考链接

0  字
评论
  • 按正序
  • 按倒序
  • 按热度
Powered by Waline v3.2.0
默认页脚
Copyright © 2026 RuyiWei