oh-my-claudecode 项目分析：它用到了 Claude Code 的哪些功能？

什么是 oh-my-claudecode

oh-my-claudecode 是一个受 oh-my-zsh 启发的 Claude Code 增强框架，被称为”零学习曲线的多智能体编排系统”。

简单来说，它让 Claude Code 变成了一个智能体团队管理者，可以协调多个专业 Agent 完成复杂任务。

截至目前，这个项目已经发布了 4.7.9 版本，在 GitHub 上获得了大量关注。它解决的问题是：如何让 Claude Code 能够处理更复杂、更大规模的开发任务？

项目用到的 Claude Code 功能

通过深入分析项目源码，我整理出了它使用的所有 Claude Code 核心功能：

1. Custom Agents（自定义智能体）

这是项目的核心。oh-my-claudecode 定义了 17 个专业 Agent，每个 Agent 都有明确的职责和专业的 Prompt。

Agent 详细说明

Agent	模型	职责
`planner`	Opus	项目规划，通过访谈收集需求，创建可执行计划
`architect`	Opus	架构设计，分析技术方案，评估架构合理性
`critic`	Opus	代码审查，评估方案质量，确保质量标准
`executor`	Sonnet	代码执行，负责具体实现，最小化改动
`analyst`	Opus	需求分析，挖掘隐藏需求和边缘情况
`test-engineer`	Sonnet	测试工程师，编写测试用例
`qa-tester`	Sonnet	QA 测试，质量验证
`debugger`	Sonnet	调试专家，定位和修复问题
`security-reviewer`	Opus	安全审查，检查漏洞
`code-reviewer`	Sonnet	代码审查，代码质量评估
`explore`	Haiku	代码探索，快速了解代码库
`verifier`	Sonnet	结果验证，确认功能正确
`scientist`	Opus	调研分析，研究技术方案
`designer`	Sonnet	UI/UX 设计
`document-specialist`	Sonnet	文档专家
`writer`	Sonnet	写作助手
`git-master`	Sonnet	Git 操作专家

Agent 配置示例

以 executor.md 为例，看看一个 Agent 是如何定义的：

---
name: executor
description: Focused task executor for implementation work (Sonnet)
model: claude-sonnet-4-6
---

<Agent_Prompt>
  <Role>
    You are Executor. Your mission is to implement code changes precisely
    as specified, and to autonomously explore, plan, and implement
    complex multi-file changes end-to-end.
  </Role>

  <Success_Criteria>
    - The requested change is implemented with the smallest viable diff
    - All modified files pass lsp_diagnostics with zero errors
    - Build and tests pass
    - No new abstractions introduced for single-use logic
  </Success_Criteria>

  <Constraints>
    - Work ALONE for implementation
    - Prefer the smallest viable change
    - Do not broaden scope beyond requested behavior
    - After 3 failed attempts, escalate to architect agent
  </Constraints>
</Agent_Prompt>

每个 Agent 都定义了：

Role：角色描述
Success_Criteria：成功标准
Constraints：约束条件
Investigation_Protocol：调查协议
Tool_Usage：工具使用规范

2. Skills（自定义技能）

项目实现了 27 个自定义 Skills，这是用户与系统交互的主要方式。

核心 Skills 详解

plan - 计划技能

这是最复杂的 Skill，支持 4 种模式：

模式	触发条件	行为
Interview	模糊需求	交互式需求收集
Direct	`--direct`	直接生成计划
Consensus	`--consensus`, “ralplan”	多轮评审
Review	`--review`	评审现有计划

# 访谈模式
/plan "帮我做一个任务管理 App"

# 直接模式
/plan --direct "在用户服务中添加积分功能"

# 共识模式
/plan --consensus "重构认证系统"

# 评审模式
/plan --review

autopilot - 自动驾驶

完全自主的执行模式，从想法到代码：

/autopilot 构建一个 REST API

工作流程：

Phase 0 - 扩展：将想法转化为详细规格
Phase 1 - 规划：创建实现计划
Phase 2 - 执行：使用 Ralph + Ultrawork 并行执行
Phase 3 - QA：循环测试直到通过（最多 5 次）
Phase 4 - 验证：多视角审查
Phase 5 - 清理：删除状态文件

deep-interview - 深度访谈

通过苏格拉底式提问帮你理清需求：

/deep-interview "我想做一个任务管理 App"

这会进行多轮提问：

“你的目标用户是谁？”
“他们主要使用什么设备？”
“核心功能优先级是什么？”
…

team - 团队协作

这是推荐的执行方式：

/team 3:executor "修复所有 TypeScript 错误"

运行流程：

team-plan → team-prd → team-exec → team-verify → team-fix (循环)

其他 Skills

Skill	功能
`ralph`	执行器，单任务执行
`ultraqa`	自动化 QA 测试
`ultrawork`	并行工作流
`explorer`	代码探索
`skill`	创建新技能
`setup`	初始化设置
`release`	发布流程
`mcp-setup`	MCP 配置
`omc-teams`	团队管理

3. MCP Server（Model Context Protocol）

项目自定义了 MCP Server，提供了强大的扩展能力：

{
  "mcpServers": {
    "t": {
      "command": "node",
      "args": ["${CLAUDE_PLUGIN_ROOT}/bridge/mcp-server.cjs"]
    }
  }
}

Bridge 系统架构

bridge/
├── cli.cjs           # 主 CLI 入口 (2.3MB)
├── mcp-server.cjs    # MCP 服务器 (838KB)
├── team-bridge.cjs   # 团队桥接 (725KB)
├── team-mcp.cjs      # 团队 MCP (654KB)
├── team.js           # 团队核心 (201KB)
└── runtime-cli.cjs   # 运行时 CLI (169KB)

这个 MCP Server 提供了：

CLI 命令桥接
Team 多智能体协调
运行时状态管理
与 Claude Code 的通信

4. Hooks（钩子）

项目定义了自动化钩子，实现工作流自动化：

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Write|Edit",
        "hooks": [{ "type": "command", "command": "prettier --write" }]
      }
    ],
    "Stop": [
      {
        "matcher": "",
        "hooks": [{ "type": "command", "command": "tsc --noEmit" }]
      }
    ]
  }
}

可以实现：

工具使用后自动格式化代码
完成后自动运行类型检查
自动 lint 检查

5. Plugin 系统

项目实现了完整的插件系统：

{
  "name": "oh-my-claudecode",
  "version": "4.7.9",
  "description": "Multi-agent orchestration system for Claude Code",
  "skills": "./skills/",
  "mcpServers": "./.mcp.json"
}

安装方式：

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

6. RALPLAN-DR 共识机制

这是项目的核心创新 - 一个结构化的决策框架：

RALPLAN-DR =
  - Principles (原则)
  - Decision Drivers (决策驱动因素)
  - Options (选项)
  - Pre-mortem (事前验尸)
  - ADR (架构决策记录)

在共识模式下：

Planner 创建计划 + RALPLAN-DR 摘要
Architect 评审架构合理性
Critic 评估质量标准
循环直到 Critic 通过（最多 5 次）
生成 ADR 决策记录

7. CLI 工具

项目提供了独立的 CLI 工具 omc：

{
  "bin": {
    "oh-my-claudecode": "bridge/cli.cjs",
    "omc": "bridge/cli.cjs",
    "omc-cli": "bridge/cli.cjs"
  }
}

使用方式：

omc team 2:codex "review auth module"
omc team status
omc team shutdown
omc ask codex "解释这段代码"

核心工作流程详解

Team 模式（推荐）

这是最推荐的协作方式：

用户输入: /team 3:executor "修复所有 TypeScript 错误"

执行流程:
┌─────────────────────────────────────────────────────┐
│ team-plan      →  理解任务，拆分子任务             │
│ team-prd       →  生成详细需求                     │
│ team-exec      →  并行执行多个 executor            │
│ team-verify    →  验证结果                         │
│ team-fix       →  修复失败项 (循环)                │
└─────────────────────────────────────────────────────┘

示例：

/team 3:executor "实现用户认证模块"

会启动 3 个并行 executor，分别处理：

1 个：用户注册 API
1 个：登录 API
1 个：JWT Token 处理

Autopilot 模式

完全自主的执行，从想法到产品：

用户输入: /autopilot 构建一个博客系统

执行流程:
Phase 0: Analyst + Architect → 生成详细规格
Phase 1: Planner → 创建实现计划
Phase 2: Executor → 并行实现
Phase 3: QA → 测试循环
Phase 4: 架构师/安全/代码审查 → 多视角验证
Phase 5: 清理状态文件

Deep Interview

当你只有一个模糊的想法时：

用户: /deep-interview "我想做一个帮助程序员学习的 App"

系统会问:
1. 目标用户是谁？ (A: 初中级开发者)
2. 主要平台？ (A: Web + 移动端)
3. 核心功能？ (A: 教程 + 练习 + 打卡)
4. ...

通过多轮提问，最终生成一个清晰的规格说明书。

技术栈分析

项目使用的技术：

类型	技术
语言	TypeScript
SDK	@anthropic-ai/claude-agent-sdk
MCP	@modelcontextprotocol/sdk
CLI	commander
验证	Zod
数据库	better-sqlite3
测试	Vitest
构建	esbuild
代码分析	@ast-grep/napi

从零实现的启示

如果我们要写一个类似的框架，核心需要：

1. Agent 定义系统

interface Agent {
  name: string;
  model: 'haiku' | 'sonnet' | 'opus';
  role: string;
  successCriteria: string[];
  constraints: string[];
  investigationProtocol: string;
  toolUsage: string;
}

每个 Agent 需要：

明确的角色定位
可量化的成功标准
清晰的约束边界
特定场景的协议

2. Skill 框架

interface Skill {
  name: string;
  description: string;
  purpose: string;
  useWhen: string[];
  doNotUseWhen: string[];
  steps: string[];
  toolUsage: string;
}

Skill 需要：

触发条件识别
步骤定义
工具权限配置
Agent 协调逻辑

3. 多 Agent 协调

核心是如何协调多个 Agent：

async function teamPipeline(task: string) {
  // 1. Plan - 理解任务
  const plan = await spawn('planner', task);

  // 2. PRD - 详细需求
  const prd = await spawn('architect', plan);

  // 3. Exec - 并行执行
  const results = await parallel('executor', splitTasks(prd));

  // 4. Verify - 验证
  for (const result of results) {
    await spawn('verifier', result);
  }

  // 5. Fix - 修复循环
  while (hasFailures(results)) {
    const fixes = await spawn('debugger', failures);
    await spawn('executor', fixes);
  }
}

4. 状态管理

项目使用 SQLite 存储状态：

import Database from 'better-sqlite3';

const db = new Database('.omc/state.db');

// 存储任务状态
db.prepare(`
  CREATE TABLE tasks (
    id TEXT PRIMARY KEY,
    status TEXT,
    result TEXT,
    created_at DATETIME
  )
`);

5. MCP 集成

import { Server } from '@modelcontextprotocol/sdk/server';

const server = new Server({
  name: 'omc-mcp',
  version: '1.0.0'
}, {
  capabilities: { tools: {} }
});

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  // 处理来自 Claude Code 的工具调用
});

版本演进历史

根据 CHANGELOG，项目的关键版本：

版本	关键功能
v1.0	基础框架
v2.0	Team 模式
v3.0	RALPLAN-DR 共识
v4.0	Claude Code 原生 Team 集成
v4.7.9	当前版本

总结

oh-my-claudecode 展示了 Claude Code 的强大可扩展性：

17 个专业 Agent - 覆盖开发全流程
27 个自定义 Skills - 大幅提升效率
MCP 集成 - 连接外部系统
Plugin 系统 - 零门槛使用
Team 编排 - 多 Agent 协作
RALPLAN-DR - 结构化决策

它证明了 Claude Code 不仅仅是一个编程助手，更是一个可以深度定制的智能体编排平台。

通过这个项目，你可以学到：

如何定义专业的 Agent
如何设计 Skill 交互逻辑
如何协调多个 Agent
如何构建 MCP 扩展
如何实现完整的 CLI 工具

参考链接

加载中...