Skills

OmO (comando omo): convertir tareas en un grafo de agentes en paralelo con mass ulw

OmO sirve para entregar de principio a fin una investigación profunda, una presentación o trabajo de ingeniería front-end/back-end a un solo comando `omo` que trabaja en paralelo; para empezar hace falta una suscripción a Claude, ChatGPT, Kimi o GLM e iniciar sesión con /login, y ojo: el paquete de npm llamado omo no tiene relación con él.

Official source · oh-my-openagent（OmO）

Install

bun add -g omo-ai

OmO reúne todas sus capacidades en un solo comando omo. El uso central consiste en escribir mass ulw, lo que convierte toda la tarea en un grafo de agentes que avanzan en paralelo; según la descripción oficial, entre sus resultados hay investigación a través de diez mil fuentes, una presentación que de verdad se entiende, backends, frontends y código.

Para quién es

  • Quienes necesitan entregar una tarea grande en bloque a los agentes: los ejemplos oficiales incluyen investigación profunda a través de miles de fuentes, un flujo completo de machine learning, una migración que nadie quiere hacer, y desarrollo de backend, frontend y código.
  • Usuarios con suscripción a uno de estos servicios: Claude, ChatGPT, Kimi o GLM. El texto oficial indica que /login cubre esas cuatro suscripciones; si se admiten otras suscripciones o acceso por API, no se dice.
  • Quienes trabajan habitualmente en la terminal y aceptan que la tarea se divida en varios agentes en paralelo.
  • Quienes quieren configuración global y por proyecto por separado: los ajustes viven en ~/.omo/omo.jsonc, y un proyecto puede añadir su propio .omo/omo.jsonc; manda el archivo más cercano.

Casos que no encajan o que hay que confirmar antes:

  • Quienes asuman que el paquete de npm se llama omo deben ir con cuidado: el texto oficial dice claramente que ese paquete omo de npm es de otra persona y no tiene relación; el nombre del paquete de OmO es omo-ai.
  • Quienes necesiten confirmar de antemano si omo lee o escribe archivos locales o ejecuta comandos locales: la documentación oficial no lo dice, no se puede dar una conclusión.
  • El rango de idiomas de entrada y salida admitidos no está indicado oficialmente; no des por hecho que una tarea en cualquier idioma vaya a admitirse.

Primer intento en 3 minutos

Camino principal recomendado: instalar el paquete oficial omo-ai globalmente con bun; una vez instalado, ya puedes usar el comando omo.

bun add -g omo-ai
  1. Requisitos previos: tener bun instalado en la máquina (sin bun puedes usar npm, ver el paso siguiente) y disponer de una cuenta con suscripción a uno de estos: Claude, ChatGPT, Kimi o GLM.
  2. Ejecuta el comando de arriba para instalar; el equivalente para usuarios de npm es npm i -g omo-ai, también indicado en el texto oficial. Recordatorio otra vez: el paquete se llama omo-ai, y por cualquier vía obtienes el mismo comando omo.
  3. Iniciar sesión: ejecuta /login; el texto oficial indica que cubre las suscripciones de Claude, ChatGPT, Kimi y GLM.
  4. Lanza una tarea de bajo riesgo: escribe mass ulw seguido de una pregunta de investigación, por ejemplo pedirle que reúna material público sobre un tema a través de varias fuentes. Según la descripción oficial, esta palabra clave convierte toda la tarea en un grafo de agentes: cada parte corre en el modelo que le conviene, se ejecuta en paralelo y pasa una comprobación antes de que nada se dé por terminado.
  5. Observa las señales de éxito: según la descripción oficial, la tarea se descompone en varios agentes en paralelo, cada parte se comprueba una a una al completarse y al final se agrega el resultado; ver las partes avanzar en paralelo y recibir un resultado agregado y comprobado encaja con la forma de terminar descrita oficialmente.

Nota adicional: el proyecto oficial ofrece además un script de instalación que coloca el binario nativo omo correspondiente a tu sistema y CPU en ~/.local/bin, lo verifica contra las sumas de comprobación de la release y recurre a GitHub Releases si el espejo no está accesible; este artículo no recoge el comando de ese script, atente al README del repositorio. Para el primer intento se recomienda una tarea de investigación o análisis; la documentación oficial no dice si omo modifica archivos locales, así que confirma las tareas de ingeniería primero en un entorno controlado.

Casos de uso

Caso 1: investigación profunda a través de fuentes.

  • Escenario: reunir e integrar mucho material para una decisión técnica o un análisis sectorial, por ejemplo comparar material público y valoraciones de varias soluciones candidatas.
  • Arranque: escribe mass ulw más una pregunta de investigación en omo.
  • Flujo de trabajo: oficialmente se llama deep research over thousands of sources: la tarea se divide en un grafo de agentes que profundiza a través de miles de fuentes, las partes se ejecutan en paralelo y se comprueban.
  • Resultado esperable: un resultado de investigación agregado tras comprobación parte por parte, utilizable como borrador de trabajo para decisiones posteriores; si el resultado queda en la terminal o en archivos no está indicado oficialmente, guíate por la ejecución real.

Caso 2: convertir el trabajo en una presentación o asumir tareas de ingeniería.

  • Escenario: necesitas una presentación «que de verdad se entienda», o un flujo completo de machine learning, una migración que nadie quiere hacer, o código de frontend y backend.
  • Arranque: igual, con mass ulw más una descripción de la tarea.
  • Flujo de trabajo: la tarea se divide en agentes en paralelo, cada parte usa el modelo que le conviene y pasa comprobación al completarse.
  • Resultado y puntos de confirmación: el texto oficial dice que cada parte se comprueba antes de marcarse como terminada; pero si pide confirmación antes de generar o modificar código, y dónde se escriben los cambios, no está indicado. Valídalo primero en un proyecto pequeño o una copia antes de usarlo en ingeniería real.

Límites de uso

  • Acceso a archivos y comandos: la documentación oficial no dice si omo lee o escribe archivos locales ni si ejecuta comandos locales, ni si hay avisos de confirmación; según la descripción oficial, una tarea de investigación accede a muchas fuentes externas.
  • Efectos secundarios y puntos de confirmación: mass ulw divide la tarea en varios agentes en paralelo; las reglas concretas de la «comprobación antes de dar por terminado» no son públicas en detalle, y no cabe inferir de ahí ninguna garantía de seguridad.
  • Entorno de ejecución y clientes: OmO funciona sobre senpi, un fork de pi; el inicio de sesión depende de /login, y la lista oficial cubre las suscripciones de Claude, ChatGPT, Kimi y GLM, sin mención de otros canales. La configuración vive en ~/.omo/omo.jsonc, y un proyecto puede añadir su propio .omo/omo.jsonc; manda el archivo más cercano.
  • Restricción oficial explícita: el paquete de npm llamado omo no tiene nada que ver con este proyecto; usa obligatoriamente omo-ai.
  • Información clave aún sin confirmar: lista de sistemas operativos admitidos, conjunto completo de opciones de configuración, dónde se guardan los resultados, rango de idiomas admitidos y reglas de uso y facturación; todo debe verificarse en el repositorio oficial.