OmO (comando omo): transformar tarefas em um grafo de agentes paralelos com mass ulw

OmO reúne todas as capacidades em um único comando omo. O uso central é digitar mass ulw, o que transforma a tarefa inteira em um grafo de agentes que avançam em paralelo; segundo a descrição oficial, entre os resultados estão pesquisa cruzando dez mil fontes, uma apresentação que as pessoas realmente entendem, backends, frontends e código.

Para quem é

• Quem precisa entregar uma tarefa grande por inteiro aos agentes: os exemplos oficiais incluem pesquisa profunda cruzando milhares de fontes, um pipeline completo de machine learning, uma migração que ninguém quer fazer, além de desenvolvimento de backend, frontend e código.
• Usuários com assinatura de um destes: Claude, ChatGPT, Kimi ou GLM. O texto oficial diz que /login cobre essas quatro assinaturas; se outras assinaturas ou acesso por API são suportados, não está indicado.
• Quem trabalha habitualmente no terminal e aceita que a tarefa seja dividida em vários agentes em paralelo.
• Quem quer configuração global e por projeto separadas: as configurações ficam em ~/.omo/omo.jsonc, e um projeto pode ter seu próprio .omo/omo.jsonc; vale o arquivo mais próximo.

Casos que não combinam ou que exigem confirmação prévia:

• Quem assume que o pacote npm se chama omo deve ficar atento: o texto oficial deixa claro que aquele pacote omo no npm é de outra pessoa e não tem relação; o nome do pacote do OmO é omo-ai.
• Quem precisa confirmar antes se o omo lê ou grava arquivos locais ou executa comandos locais: a documentação oficial não traz esses comportamentos, não é possível concluir.
• A faixa de idiomas de entrada e saída suportados não está indicada oficialmente; não presuma que tarefas em qualquer idioma serão aceitas.

Primeira tentativa em 3 minutos

Caminho principal recomendado: instalar o pacote oficial omo-ai globalmente com bun; depois de instalado, o comando omo fica disponível.

bun add -g omo-ai

1. Pré-requisitos: ter o bun instalado na máquina (sem bun, dá para usar npm, ver o próximo passo) e ter uma conta com assinatura de Claude, ChatGPT, Kimi ou GLM.
2. Execute o comando acima para instalar; o equivalente para usuários de npm é npm i -g omo-ai, também indicado no texto oficial. Lembrando de novo: o nome do pacote é omo-ai, e por qualquer caminho obtém-se o mesmo comando omo.
3. Login: execute /login; o texto oficial diz que ele cobre as assinaturas de Claude, ChatGPT, Kimi e GLM.
4. Inicie uma tarefa de baixo risco: digite mass ulw seguido de uma pergunta de pesquisa, por exemplo pedir para organizar material público sobre um tema cruzando fontes. Segundo a descrição oficial, essa palavra-chave transforma a tarefa inteira em um grafo de agentes: cada parte roda no modelo que lhe serve, executa em paralelo e passa por verificação antes que qualquer coisa seja dada como concluída.
5. Observe os sinais de sucesso: pela descrição oficial, a tarefa é decomposta em vários agentes paralelos, cada parte é verificada uma a uma ao concluir e, no fim, tudo é agregado no resultado; ver as partes avançarem em paralelo e receber um resultado agregado e verificado corresponde à forma de conclusão descrita oficialmente.

Complemento: o projeto oficial também oferece um script de instalação que coloca o binário nativo omo compatível com seu sistema e CPU em ~/.local/bin, verifica contra os checksums da release e recorre ao GitHub Releases quando o espelho está inacessível; este artigo não traz o comando desse script, vale o README do repositório. Para a primeira tentativa, recomenda-se uma tarefa de pesquisa ou análise; a documentação oficial não diz se o omo altera arquivos locais, então confirme tarefas de engenharia antes em um ambiente controlado.

Casos de uso

Caso 1: pesquisa profunda cruzando fontes.

• Cenário: reunir e integrar muito material para uma escolha técnica ou leitura de setor, por exemplo comparar material público e avaliações de várias soluções candidatas.
• Início: digite mass ulw mais uma pergunta de pesquisa no omo.
• Fluxo de trabalho: oficialmente chamado de deep research over thousands of sources — a tarefa é dividida em um grafo de agentes que atravessa milhares de fontes em profundidade, as partes rodam em paralelo e são verificadas.
• Resultado esperável: um resultado de pesquisa agregado após verificação parte por parte, utilizável como rascunho para decisões futuras; se o resultado sai no terminal ou em arquivos não está indicado oficialmente, vale a execução real.

Caso 2: transformar o trabalho em apresentação ou assumir tarefas de engenharia.

• Cenário: é preciso uma apresentação “que as pessoas realmente entendam”, ou um pipeline completo de machine learning, uma migração que ninguém quer fazer, ou código de frontend e backend.
• Início: do mesmo jeito, com mass ulw mais uma descrição da tarefa.
• Fluxo de trabalho: a tarefa é dividida em agentes paralelos, cada parte usa o modelo que lhe serve e passa por verificação ao concluir.
• Resultado e pontos de confirmação: o texto oficial diz que cada parte é verificada antes de ser marcada como concluída; mas se pede confirmação antes de gerar ou modificar código, e onde as alterações são gravadas, não está indicado. Valide antes em um projeto pequeno ou uma cópia, e só depois use em engenharia de verdade.

Limites de uso

• Acesso a arquivos e comandos: a documentação oficial não diz se o omo lê ou grava arquivos locais nem se executa comandos locais, nem se há avisos de confirmação; pela descrição oficial, uma tarefa de pesquisa acessa muitas fontes externas.
• Efeitos colaterais e pontos de confirmação: mass ulw divide a tarefa em vários agentes paralelos; as regras concretas da “verificação antes de concluir” não são públicas em detalhe, e não se pode inferir daí nenhuma garantia de segurança.
• Ambiente de execução e clientes: o OmO roda no senpi, um fork do pi; o login depende do /login, e a lista oficial cobre as assinaturas de Claude, ChatGPT, Kimi e GLM, sem menção a outros canais. A configuração fica em ~/.omo/omo.jsonc, e um projeto pode ter seu próprio .omo/omo.jsonc; vale o arquivo mais próximo.
• Restrição oficial explícita: o pacote npm chamado omo não tem nada a ver com este projeto; use obrigatoriamente omo-ai.
• Informações-chave ainda não confirmadas: lista de sistemas operacionais suportados, conjunto completo de opções de configuração, onde os resultados são salvos, faixa de idiomas suportados e regras de uso e cobrança; tudo deve ser verificado no repositório oficial.