技能包

OmO（omo 指令）：用 mass ulw 把任務拆成並行 agent 圖

OmO 適合把深度研究、簡報或前後端工程任務整條交給一條 `omo` 指令並行完成；上手前提是擁有 Claude、ChatGPT、Kimi 或 GLM 之一的訂閱並透過 /login 登入，且注意 npm 上名為 omo 的套件與它無關。

官方來源 · oh-my-openagent（OmO）

安裝

bun add -g omo-ai

OmO 把所有能力收進一條 omo 指令，核心用法是輸入 mass ulw，讓整個任務變成一張並行推進的 agent 圖；官方描述它的產出包括跨上萬來源的研究、一份真正讓人看懂的 deck、後端、前端和程式碼。

適合誰

  • 需要把一個較大的任務整體交給 agent 的人：官方給出的例子包括跨數千來源的深度研究、一整條機器學習管線、沒人想做的遷移，以及後端、前端和程式碼開發。
  • 已訂閱 Claude、ChatGPT、Kimi 或 GLM 之一的使用者：官方寫明 /login 涵蓋這四家訂閱；是否支援其他訂閱或 API 接入方式，官方未說明。
  • 習慣在終端機工作、能接受任務被拆成多個並行 agent 執行的人。
  • 想讓全域與單一專案各有設定的人：設定寫在 ~/.omo/omo.jsonc，專案可再放一份 .omo/omo.jsonc，就近檔案生效。

不適合或需要先確認的情況：

  • 只認 npm 套件名 omo 的使用者要當心：官方明確說 npm 上那個 omo 套件是別人的無關套件，OmO 的套件名是 omo-ai。
  • 需要事先確認 omo 是否讀寫本機檔案、是否執行本機指令的使用者：官方文件未寫明這些行為，無法給出結論。
  • 支援的輸入輸出語言範圍官方未說明，不要預設任何語言的任務都會被支援。

3 分鐘完成第一次嘗試

推薦主路徑：用 bun 全域安裝官方套件 omo-ai，裝好後即可使用 omo 指令。

bun add -g omo-ai
  1. 前提：本機已安裝 bun（沒有 bun 可改用 npm，見下一步），並準備好 Claude、ChatGPT、Kimi 或 GLM 之一的訂閱帳號。
  2. 執行上面的指令完成安裝；npm 使用者的等價指令是 npm i -g omo-ai，同樣是官方原文給出的方式。再次提醒：套件名是 omo-ai，裝好後得到的都是同一個 omo 指令。
  3. 登入：執行 /login，官方寫明它涵蓋 Claude、ChatGPT、Kimi 和 GLM 訂閱。
  4. 發起一個低風險任務：輸入 mass ulw，後面跟上一個研究型問題，例如讓它跨來源整理某個主題的公開資料。官方描述這個關鍵字會把整個任務變成 agent 圖：每個部分跑在適合它的模型上、並行執行，並在被稱作完成之前先接受檢查。
  5. 觀察成功訊號：按官方描述，任務被拆解為多個並行 agent，各部分完成後逐一檢查，最後彙總為產出；能看到各部分並行推進並得到檢查過的彙總結果，即符合官方描述的完成方式。

補充：官方另提供安裝腳本，會把與你系統和 CPU 相符的原生 omo 二進位檔裝進 ~/.local/bin，對照發布校驗和驗證，鏡像不可達時回退到 GitHub Releases；本文未收錄該腳本指令，以倉庫 README 為準。第一次嘗試建議選研究類分析任務；官方未說明 omo 是否改動本機檔案，工程類任務請先在可控環境確認。

使用案例

案例一：跨來源深度調研。

  • 情境：為技術選型或產業判斷收集並整合大量資料，例如比較多個候選方案的公開資料與評價。
  • 發起：在 omo 中輸入 mass ulw 加研究問題。
  • 工作流：官方稱為 deep research over thousands of sources——任務拆成 agent 圖，跨數千來源深挖，各部分並行執行並被檢查。
  • 可期待結果：一份經逐部分檢查後彙總的研究產出，可作為後續決策的底稿；產出落在終端機還是檔案，官方未說明，以實際執行為準。

案例二：把工作變成 deck 或承接工程任務。

  • 情境：需要一份「真正讓人看懂的」簡報，或一整條機器學習管線、一次沒人想做的遷移、前後端程式碼。
  • 發起：同樣用 mass ulw 加任務描述發起。
  • 工作流：任務拆成並行 agent，每個部分使用適合它的模型，完成後接受檢查。
  • 結果與確認點：官方稱各部分在標記完成前會被檢查；但產生或修改程式碼前是否請求確認、改動寫到哪裡，官方未說明。建議先在小專案或副本上驗證，再用於正式工程。

使用邊界

  • 檔案與指令存取：官方文件未說明 omo 是否讀寫本機檔案或執行本機指令，也未說明是否有確認提示；按官方描述，研究類任務會存取大量外部來源。
  • 副作用與確認點：mass ulw 會把任務拆成多個並行 agent；「完成前檢查」的具體規則未公開細節，不能據此推斷任何安全保證。
  • 執行環境與用戶端：OmO 執行在 senpi（pi 的 fork）上；登入依賴 /login，官方列出 Claude、ChatGPT、Kimi 和 GLM 四家訂閱，未說明是否支援其他管道。設定寫在 ~/.omo/omo.jsonc，專案可再放一份 .omo/omo.jsonc，就近檔案生效。
  • 官方明確限制：npm 上名為 omo 的套件與本專案無關，必須使用 omo-ai。
  • 尚未確認的關鍵資訊：支援的作業系統清單、設定項全集、產出儲存位置、語言支援範圍、用量與計費規則，均需以官方倉庫為準。