English | 한국어 | 中文 | Português | 日本語 | Français | Español | Nederlands | Polski | Deutsch | Tiếng Việt | ภาษาไทย
Агенты рассказывают об успехе. oh-my-agent проверяет артефакты.
Запустить агентов параллельно — простая часть. Сложная — понять, действительно ли они сделали работу. Фраза «тесты проходят, все критерии выполнены» ничего не стоит агенту, и ничто внутри той же самой сессии не может её опровергнуть.
oh-my-agent делает это утверждение фальсифицируемым. Stop-хук не даёт завершить сессию, пока скрипт typecheck / test / lint вашего собственного проекта не завершится с кодом 0. Команда-гейт решает, действительно ли workflow был выполнен, по артефактам, которые он обязан был оставить, — и результатом считается её JSON-вердикт, а не резюме агента. Независимый судья со свежим контекстом заново проверяет каждый критерий на каждом круге, включая уже пройденные. Каждое решение гейта попадает в журнал событий, доступный только для добавления, который можно прочитать уже постфактум. И ровно эта дисциплина работает в десятке агентных runtime из одной портативной директории .agents/.
Начните с существующего Быстрого старта, чтобы выбрать способ установки, попросить именованный skill выполнить одно ограниченное изменение и зафиксировать файл, команду проверки и код завершения. Путь с полным harness включает oma doctor.
Самый быстрый путь — skills в ваши агенты (Claude Code, Cursor, Codex и др.):
npx skills add first-fluke/oh-my-agentЭто ставит пакет skills OMA в обнаруженные runtime агентов. Skills учат агента как работать; полный harness (ниже) проверяет, что работа действительно произошла — stop-hook гейты, проверка артефактов, независимые судьи и append-only event log.
Берите это, когда нужны workflow, правила, oma-config.yaml, хуки детекции ключевых слов и oma agent spawn — не только skills.
Скрипты установки сами поставят bun, uv и serena, если их нет.
# macOS / Linux — поставит bun, uv и serena при отсутствии
curl -fsSL https://raw.githubusercontent.com/first-fluke/oh-my-agent/main/cli/install.sh | bash# Windows (PowerShell) — поставит bun, uv и serena при отсутствии
irm https://raw.githubusercontent.com/first-fluke/oh-my-agent/main/cli/install.ps1 | iex# Или вручную (любая ОС, нужны bun + uv + serena)
bunx oh-my-agent@latestИли поставьте skills через Agent Package Manager (APM) от Microsoft. Раскрыть.
Не путать с APM (Application Performance Monitoring) из
oma-observability.
# Все skills во все обнаруженные runtime
# (.claude, .cursor, .codex, .opencode, .github, .agents)
apm install first-fluke/oh-my-agent
# Один skill
apm install first-fluke/oh-my-agent/.agents/skills/oma-frontendAPM поставляет только skills. Для полного harness используйте bunx oh-my-agent@latest (или скрипты выше). Один способ дистрибуции на проект — если уже сделали npx skills add, оставайтесь на skills-only, пока не нужны гейты/хуки/CLI.
Выберите пресет и можно начинать:
| Пресет | Что получаете |
|---|---|
| All | Все агенты и навыки |
| Backend | architecture + backend + brainstorm + db + debug + dev-workflow + pm + qa + scm |
| Content | academic-writer + design + image + scm + translator + voice |
| DevOps | architecture + brainstorm + debug + dev-workflow + observability + pm + qa + scm + tf-infra |
| Frontend | architecture + brainstorm + debug + design + frontend + pm + qa + scm |
| Fullstack | architecture + backend + brainstorm + db + debug + design + dev-workflow + frontend + mobile + pm + qa + scm + tf-infra |
| Fullstack Mobile | architecture + backend + brainstorm + db + debug + design + dev-workflow + mobile + pm + qa + scm |
| Fullstack Web | architecture + backend + brainstorm + db + debug + design + dev-workflow + frontend + pm + qa + scm |
| Mobile | architecture + brainstorm + debug + mobile + pm + qa + scm |
| Research | academic-writer + hwp + market + pdf + scholar + scm + search + translator |
oh-my-agent использует .agents/ как общий источник skills, workflows, правил и проверок для агентов.
 Claude Code нативный + адаптер |
 Codex CLI нативный + адаптер |
 Antigravity нативный SSOT |
 Cursor нативный + адаптер |
 Qwen Code нативный dispatch |
 DeepSeek Harness Cordis plugin |
 Pi нативная совместимость |
 OpenCode нативная совместимость |
 Amp нативная совместимость |
 GitHub Copilot skills через symlink |
 Grok Build нативные hooks |
 Kiro CLI нативные hooks + agents |
Вместо того чтобы один ИИ делал все (и терялся на полпути), oh-my-agent распределяет работу между специализированными агентами. Каждый глубоко знает свою область, имеет свои инструменты и чеклисты и не лезет в чужую зону.
| Агент | Что делает |
|---|---|
| oma-architecture | Анализирует архитектурные компромиссы и определяет границы модулей с помощью ADR/ATAM/CBAM |
| oma-backend | Строит и защищает ваши API на Python, Node.js или Rust |
| oma-brainstorm | Помогает обдумать идеи до того, как вы приступите к реализации |
| oma-db | Проектирует схемы, миграции, индексы и векторные хранилища |
| oma-debug | Находит корневую причину, исправляет баг и пишет регрессионный тест |
| oma-security | Сканирует исходный код, скиллы агентов и компоненты MCP; тестирует развёрнутые веб-приложения и проверяет находки |
| oma-design | Строит дизайн-системы с токенами, доступностью и адаптивными макетами |
| oma-dev-workflow | Автоматизирует CI/CD, релизы и задачи в monorepo |
| oma-docs | Проверяет документацию на битые ссылки и выявляет страницы, затронутые изменениями кода |
| oma-explanation | Превращает diff, PR или ветку в автономный интерактивный HTML-разбор с квизом |
| oma-frontend | Строит интерфейс на React/Next.js, TypeScript, Tailwind CSS v4 и shadcn/ui |
| oma-mobile | Разрабатывает кроссплатформенные мобильные приложения на Flutter |
| oma-observability | Маршрутизирует задачи наблюдаемости по метрикам, логам, трейсам, SLO и форензике инцидентов |
| oma-orchestration | Запускает несколько агентов параллельно через CLI |
| oma-pm | Планирует задачи, декомпозирует требования и определяет API-контракты |
| oma-qa | Проверяет код на уязвимости OWASP, проблемы производительности и доступности |
| oma-refactor | Рефакторит код без изменения поведения, используя горячие точки, характеризационные тесты и отдельные refactor-коммиты |
| oma-scm | Управляет ветками, слияниями, worktree и Conventional Commits |
| oma-search | Направляет каждый запрос к лучшему источнику и оценивает степень доверия к результату |
| oma-tf-infra | Разворачивает мультиоблачную инфраструктуру с помощью Terraform |
Внутренние и мета-инструменты
| Агент | Что делает |
|---|---|
| oma-coordination | Пошагово направляет ручную координацию агентов PM, фронтенда, бэкенда, мобильной разработки и QA |
| oma-skill-creation | Пишет и проверяет новые OMA-скилы в формате SSL-lite |
Отдельно от инженерной команды oma поставляет пайплайны для контента и исследований, построенные по той же инженерной дисциплине: детерминированное воспроизведение из фикстур, манифесты для повторяемости и честный отчёт о деградации, когда источник или ключ вендора недоступен, — вместо молча урезанного результата.
| Агент | Что делает |
|---|---|
| oma-academic-writing | Пишет, редактирует и проверяет академические тексты до уровня публикации |
| oma-hwp | Конвертирует файлы HWP, HWPX и HWPML в Markdown |
| oma-image | Генерирует изображения через несколько AI-провайдеров одновременно |
| oma-market | Исследует рынок по сигналам сообществ и структурирует результаты через SWOT, Porter's 5F и PESTEL |
| oma-pdf | Конвертирует PDF-файлы в Markdown |
| oma-recap | Преобразует историю диалогов в тематические сводки о проделанной работе |
| oma-scholar | Ищет академическую литературу и помогает проводить рецензирование |
| oma-slide | Генерирует характерные HTML-презентационные деки с богатой анимацией и экспортирует в PDF/PNG/PPTX |
| oma-translation | Переводит между языками так, будто текст изначально написан носителем |
| oma-video | Создаёт короткие, обучающие и демонстрационные видео через пайплайн HyperFrames, работающий и без ключей |
| oma-voice | Генерирует озвучку и транскрибирует аудио на устройстве — без облака |
OMA для Orca добавляет боковую панель и действия палитры команд для настройки проекта, ревью, отладки, проверки и локальных результатов. Он использует ваш существующий терминал агента Orca и установку OMA в проекте. Требуется Orca 1.4.197+ с включёнными экспериментальными плагинами.
Просто пишите. Опишите, что вам нужно, и oh-my-agent сам разберется, каких агентов подключить.
Вы: "Собери TODO-приложение с аутентификацией пользователей"
→ PM планирует работу
→ Backend строит API аутентификации
→ Frontend строит UI на React
→ DB проектирует схему
→ QA проверяет все
→ Готово: скоординированный, проверенный кодИли используйте slash-команды для структурированных воркфлоу:
| Шаг | Команда | Что делает |
|---|---|---|
| 0 | /deepinit |
Разбирает вашу кодовую базу в AGENTS.md, ARCHITECTURE.md и docs |
| 1 | /brainstorm |
Прорабатывает идеи вместе с вами, пока вы не решили строить |
| 2 | /architecture |
Взвешивает компромиссы дизайна и проводит чёткие границы модулей |
| 2 | /design |
Строит вашу дизайн-систему с токенами, доступностью и адаптивной вёрсткой |
| 2 | /plan |
Разбивает вашу фичу на приоритизированные задачи |
| 3 | /work |
Строит вашу фичу шаг за шагом силами нескольких агентов |
| 3 | /orchestrate |
Запускает несколько агентов параллельно, чтобы быстрее собрать вашу фичу |
| 3 | /ultrawork |
Строит вашу фичу через пять фаз качества с гейтами; каждое ревью выполняется в свежей изолированной сессии ревьюера (cross-context review) |
| 3 | /ralph |
Повторяет /ultrawork, пока независимый проверяющий не пройдёт все критерии |
| 4 | /review |
Проверяет ваш код на проблемы безопасности, производительности и доступности |
| 4 | /security |
Сканирует выбранные объекты на уязвимости, проверяет находки и применяет гейты CI |
| 5 | /debug |
Находит корневую причину, чинит баг и пишет регрессионный тест |
| 5 | /docs |
Проверяет вашу документацию на битые ссылки и правит те, что затронуты изменениями кода |
| 6 | /scm |
Управляет вашими ветками, слияниями и Conventional Commits |
| - | /schedule |
Планирует задание агента на запуск по повторяющемуся интервалу |
Автодетекция: Slash-команды не обязательны. Слова вроде «архитектура», «plan», «review» и «debug» в сообщении (на 11 языках!) автоматически активируют нужный воркфлоу. Точность детекции измеряется, а не предполагается: oma verify triggers оценивает детектор на размеченном корпусе из 171 промпта (сейчас 0% missed-fire, меньше 10% false-fire) и делает это гейтом CI.
Задайте model_preset в .agents/oma-config.yaml, чтобы выбрать, какие AI-модели использует каждый агент:
language: en
model_preset: mixed # antigravity | claude | codex | cursor | kiro | mixed | qwen
# Optional per-agent overrides
agents:
backend: { model: openai/gpt-5.5, effort: high }oma doctor --profile— выводит итоговую матрицу моделей по ролям- Полное руководство:
web/docs/guide/per-agent-models.md
Каждый механизм ниже — механический: команда либо завершается с кодом 0, либо нет; файл либо есть на диске, либо нет. Ни одну LLM не спрашивают, «выглядит ли работа правильной».
| Механизм | Что проверяется механически | Где живёт |
|---|---|---|
| Stop-hook gate | Блокирует завершение сессии, пока активен persistent workflow, и запускает настроенный gate-скрипт, прежде чем разрешить остановку. Исполняемыми считаются только typecheck, test и lint — всё остальное, что агент запишет в файл состояния, игнорируется и никогда не запускается. Ограничен 5 напоминаниями, чтобы навсегда красный гейт не запер вас. |
.agents/hooks/core/persistent-mode.ts |
| Anti-Circumvention Gate | oma ralph verify --json проверяет четыре артефакта, которые не подделать срезанием углов: записи фаз ultrawork, JSON плана, файл результата отдельного QA-агента и файл результата отдельного refactor-агента. Отсутствие артефактов означает, что фаза не выполнялась, что бы ни рассказывал агент. |
.agents/workflows/ralph.md |
| Независимый судья | Запускается как отдельный агент со свежим контекстом и знает только критерии — но никогда не то, что исполнитель считает исправленным. Перепроверяет каждый критерий на каждой итерации, включая уже пройденные, потому что именно при починке C2 тихо ломается C1. | judge-protocol.md |
| Event-sourced состояние | Каждое прохождение гейта, каждый провал и каждое решение добавляют одну JSON-строку в ~/.oma/u/0/sessions/{sid}/events.jsonl с отметкой вендора и id сессии runtime. Только на добавление, кросс-вендорно, проверяемо после запуска. |
event-spec.md |
| Батарея проверок на агента | oma verify <agent> запускает общее ядро (нарушение scope, charter alignment, захардкоженные секреты, скан TODO, declared outputs) плюс проверки по типу (TypeScript strict, тесты, raw SQL, Flutter analyze, inline styles). |
oma verify <agent> |
| Harness оценки скилов | oma skill eval измеряет прирост пользы на отложенных задачах — treatment против baseline — вместо того чтобы просто верить, что скил помогает. oma skill optimize оставляет только те правки, которые улучшают измеренный прирост. |
гайд по skill-eval |
Бюджеты работают так же. session.quota_cap ограничивает токены, число spawn и расходы по вендору; оркестратор отказывает в следующем spawn, как только одно из измерений превышено. Когда заканчивается бюджет по времени, Stop-хук честно останавливается и записывает частичный статус в журнал событий, а не изображает завершение.
oh-my-agent оставляет открытое планирование и выбор следующего действия LLM хоста. Он не заменяет это суждение универсальным графом workflow или движком политик. Вместо этого он выносит наружу инварианты, которые должны выполняться независимо от модели: ограничители инструментов, разрешения, бюджеты, лимиты повторных попыток и остановки, долговечные события и механически проверенное завершение. Структурированные события фиксируют решения и результаты гейтов; они не выступают вторым планировщиком.
Детерминированное выполнение на SLM поэтому — отдельное необязательное направление продукта, а не недостающая инфраструктура текущего harness.
- Ролевой: агенты смоделированы как настоящая инженерная команда, а не куча промптов
- Условный контекст: dispatch загружает навык-владелец и откладывает вспомогательные материалы, пока они не понадобятся задаче. Сценарии по размеру файлов и фактическая загрузка во время выполнения оцениваются отдельно (руководство по измерению)
- Восстанавливаемый: после 2 неудачных retry
orchestrateпараллельно spawn'ит варианты гипотез и оставляет результат с лучшим скором, вместо того чтобы бесконечно повторять неверный подход - Знает монорепо:
detectWorkspaceчитает pnpm / nx / turbo / lerna и направляет каждого агента в его workspace - Мультивендорный: комбинируйте Antigravity, Claude, Codex, Cursor, Kiro и Qwen для разных типов агентов
- Наблюдаемый: дашборды в терминале и в вебе для мониторинга в реальном времени
flowchart TD
subgraph Workflows["Workflows"]
direction TB
W0["/brainstorm"]
W1["/work"]
W1b["/ultrawork"]
W2["/orchestrate"]
W3["/architecture"]
W4["/plan"]
W5["/review"]
W6["/debug"]
W7["/deepinit"]
W8["/design"]
end
subgraph Orchestration["Orchestration"]
direction TB
PM[oma-pm]
ORC[oma-orchestration]
end
subgraph Domain["Domain Agents"]
direction TB
ARC[oma-architecture]
FE[oma-frontend]
BE[oma-backend]
DB[oma-db]
MB[oma-mobile]
DES[oma-design]
TF[oma-tf-infra]
end
subgraph Quality["Quality"]
direction TB
QA[oma-qa]
DBG[oma-debug]
end
Workflows --> Orchestration
Orchestration --> Domain
Domain --> Quality
Quality --> SCM([oma-scm])
- Подробная документация: полная техническая спецификация и архитектура
- Поддерживаемые агенты: матрица поддержки агентов по IDE
- Провайдеры возможностей: экспериментальная настройка Gortex и Honcho, маршрутизация и ограничения
- Отчёт о бенчмарках: методика, оценки, скриншоты и оговорки
- Веб-документация: гайды, туториалы и справочник CLI
Нравится проект? Поставьте звезду!
gh api --method PUT /user/starred/first-fluke/oh-my-agentПопробуйте наш оптимизированный стартовый шаблон: fullstack-starter
- Li, X., Liu, Y., Chen, W., You, B., Di, Z., He, Y., Zheng, S., Choe, K. W., Sun, J., Wang, S., Tao, C., Li, B., Zhao, X., Geng, H., Wu, X., Zhou, J., Chen, X., Xing, H., Li, Y., … Song, D. (2026). SkillsBench: Benchmarking how well agent skills work across diverse tasks (Version 4) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2602.12670
- Yu, G., & Wang, X. (2026). Knows: Agent-native structured research representations (Version 1) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2604.17309
- Liang, Q., Wang, H., Liang, Z., & Liu, Y. (2026). From skill text to skill structure: The scheduling-structural-logical representation for agent skills (Version 4) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2604.24026
- Chen, C., Yu, Q., Gu, Y., Huang, Z., Li, H., Liu, H., Liu, S., Liu, J., Peng, D., Wang, J., Yan, Z., Meng, F., Qin, E., Che, C., & Hu, M. (2026). The scaling laws of skills in LLM agent systems (Version 1) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.16508
- Tang, L., Rashtchian, C., Ferng, C.-S., Tomkins, A., Juan, D.-C., & Vu, T. (2026). WikiSkill: Compiling agent experience into persistent knowledge for skill evolution [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2608.27454
- Huang, Z., Xu, J., Yang, Y., Gong, Z., Yang, Q., Tian, M., Wang, X., Lv, C., Gao, X., Dai, Q., Liu, B., Qiu, K., Yang, X., Chen, D., Zheng, X., & Luo, C. (2026). From raw experience to skill consumption: A systematic study of model-generated agent skills [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.23899
- Hong, D. B., Imani, A., & Ahmed, I. (2026). From anatomy to smells: An empirical study of SKILL.md in agent skills (Version 2) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2607.01456
MIT