开源项目
开源项目

oh-my-openagent:让 Anthropic 封了 OpenCode 的多模型编排插件,6.7万星但许可证是 SUL

code-yeongyu/oh-my-openagent(6.7万★,TypeScript,今日 push)是 OpenCode 的"电池全包"插件,多模型编排+并行后台 agent+自研 LSP/AST 工具。README 喊出"Anthropic 因我们封了 OpenCode,Claude Code 是漂亮的监狱"。避坑:许可证是 SUL-1.0 非 MIT,使用受限。

发布于 2026年8月12日9 分钟阅读
<!-- oh-my-openagent-resource | open-source | oh-my-openagent:让 Anthropic 封了 OpenCode 的多模型编排插件,6.7万星但许可证是 SUL -->

code-yeongyu/oh-my-openagent 是一个 TypeScript 写的 OpenCode 插件(不是独立 agent harness),GitHub 67728 颗星(实时变动,以 GitHub 为准)、5538 个 fork,2025-12-03 创建,最近一次 push 就在今天(2026-08-12),未归档,homepage 是 omo.dev。npm 包名 oh-my-opencode,当前版本 v5.0.0-beta.6。package.json 描述原话:"The Best AI Agent Harness - Batteries-Included OpenCode Plugin with Multi-Model Orchestration, Parallel Background Agents, and Crafted LSP/AST Tools."(电池全包的 OpenCode 插件,多模型编排 + 并行后台 agent + 自研 LSP/AST 工具。)差异点:它不跟 Claude Code 那样绑死 Anthropic,也不像 Cursor 做闭源 IDE 副驾,而是当"模型编排层"——把多家模型(Kimi K3、GPT-5.6 Sol 等)同时拉进一个 Team Mode 画面里协同干活。README 里一句最狠的钩子:"Anthropic blocked OpenCode because of us. Yes, this is true."(Anthropic 因为我们封了 OpenCode。是的,这是真的。)但避坑也在这:它的许可证不是 MIT 也不是 Apache,是 SUL-1.0(Sustainable Use License),非 OSI 标准,有竞争性使用限制。本文把这条和另外几条坑一起拆开。

本文基于 code-yeongyu/oh-my-openagent 的 GitHub README 与 LICENSE.md 梳理,事实截至 2026-08-12,星数实时变动。与本站 crush 资源盘、pi 资源盘、openclaw 资源盘 各管不同地盘,和 AI 编程套餐横评 互补但独立。

一、定位:OpenCode 的"电池全包"插件,不是又一个独立 agent

先说清楚一个容易误解的点:oh-my-openagent 不是从零造的独立编程 agent,它是 OpenCode 的插件。OpenCode 本身是一个开源的 AI 编程框架(terminal-based),oh-my-openagent 在它上面加了一层"电池"——多模型编排、并行后台 agent、自研 LSP/AST 工具,装上即用。这跟 crush(独立终端 agent)、Claude Code(Anthropic 官方闭源 agent)的路线不同:它不重新造轮子,而是把 OpenCode 当底座往上叠能力。

为什么这个定位有价值?因为 OpenCode 用户已经有代码基础设施,缺的是"编排多个模型"和"后台并行跑 agent"这两件事。oh-my-openagent 正好补这个缺口。bin 命令有五个:oh-my-opencode、oh-my-openagent、omo-agent-toolkit、lazycodex、lazycodex-ai——前三个是 OmO 主线,后两个是 LazyCodex(OmO for Codex 的安装路径,npx lazycodex-ai install,官网 lazycodex.ai)。

维护者是 code-yeongyu,背后是 Sisyphus Labs(sisyphuslabs.ai)。一个有意思的细节:项目用了一个叫 Jobdori 的 AI 助手(OpenClaw 的定制 fork)实时构建和维护,在 Discord 上 Building in Public 直播——你能看着它怎么被 AI 一行行搭起来。README 有日/韩/中/俄四语版本,说明它在东亚社区热度不低。

二、核心卖点:三张牌

多模型编排 Multi-Model Orchestration。 最硬的差异化。不是"选一个模型用到底",而是把多家模型拉进同一个工作流按任务分配。README 的 Team Mode 实测画面里,Kimi K3 和 GPT-5.6 Sol 同框出现——一个管推理、一个管代码生成,各干各的活。这呼应 README 那句主张:"The future isn't picking one winner; it's orchestrating them all. Models get cheaper every month."(未来不是选一个赢家,而是把它们全部编排起来。模型每个月都在变便宜。)逻辑是:模型迭代快、价格月月降,绑死一家等于赌错方向,不如做编排层让模型可插拔。

并行后台 agent Parallel Background Agents。 能同时跑多个 agent 干不同的子任务,不等一个干完再启动下一个。比如一个大任务拆成"查文档""改测试""写接口"三块,三个 agent 并行推进最后汇总。比单线程串行快很多,尤其在大型重构场景。

自研 LSP/AST 工具 Crafted LSP/AST Tools。 这条是"精度牌"。多数编程 agent 靠读文件加正则匹配理解代码,oh-my-openagent 用语言服务器协议(LSP)和抽象语法树(AST)拿结构化上下文——符号定义、引用关系、类型信息,跟 IDE 里你跳转看代码用的是同一套机制。结果就是改代码更准、误伤更少。

三、和 Claude Code、crush、pi 怎么分地盘

Claude Code 是 Anthropic 官方的终端/桌面 agent,闭源、绑 Anthropic 模型、订阅制。oh-my-openagent 的 README 直接点名开炮:"Claude Code is a nice prison, but it's still a prison. You don't need to pay $200 for 2 hours of work."(Claude Code 是个不错的监狱,但终究是监狱。你不需要为 2 小时的工作付 200 美元。)crush 是 Charm 的开源终端 agent,模型可换、许可证是 FSL-1.1-MIT(见本站 crush 资源盘)。pi(earendil-works/pi)是另一个轻量开源 agent(见本站 pi 资源盘)。

oh-my-openagent 跟它们的根本区别:它是 OpenCode 插件(寄生在框架上增强),不是独立 agent;它主打"多模型同框编排",crush 和 pi 偏"单模型可切换";它的 LSP/AST 工具是自研的,不是简单调现成的。

维度oh-my-openagentClaude Codecrushpi
定位OpenCode 插件·模型编排终端/桌面 agent终端 agent轻量 agent
模型多家同框编排仅 Anthropic任意可切换任意可切换
许可证SUL-1.0闭源FSL-1.1-MIT开源
费用软件免费·模型自付订阅制软件免费·模型自付软件免费·模型自付

四、上手:装好、接模型、开 Team Mode

装。 oh-my-openagent 是 npm 包,最直接:

bash
npm install -g oh-my-opencode

装完命令行就有 oh-my-opencode(或 oh-my-openagent、omo-agent-toolkit)。如果你是 Codex 用户,走 LazyCodex 路径:npx lazycodex-ai install,官网 lazycodex.ai 有指引。

接模型。 因为是多模型编排,你可以同时配多家。设好各家的 API key(ANTHROPIC_API_KEY、OPENAI_API_KEY、MOONSHOT_API_KEY 等),然后在 Team Mode 里选你要编排的组合。README 的实测画面是 Kimi K3 + GPT-5.6 Sol,你也可以换成 DeepSeek + Qwen 之类的国产组合来控成本。

开 Team Mode。 核心玩法是给不同 agent 分配不同模型和子任务并行跑。具体配置语法看 README 和 omo.dev 文档——重点是"多模型同框"这个心智模型:不是切换,是编排。

五、避坑代价:许可证是 SUL 不是 MIT,还有这几条

坑一:许可证不是 MIT/Apache,是 SUL-1.0(最该读的一条)。 GitHub SPDX 探测器对 oh-my-openagent 返回 NOASSERTION。点进仓库读 LICENSE.md,开头写的是 "Sustainable Use License v1.0"(可持续使用许可),缩写 SUL-1.0,版权归 Sisyphus Labs。SUL 不是 OSI 认可的开源许可证,核心特点是"使用受限":你可以用、改、二次开发,但"竞争性使用"受限——简单说就是不能拿它去做一个跟 oh-my-openagent 本身竞争的产品或服务。第三方组件各自保留原 license。这跟 crush 的 FSL-1.1-MIT(两年后转 MIT)是不同的许可设计,别混为一谈。个人写代码、公司内部用一般没问题;想 fork 做竞品 SaaS,先找律师读 SUL 原文。

坑二:它是 OpenCode 插件,不是独立 agent。 冲着"装一个就能用"来的人要注意:oh-my-openagent 依赖 OpenCode 框架,你得先理解 OpenCode 的工作方式。如果你要的是开箱即用的独立工具,Claude Code 订阅或 crush 更省心。

坑三:v5.0.0-beta.6,还是 beta。 当前版本号带 beta,说明接口和功能还在变动。2025-12-03 创建、今天还在 push,迭代很快是好事,但生产接入前建议锁定版本号、自己跑一遍你的场景。

坑四:模型 API 自付,多模型编排更烧钱。 软件免费,但多模型同框意味着多个模型同时烧 token。Team Mode 里 Kimi + GPT 同时跑,成本是两家叠加的。建议:粗活用便宜模型,关键步骤才上强模型,别全程全开。

坑五(反过来的甜头):反围墙花园,国产模型友好。 整个项目的理念就是"不被一家锁死",所以接国产模型是设计意图而非兼容层补丁。Kimi(月之暗面)在 README 实测画面里就是主力之一,DeepSeek、Qwen 也能接。比起绑死单一海外模型的闭源 agent,oh-my-openagent 在国内可用性反而更强。选模型可参考本站 AI 编程套餐横评。

适合:已经在用 OpenCode、想加多模型编排能力的人;不愿被单一 AI 厂商锁定、想自由组合模型的人;需要并行后台 agent 处理大型重构的人;想接国产模型控成本的中国开发者。别凑热闹:你要开箱即用的独立 agent——Claude Code 或 crush 更对路;你要轻量极简——pi 更合适。

常见问题

Q1:oh-my-openagent 和 Claude Code、crush 有什么区别? A1:Claude Code 是 Anthropic 闭源订阅 agent,绑死自家模型;crush 是独立终端编程 agent(FSL-1.1-MIT 许可证,两年后转 MIT);oh-my-openagent 是 OpenCode 插件(非独立 agent),主打多模型编排,许可证 SUL-1.0 非 OSI 标准。三者定位与许可都不同。

Q2:SUL-1.0 许可证能商用吗? A2:个人写代码、公司内部用一般没问题。但"竞争性使用"受限——不能拿它做与 oh-my-openagent 本身竞争的产品或服务。想做竞品 SaaS 前先找律师读 LICENSE.md 原文。注意它不像 crush 的 FSL 有"两年转 MIT"机制。

Q3:必须先装 OpenCode 才能用吗? A3:是的。oh-my-openagent 是 OpenCode 的"电池全包"插件,依赖 OpenCode 框架,不是开箱即用的独立工具。要开箱即用独立 agent,选 Claude Code 或 crush。Codex 用户可用 LazyCodex(npx lazycodex-ai install)。

Q4:多模型编排怎么控成本? A4:软件免费,但多模型同框意味着多个模型同时烧 token,成本叠加。建议粗活用便宜模型、关键步骤才上强模型,别全程全开。国产模型(Kimi/DeepSeek/Qwen)成本更低,接入是设计意图而非补丁。

Q5:当前还是 beta,生产环境能用吗? A5:当前 v5.0.0-beta.6,接口与功能仍在变动,迭代很快。生产接入前建议锁定版本号、自跑一遍场景验证。2025-12-03 创建、今日仍 push,活跃度高但稳定性需自行验证。


参考来源

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-08-12

常见问题

oh-my-openagent 和 Claude Code、crush 有什么区别?
Claude Code 是 Anthropic 闭源订阅 agent,绑死自家模型;crush 是独立终端编程 agent(FSL-1.1-MIT 许可证,两年后转 MIT);oh-my-openagent 是 OpenCode 插件(非独立 agent),主打多模型编排,许可证 SUL-1.0 非 OSI 标准。三者定位与许可都不同。
SUL-1.0 许可证能商用吗?
个人写代码、公司内部用一般没问题。但"竞争性使用"受限——不能拿它做与 oh-my-openagent 本身竞争的产品或服务。想做竞品 SaaS 前先找律师读 LICENSE.md 原文。注意它不像 crush 的 FSL 有"两年转 MIT"机制。
必须先装 OpenCode 才能用吗?
是的。oh-my-openagent 是 OpenCode 的"电池全包"插件,依赖 OpenCode 框架,不是开箱即用的独立工具。要开箱即用独立 agent,选 Claude Code 或 crush。Codex 用户可用 LazyCodex(npx lazycodex-ai install)。
多模型编排怎么控成本?
软件免费,但多模型同框意味着多个模型同时烧 token,成本叠加。建议粗活用便宜模型、关键步骤才上强模型,别全程全开。国产模型(Kimi/DeepSeek/Qwen)成本更低,接入是设计意图而非补丁。
当前还是 beta,生产环境能用吗?
当前 v5.0.0-beta.6,接口与功能仍在变动,迭代很快。生产接入前建议锁定版本号、自跑一遍场景验证。2025-12-03 创建、今日仍 push,活跃度高但稳定性需自行验证。

相关文章

开源项目

M3.1 Flash 权重开好了,GitHub 却搜不到

2026 年 10 月 23 日,MiniMax 开源 M3.1 Flash 权重:428B 总参、23B 激活的 native 多模态 MoE,1M token 上下文,MSA 全模型稀疏注意力(arXiv:2606.13392),DSpark 投机解码取代 EAGLE 式 MTP。权重落在两处:Hugging Face 的 MiniMaxAI/MiniMax-M3.1-Flash(公开、非 gated)与魔搭的 MiniMax/MiniMax-M3.1-Flash(发布日实测页面与 API 均 200);GitHub 上没有以模型命名的代码仓(github.com/MiniMax-AI/MiniMax-M3.1-Flash 实测 404,组织页 37 个仓库只有内核库 MiniMax-AI/MSA)。许可证以 LICENSE 原文为准:MiniMax Community License——非商用免费;商用须显著标注 Built with MiniMax M3.1-Flash;年营收超 2000 万美元须事先书面授权([email protected]),商用定义宽到含 API 转供与微调后部署。战绩三口径并存:上线 72 小时处理超 100 万亿 token(官方公告经媒体转述)、匿名期 13 天累计 200T(官方 10-19)、OpenRouter 匿名期 56.7 万亿(智东西转引,单平台侧);官方口径 Agent 类任务综合使用成本较前代下降 70%。生态名单:华为昇腾、平头哥、昆仑芯、摩尔线程等十家芯片厂与 vLLM、SGLang、FlagOS 适配,昆仑芯 Day 0 完成,其余多为正推进首日接入。M3 与 M3.1 Flash 关系的唯一官方说明:保留 M3 核心 MoE 架构,三处改动——前三层全注意力换稀疏、QAT 量化感知训练、DSpark。分工声明:10-21 揭盅篇管匿名叙事与定价,本篇管权重落地、仓库与协议。

2026年10月24日9 分钟阅读
开源项目

Mistral Large 4:模型已上线,权重和协议还没来

Mistral 于 2026 年 10 月 6 日官宣 Large 4(昵称 Le Chonk)public preview,API 当日开放:总参数 1.05T,每 token 激活 52B(HF 仓库名 Mistral-Large-4.0-1T05-A52B 即此口径;不含 embedding 与 output 层则 49B),1.6B 视觉编码器,160+ 语言训练,3,800 块 Grace Blackwell 在欧洲自有数据中心从零训练;API 上下文标 1M(OpenRouter 与 AA 实测配置为 512K)。定价列表价 $1.36/$0.14/$4.18 每百万 tokens,docs 同页并存一条无截止日的半价列 $0.68/$0.07/$2.09。但截至 10-23 开放权重未落地:HF 仓库只有倒计时占位页、零个可下载文件、license 字段 coming soon,文档 license 只渲染一个词 Open,Artificial Analysis 记录 isOpenWeights 为 false 并归类专有模型;GTC Berlin 10-21 与 NVIDIA 工业联盟再确认「10 月底放权重」。自报基准:DeepSWE v1.1 61.7%、Cybench 93%、漏洞复现修补 82%(第三方数据显示 Opus 5.5 拒答 98.5%、GPT-6 Astra 拒答 100%,第一名含政策差成分)、AutomationBench 59.9%(自家图表里 GLM-5.3 的 62.2 更高)。第三方画像是另一幅:AA Intelligence Index 38(Opus 5.5 为 58)、Omniscience -5.3 负分(裸召回编造多于无知)、vals 榜 45 模型中第 33,约落后前沿 9-12 个月。社区反应两极:性能约 Kimi K3 水平、OpenRouter 价格约 DeepSeek 10 倍的质疑,与 EU 数据驻留的真实辩护并存。本地运行按第三方推算需 400GB 以上快速内存,现阶段单机只有 512GB 统一内存的 Mac Studio M5 Ultra 理论可行。

2026年10月23日9 分钟阅读
开源项目

DeepInfer 开源:155 万亿 Token/天,引擎还是工厂?

DeepSeek 于 2026 年 10 月 20 日宣布全面开源生产级推理框架 DeepInfer,这是第一次能拿到官方生产级引擎而不是对着论文自己拼:仓库 deepseek-ai/DeepInfer 采用 Apache-2.0,开放当日实测 17,902 stars、1,836 fork、188 个 open issue,同步放出的 Token 编解码组件 deepseek-recipe 则是 MIT 协议,两个仓库许可不同。官方自报性能数字全部需要标注为自报口径、目前无第三方复现:单集群服务吞吐 155 万亿 token/天(按谷价折算每卡每小时 38 美元)、首字延迟 400 毫秒、生成速度 230 tokens/s、96% 输入命中前缀缓存、Prefill 每卡吞吐由不计缓存的 6 万提升到 150 万 tokens/s;SWA Bounded Replay 把缓存未命中的重算量固定为最后 128 个 token,使 Prefill 总计算量近乎减半且成本与上下文长度无关;DSpark 推测解码最多 draft 5 个 token,线上吞吐再提升 6%,每卡每秒生成 14K token;MoE 专家副本每 10000 步动态重排,线上最忙的卡仅高出平均负载 9%。硬件覆盖英伟达 SM100 与华为昇腾 950 NPU 双栈,部署路径为 Python 3.12 虚拟环境加 DEEPINFER_ACCELERATOR 环境变量后从源码构建,默认拉取 DeepSeek-V4.1-Flash-1017 权重。但要讲清边界:官方明确 Prefill 与 Decode 分离、数据并行负载均衡以及 KVCache 管理层因与内部基础设施耦合过深尚未完整开源,拿到的是引擎而不是整座工厂;官方也未提供与 vLLM、SGLang、TensorRT-LLM 的横向基准。线上形态是 8 卡服务器承担 Prefill、64 至 128 卡超节点承担 Decode,KVCache 保留 72 小时以上以减少重复计算。

2026年10月22日10 分钟阅读