📌 项目：https://github.com/code-yeongyu/oh-my-openagent | 星数：70k | 语言：TypeScript | 协议：MIT | 更新：2026-10-21
Oh My OpenAgent（OmO）是code-yeongyu开源的多模型Agent编排框架，70k颗星，TypeScript编写，MIT协议。OmO的标志性功能是"mass ulw"关键词——在prompt中输入"mass ulw"，激活多模型UltraCode模式：OmO同时调用多个LLM（Claude+GPT-4+DeepSeek），各模型并行处理任务的不同部分，结果由OmO合并和去重。这比单模型方案更快（并行）且更全面（多模型视角互补）。OmO 5.0版本新增记忆系统——Agent的跨会话上下文不再丢失，上次对话的决策、代码风格偏好、项目结构理解都保留到下次。
多模型与记忆系统方向，Claude Code学习插件可参考VibeWise学习插件指南，Agent记忆仓库可看AgentMemoryRepo记忆仓库指南，Agent深度记忆可参考Leviathan深度记忆指南。
mass ulw多模型UltraCode：输入"mass ulw"后OmO进入UltraCode模式——任务被拆分为子任务，分配给多个模型并行执行。例如"重构这个模块"：Claude负责分析架构和设计接口，GPT-4负责写实现代码，DeepSeek负责写测试用例，OmO合并三个模型的产出为一套完整方案。多模型并行不只加速，更重要的是互补——Claude擅长架构推理，GPT-4擅长代码生成，DeepSeek擅长数学逻辑，组合效果优于任何单模型。OmO处理模型间的格式差异和冲突解决（两个模型给出不同实现时，OmO选择更优或提示用户决策）。
记忆系统与跨会话上下文：OmO 5.0的记忆系统解决Agent最大痛点之一——每次对话从零开始。记忆系统分三层：工作记忆（当前会话的上下文窗口）、项目记忆（项目结构、代码风格、历史决策的持久化存储）、全局记忆（用户偏好、常用模式跨项目复用）。Agent执行任务时自动读写记忆——第一次分析项目结构后存储到项目记忆，下次对话直接复用。记忆用向量检索（按语义相关性召回），不是简单全量加载。记忆系统还支持CodeMode——Agent记住你的代码风格偏好（命名规范/缩进/注释风格），生成的代码自动符合你的风格。
安装与集成生态：OmO用一行命令安装：curl -fsSL https://get.omo.dev/install.sh | bash。安装后自动检测本地环境（已安装的Claude Code/Cursor/VS Code），提供集成选项。Anthropic订阅用户可直接用OmO的Anthropic通道（不需额外API key）。OmO还支持omo-herdr-dag插件——在侧边栏实时可视化Agent的工作流DAG（有向无环图），看到哪个模型在做什么、任务依赖关系、执行进度。MCP协议集成外部工具，Agent可调用Scrapling爬虫、文件系统、数据库等。
| ✅ 优势 | ❌ 劣势 |
|---|---|
| mass ulw多模型并行加速 | 多模型调用成本高 |
| 记忆系统跨会话保留上下文 | 记忆系统需存储空间 |
| CodeMode自动适配代码风格 | mass ulw模式需学习 |
| 一行命令安装 | 模型间冲突解决不完善 |
| Anthropic订阅直接用 |
普通多模型调用是"让多个模型回答同一个问题取最优"，mass ulw是"把一个复杂任务拆分成子任务分配给不同模型并行执行"。例如重构一个10文件模块：普通方式是一个模型串行处理10个文件；mass ulw方式是Claude分析架构+GPT-4改写5个文件+DeepSeek改写另5个文件+写测试，并行执行后合并。关键区别是任务拆分和并行——不是简单的多模型投票，而是分工协作。OmO负责拆分策略（哪个模型擅长什么）和合并策略（格式统一/冲突解决）。
记忆系统存三类信息：项目记忆（目录结构、依赖关系、代码风格规范、历史重构决策），工作记忆（当前会话的任务上下文），全局记忆（你的编程偏好、常用设计模式）。记忆用向量数据库存储（本地SQLite+向量索引），Agent按语义相关性自动检索。你可以手动管理记忆——删除过时条目、合并重复信息、设置遗忘策略（30天未访问的记忆自动降权）。记忆数据完全本地，不上传云端。建议定期审查记忆质量，移除不准确或过时的条目。
如果你有Anthropic的Claude Pro/Max订阅，OmO可以直接用订阅额度（不需要单独API key和按Token付费）。安装OmO时选择Anthropic通道，登录你的Anthropic账号即可。订阅用户的mass ulw模式中Claude部分用订阅额度，其他模型（GPT-4/DeepSeek）仍需各自的API key。这降低了多模型模式的门槛——只需额外配一个便宜模型（如DeepSeek）的key，就能体验多模型协作。