Oh-My-Codex：把 OpenAI Codex 武裝成工業級智能體
整理版優先睇
Oh-My-Codex：為Codex加裝智能體外骨骼，解決工作流協調問題
OpenAI Codex CLI本身係一個純粹嘅執行器，只能單輪對話，冇工作流記憶，亦無法並行分工。呢個瓶頸唔係模型能力，而係點樣組織大型任務。Oh-My-Codex（OMX）就係針對呢個問題，為Codex套上一層完整嘅智能體外骨骼，包括30個專家Agent、40個可複用Skill、4個MCP狀態服務器、tmux原生多進程隔離，同埋完整嘅任務生命週期狀態機。
OMX嘅核心係一套四步黃金工作流：deep-interview幫你澄清需求，ralplan產出PRD，team拉起並行Agent，ralph進行持續執行。配合持久化記憶同任務隊列狀態機，OMX將原本聰明但混亂嘅AI程式員，改造成咗一個有SOP、有記憶、有分工、有監控嘅工程團隊。結論係：AI協作嘅天花板在於多智能體之間嘅協調質量。
- OMX通過工作流協調提升Codex實戰效率，證實瓶頸在於組織而非模型。
- 四步SOP（deep-interview、ralplan、team、ralph）將任務從混沌變為可執行。
- 原生Codex缺乏記憶與並行，OMX補齊四層MCP引擎同tmux多進程隔離。
- OMX嘅任務隊列用Claim-Safe生命週期防止race condition，類似真實分佈式系統。
- 部署只需npm install加一鍵初始化，即可獲得30 Agent + 40 Skill團隊。
Oh-My-Codex GitHub
開源項目地址
核心洞察：工作流先於模型
OMX嘅設計哲學建基於一個清醒嘅判斷：AI編程嘅核心瓶頸已經唔係「模型有幾聰明」，而係「點樣組織一個大型任務令模型持續推進而唔迷失」。原生Codex嘅問題在於缺乏澄清任務邊界嘅機制、規劃與執行解耦嘅流程、並行協調嘅基礎設施，同埋跨會話保存上下文嘅持久層。
澄清任務邊界
規劃與執行解耦
四步黃金工作流：從混沌到可執行
OMX核心係一套經實戰驗證嘅四步標準SOP，每一步對應一個專用命令。呢個流程確保任務由混沌逐步變為可執行。
- 1 $deep-interview：喺你未諗清需求時反向拷問，v0.14.0引入結構化問題義務，未回答嘅關鍵問題會鎖住Stop操作。
- 2 $ralplan：強制輸出帶架構圖同實施步驟嘅PRD，暴露可觀測嘅運行時狀態，供人類審核後放行。
- 3 $team N:executor：一鍵喺tmux拉起N個並行Agent，每個Worker獨佔git worktree，通過版本化Claim Token競爭領取任務。
- 4 $ralph：單一Owner持續死磕模式，自動發送continue steer心跳，進度停滯時擴展max_iterations。
$deep-interview
$ralplan
Claim Token
四層MCP狀態引擎：跨會話記憶
OMX內置4個MCP服務器，賦予Agent一套可持久化、可查詢嘅外腦。呢啲服務器記錄喺.omx/目錄下，令記憶跨越會話邊界。
- omx_state：會話級模式狀態（ralplan/ralph/team是否激活）
- omx_memory：跨會話嘅項目長期記憶（project-memory.json）
- omx_code_intel：代碼庫結構索引同符號檢索
- omx_trace：完整執行軌跡追溯，可事後審計
持久化外腦
AGENTS.md係整個系統嘅編排大腦，由omx setup自動生成，包含30個Agent角色描述、40個Skill觸發模式、模型路由策略。Codex每次啟動自動加載，相當於畀AI團隊發放崗位說明書。
AGENTS.md
工業級任務隊列：Claim-Safe生命週期
OMX嘅團隊運行時實現咗一套完整嘅分佈式任務狀態機，防止race condition，呢點係大多數多Agent框架冇嘅。
- create-task → claim-task (versioned token) → in_progress
- transition-task-status → completed / failed
- release-task-claim（失敗時歸還任務）
Worker之間通過Mailbox收發結構化消息，Leader通過HUD監控全局進度，omx hud --watch提供獨立監控視窗，唔打擾工作pane。
Mailbox
HUD
兩分鐘部署：實戰開始
部署好簡單，前提係Node.js 20+、OpenAI API Key、macOS/Linux需安裝tmux。跟住步驟就可以獲得全套戰隊。
- 1 全局安裝：npm install -g @openai/codex oh-my-codex
- 2 一鍵初始化：omx setup && omx doctor（安裝30 Agent + 40 Skill + 4 MCP服務器 + AGENTS.md）
- 3 以強力模式啟動，拉起3個並行執行者：omx --madmax --high，然後輸入$ralplan同$team 3:executor
omx setup && omx doctor
--madmax
核心問題
OpenAI Codex CLI 本體係一個純粹嘅執行器：佢只能夠單輪對話、冇工作流記憶、冇辦法並行分工。Oh-My-Codex (OMX) 喺唔替換 Codex 嘅前提下，為佢套上一層完整嘅「智能體外骨骼」：30 個專家 Agent、40 個可重用 Skill、4 個 MCP 狀態服務器、tmux 原生多進程隔離，以及完整嘅任務生命週期狀態機。
• • •
01 核心洞察：Codex 本體唔係瓶頸，工作流先係
OMX 嘅設計哲學建立喺一個極其清醒嘅判斷上：當下 AI 編程嘅核心瓶頸，已經唔係「模型有幾聰明」，而係「點樣組織一個大型任務令模型持續推進而唔迷失」。
原生 Codex 嘅問題唔在於能力，而在於缺乏：澄清任務邊界嘅機制、將規劃同執行解耦嘅流程、喺多個並行方向上協調工作嘅基礎設施，以及跨會話保存上下文同狀態嘅持久層。OMX 逐一補齊咗呢四塊短板。
• • •
02 四步黃金工作流：由混沌到可執行
OMX 嘅核心係一套經過大量實戰驗證嘅四步標準 SOP，每一步對應一個專用命令關鍵字：
OMX 黃金執行路徑
• • •
03 四層 MCP 狀態引擎：令記憶跨越會話邊界
OMX 內置 4 個 MCP（Model Context Protocol）服務器，賦予 Agent 一套可持久化、可查詢嘅外腦：
持久化外腦：.omx/ 目錄結構
omx_state — 會話級模式狀態（ralplan/ralph/team 係咪激活）
omx_memory — 跨會話嘅項目長期記憶（project-memory.json）
omx_code_intel — 代碼庫結構索引同符號檢索
omx_trace — 完整嘅執行軌跡追溯（可事後審計）
AGENTS.md 係整個系統嘅編排大腦，由 omx setup 自動生成：裏麪包含 30 個 Agent 嘅角色描述、委派規則、40 個 Skill 嘅觸發模式、模型路由策略（按複雜度分配 gpt-5.5 / gpt-5.4-mini / gpt-5.3-codex-spark 三檔）。Codex 喺每次會話啟動時自動加載佢，相當於俾 AI 團隊發放咗崗位說明書同組織架構圖。
• • •
04 任務隊列嘅工業級保障：Claim-Safe 生命週期
OMX 嘅團隊運行時實現咗一套完整嘅分佈式任務狀態機，呢個係大多數「多 Agent」框架根本冇嘅嘢：
Claim-Safe 任務生命週期（防 race condition）
create-task → claim-task (versioned token) → in_progress
→ transition-task-status → completed / failed
→ release-task-claim（失敗時歸還任務）
Worker 必須持有版本化嘅 Claim Token 先至可以修改任務狀態。某個 Worker 崩潰之後，Token 自動失效，任務被重新放返隊列供其他 Worker 接管——同真實嘅分佈式系統如出一轍。
Worker 之間通過 Mailbox 收發結構化消息（send-message / broadcast / mailbox-mark-delivered），Leader 通過 HUD（實時 status line）監控全局進度，同時 omx hud --watch 提供獨立嘅監控視窗，唔打擾工作 pane。
• • •
05 Rust 原生引擎：omx explore 同 sparkshell
v0.9.0 起，OMX 引入咗 Rust 編寫嘅原生探索引擎，以 omx-explore-harness 和 omx-sparkshell 兩個二進制形式分發，喺 npm install 之後自動解壓到本地緩存。
點解要用 Rust 做呢件事？
omx explore 需要喺大型 repo 裏面做高速文件樹遍歷同符號搜索（佢底層集成咗 ripgrep）；sparkshell 係唯讀嘅 Shell 原生檢視工具，需要喺沙箱中以極低延遲執行 git status / ps / tail 等命令並匯總結果。TypeScript 冇辦法喺呢個場景下達到足夠低嘅啟動時間，Rust 原生二進制先至係正確答案。
• • •
06 兩分鐘部署全套戰隊
前提：Node.js 20+，OpenAI API Key 已經配置好，macOS/Linux 需要安裝 tmux。
💻 Step 1：全局安裝
npm install -g @openai/codex oh-my-codex
💻 Step 2：一鍵初始化（安裝 30 Agent + 40 Skill + 4 MCP 服務器 + AGENTS.md）
omx setup && omx doctor
💻 Step 3：以強力模式啟動，並拉起 3 個並行執行者
omx --madmax --high
# 喺會話內輸入：
$ralplan 「重構認證模塊，引入 JWT 並添加單元測試」
$team 3:executor 「按上面嘅計劃並行執行」
寫喺最後
OMX 最令人印象深刻嘅地方，係佢將一個原本「聰明但混亂」嘅 AI 程序員，改造成咗一個有 SOP、有記憶、有分工、有監控嘅工程團隊。佢證明咗一件事：AI 協作嘅天花板唔在於單個模型嘅參數量，而在於多智能體之間嘅協調質量。
📌 項目開源地址（Star 26.4k+）：
https://github.com/Yeachan-Heo/oh-my-codex
核心問題
OpenAI Codex CLI 本體是一個純粹的執行器：它只能單輪對話、沒有工作流記憶、無法並行分工。Oh-My-Codex (OMX) 在不替換 Codex 的前提下，為它套上了一層完整的"智能體外骨骼"：30 個專家 Agent、40 個可複用 Skill、4 個 MCP 狀態服務器、tmux 原生多進程隔離，以及完整的任務生命週期狀態機。
• • •
01 核心洞察：Codex 本體不是瓶頸，工作流才是
OMX 的設計哲學建立在一個極其清醒的判斷上：當下 AI 編程的核心瓶頸，已經不是"模型有多聰明"，而是"如何組織一個大型任務讓模型持續推進而不迷失"。
原生 Codex 的問題不在於能力，而在於缺乏：澄清任務邊界的機制、把規劃和執行解耦的流程、在多個並行方向上協調工作的基礎設施，以及跨會話保存上下文和狀態的持久層。OMX 逐一補齊了這四塊短板。
• • •
02 四步黃金工作流：從混沌到可執行
OMX 的核心是一套經過大量實戰驗證的四步標準 SOP，每一步對應一個專用命令關鍵字：
OMX 黃金執行路徑
• • •
03 四層 MCP 狀態引擎：讓記憶跨越會話邊界
OMX 內置 4 個 MCP（Model Context Protocol）服務器，賦予 Agent 一套可持久化、可查詢的外腦：
持久化外腦：.omx/ 目錄結構
omx_state — 會話級模式狀態（ralplan/ralph/team 是否激活）
omx_memory — 跨會話的項目長期記憶（project-memory.json）
omx_code_intel — 代碼庫結構索引和符號檢索
omx_trace — 完整的執行軌跡追溯（可事後審計）
AGENTS.md 是整個系統的編排大腦，由 omx setup 自動生成：裏面包含 30 個 Agent 的角色描述、委派規則、40 個 Skill 的觸發模式、模型路由策略（按複雜度分配 gpt-5.5 / gpt-5.4-mini / gpt-5.3-codex-spark 三檔）。Codex 在每次會話啓動時自動加載它，相當於給 AI 團隊發放了崗位說明書和組織架構圖。
• • •
04 任務隊列的工業級保障：Claim-Safe 生命週期
OMX 的團隊運行時實現了一套完整的分佈式任務狀態機，這是大多數"多 Agent"框架根本沒有的東西：
Claim-Safe 任務生命週期（防 race condition）
create-task → claim-task (versioned token) → in_progress
→ transition-task-status → completed / failed
→ release-task-claim（失敗時歸還任務）
Worker 必須持有版本化的 Claim Token 才能修改任務狀態。某個 Worker 崩潰後，Token 自動失效，任務被重新放回隊列供其他 Worker 接管——和真實的分佈式系統如出一轍。
Worker 之間通過 Mailbox 收發結構化消息（send-message / broadcast / mailbox-mark-delivered），Leader 通過 HUD（實時 status line）監控全局進度，同時 omx hud --watch 提供獨立的監控視窗，不打擾工作 pane。
• • •
05 Rust 原生引擎：omx explore 與 sparkshell
v0.9.0 起，OMX 引入了 Rust 編寫的原生探索引擎，以 omx-explore-harness 和 omx-sparkshell 兩個二進制形式分發，在 npm install 後自動解壓到本地緩存。
為什麼要用 Rust 做這件事？
omx explore 需要在大型 repo 裏做高速文件樹遍歷和符號搜索（它底層集成了 ripgrep）；sparkshell 是隻讀的 Shell 原生檢視工具，需要在沙箱中以極低延遲執行 git status / ps / tail 等命令並彙總結果。TypeScript 無法在這個場景下達到足夠低的啓動時間，Rust 原生二進制才是正確答案。
• • •
06 兩分鐘部署全套戰隊
前提：Node.js 20+，OpenAI API Key 已配置，macOS/Linux 需安裝 tmux。
💻 Step 1：全局安裝
npm install -g @openai/codex oh-my-codex
💻 Step 2：一鍵初始化（安裝 30 Agent + 40 Skill + 4 MCP 服務器 + AGENTS.md）
omx setup && omx doctor
💻 Step 3：以強力模式啓動，並拉起 3 個並行執行者
omx --madmax --high
# 在會話內輸入：
$ralplan "重構認證模塊，引入 JWT 並添加單測"
$team 3:executor "按上面的計劃並行執行"
寫在最後
OMX 最令人印象深刻的地方，是它把一個原本"聰明但混亂"的 AI 程序員，改造成了一個有 SOP、有記憶、有分工、有監控的工程團隊。它證明了一件事：AI 協作的天花板不在於單個模型的參數量，而在於多智能體之間的協調質量。
📌 項目開源地址（Star 26.4k+）：
https://github.com/Yeachan-Heo/oh-my-codex