开源 AI Agent： OpenCode 集成 OMO 原理及实践

中转api

截至 2026M5 ，OpenCode 在 GitHub 上已获得超过 15w+ Star ，是目前最受关注的开源 AI 编程助手之一。

如果诉求是一个完全开放、无绑定提供商的 Agent 工具，OpenCode 无疑是目前最好的选择。特别是结合 「 OMO （ Oh My OpenAgent ）」做 Agent 增强，以及结合「 DeepSeek 、GLM 」等做模型组合切换。

近期针对OpenCode 调教过程以及案例细节见

Step 1：ULW 模式启动任务

启动 OpenCode 并选择 Ultrawork 模式，输入场景需求：

/ulw-loop 设计一个 企业网站，体现科技感，动态网页效果。网站内容维护在 markdown 里，动态加载更新

注意：ulw 模式会触发 OMO 全流程自动开发，Sisyphus 会根据输入的需求自动规划任务并分配给不同的 Agent 并行执行，直到完成交付。

Step 2：Prometheus 规划技术方案

OpenCode 接受任务输入后，会自动触发 Prometheus 智能代理进行需求解析和规划，并输出详细技术方案，如下图 SPEC.md 内容所示：

Step 3：Hephaestus 与 Atlas 协同开发

根据 Prometheus 的规划，Sisyphus 会将任务分配给 Hephaestus 和 Atlas 两个智能体并行执行：

Atlas：负责任务跟踪和进度管理，确保各个子任务按计划完成。

Hephaestus：负责核心功能的深度开发，如前端页面设计、后端接口实现等。

Step 4：部署运行

任务整体完成后，可以让 OpenCode 直接运行项目。OpenCode 会自动启动开发服务器，参考下图。

Step 5：效果体验

访问 OpenCode 启动的服务器端口地址，访问效果如下：

功能完整度：体验下来，OpenCode 按照 SPEC.md 100% 还原了功能需求，6 个页面全部实现，而且实现了粒子效果，符合预期。

动态数据：OpenCode 实现了动态加载数据，通过 Markdown 维护网站数据，页面动态查询加载，符合预期。

项目规范：OpenCode 选型主流技术栈，项目结构规范清晰，代码质量粗看比较标准，符合预期。