在最新的 Claude 2026 Agentic Coding Trends Report 中，软件开发已不再被定义为“直接编写代码”，而是被视为如何编排和监督 AI 代理的问题。
AI 是非常优秀的协作伙伴，但要确保质量与安全，人类的监督与验证仍然不可或缺。完全委托给 AI 看起来很理想，但从系统维护与持续演进的角度来看，依然需要一种协作结构。问题在于，这种协作结构通常需要每次都通过提示词手动搭建和管理。
为什么需要 oh-my-ag
如果你在真实项目中使用过 Antigravity 或基于 CLI 的代理，大概率遇到过这些情况：
- 代理没有正确读取 Skills
- Rules 在对话过程中被忽略
- 响应陷入无法控制的无限循环
- 代理看起来很忙，但却没有完成真正的需求
乍看之下，这像是模型的问题。
但实际上，这是编排（orchestration）的问题。
因此我们决定不再持续微调提示词，而是换一个思路。
与其问：“如何写出更好的提示词？”
不如问：“能不能把代理协作结构作为默认能力提供？”
oh-my-ag 就是从这个问题开始诞生的。
oh-my-ag 做什么
oh-my-ag 是一个面向 Antigravity 的基于角色的多代理编排层。
它不再把所有上下文塞进一个代理，而是明确划分责任。
- Orchestrator（编排器）负责整体流程控制
- 子代理专注于各自的角色任务
- 所需上下文通过共享内存进行管理
每个代理都拥有针对其角色优化的 Skills 与提示结构，而编排器将它们组织成一个统一的工作流。
为什么使用它
1. 用流程缓解模型性能波动
模型性能有时会因为更新或服务器状态而发生变化。依赖单一代理和长提示词的结构对此非常脆弱。
oh-my-ag 通过拆分角色与职责，避免某个模型的短期性能下降影响整体结果。
所有代理共享 Serena Memory 作为公共记忆层。
决策与中间结果会被持续记录，因此即使模型更换或输出质量波动，上下文也不容易丢失。
2. 更清晰的人类监督节点
目标不是把人类从流程中移除，而是明确人类应该在何处介入。
PM、QA、Debug 等角色被明确拆分，因此可以清楚地看到 AI 负责到哪里，人类判断应当在哪一步介入。
3. 减少重复的提示管理成本
反复在提示词中重写角色说明、规则和审批流程并不高效。
oh-my-ag 通过角色化 Skill 组合和支持并行执行的编排器，将这些配置自动化为默认结构。
主要特性
- 基于角色的专业代理集合
- 支持并行执行的编排层
- 支持 Gemini CLI / Claude CLI / Codex CLI
- 集成 Serena Memory
- 基于 MCP 的工具权限控制
- Conventional Commits 自动化
2026 年的 AI-Native 开发已经不再只是“如何更好地使用工具”的问题。
这一编排体系基于 first-fluke/fullstack-starter 的结构设计，在全栈 Web 与移动应用开发中已经能够稳定处理每天 50+ 次提交。
如果你已经在使用 Antigravity，不妨试试 oh-my-ag 与 AI Pro 的组合——
一次性消耗六个账户的 token。
🔗 GitHub: first-fluke/oh-my-ag
