当Claude、OpenAI开始封禁中国用户，国产开源多Agent编程框架 oh-my-coder 成为最佳替代方案

🚀 开源免费 · 38 Stars · 8 Forks · 12 家国产大模型 · 31 个专业 Agent · 完全开源

📰 事件背景：AI编程工具"断供"危机

2026年4月，AI编程领域接连传来重磅消息：

Claude Code 强制实名认证封号

2026年4月14日，Claude官方推出强制实名认证政策
要求实体证件（护照/驾照/身份证原件）+ 人脸核验
明确标注"从不支持的地区注册，账号直接封"
中国大陆用户即使完成验证也被批量封号

OpenAI 持续收紧中国用户访问

ChatGPT、OpenAI API对中国大陆IP持续封锁
Codex桌面版虽发布，但国内用户难以稳定使用
需要翻墙+海外支付方式，门槛极高

Google AI 服务同样受限

Gemini API对中国大陆访问限制重重
需要复杂的网络配置才能勉强使用

这意味着什么？数百万依赖海外AI编程工具的中国开发者，正面临"断供"危机。

💡 国产替代方案：oh-my-coder

在这场"AI工具断供"危机中，oh-my-coder 应运而生——这是一个完全开源、支持12家国产大模型、拥有31个专业Agent的多Agent协作编程框架。

🎯 核心优势一览

对比维度	Claude Code	OpenAI Codex	oh-my-coder
模型支持	仅Claude（需翻墙）	仅OpenAI（需翻墙）	12家国产模型（直连）
价格	$25/月（Claude Pro）	$20/月起	完全免费开源
数据隐私	上传海外服务器	上传海外服务器	本地处理，不上传
中国用户	❌ 封号风险高	❌ 访问困难	✅ 完全支持
Agent数量	约10个	约5个	31个专业Agent
开源协议	闭源	闭源	MIT开源
中文优化	一般	一般	深度优化

🏗️ 架构设计：多Agent协作流程

oh-my-coder 的核心创新在于多Agent协作架构——模拟真实软件开发团队的工作流程。

┌─────────────────────────────────────────────────────────────────────────┐
│                         用户输入任务                                      │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
                                    ▼
┌─────────────────────────────────────────────────────────────────────────┐
│                         智能路由器 (Router)                               │
│                    根据任务类型自动选择执行通道                            │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
        ┌───────────┬───────────┬───┴───┬───────────┬───────────┐
        ▼           ▼           ▼       ▼           ▼           ▼
┌──────────┐ ┌──────────┐ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐
│  🚀 构建  │ │  🔍 审查  │ │ 🐛 调试 │ │ 🎯 领域 │ │ 🎯 领域 │ │ 🧙 协调 │
│  通道    │ │  通道    │ │  通道   │ │ 通道1  │ │ 通道2  │ │  通道  │
└──────────┘ └──────────┘ └────────┘ └────────┘ └────────┘ └────────┘

完整协作流程图

用户输入任务
     │
     ▼
┌────────────────────────────────────────────────────────────────────────┐
│                          智能路由器                                     │
│              分析任务类型 → 选择最优执行通道                             │
└────────────────────────────────────────────────────────────────────────┘
     │
     ├───▶ 🚀 构建通道（6个Agent顺序执行）
     │     ExploreAgent → AnalystAgent → PlannerAgent → ArchitectAgent 
     │     → ExecutorAgent → VerifierAgent
     │
     ├───▶ 🔍 审查通道（3个Agent协作）
     │     CodeReviewerAgent → SecurityReviewerAgent → CriticAgent
     │
     ├───▶ 🐛 调试通道（2个Agent配合）
     │     DebuggerAgent → TracerAgent
     │
     ├───▶ 🎯 领域通道1（9个专业Agent）
     │     TestEngineerAgent / DesignerAgent / VisionAgent / DocumentAgent
     │     / WriterAgent / ScientistAgent / GitMasterAgent / CodeSimplifierAgent
     │     / DatabaseAgent
     │
     ├───▶ 🎯 领域通道2（7个专业Agent）
     │     QATesterAgent / APIAgent / DevOpsAgent / UMLAgent / PerformanceAgent
     │     / MigrationAgent / CloudArchitectAgent
     │
     └───▶ 🧙 协调通道（4个Agent）
           PromptAgent / AuthAgent / DataAgent / SelfImprovingAgent

三层模型路由（智能降本）

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│   任务类型    │ ──▶ │   模型层级    │ ──▶ │   提供商选择  │
└──────────────┘     └──────────────┘     └──────────────┘
    EXPLORE              LOW (快)           DeepSeek-V3
    ANALYST              MEDIUM (平衡)      GLM-4-Flash  
    ARCHITECT            HIGH (高质量)      DeepSeek-R1
    CODE_GEN             MEDIUM             Qwen-Max
    REVIEW               LOW                GLM-4-Flash

设计巧思：根据任务复杂度自动选择模型层级，简单任务用免费快速模型，复杂任务用高质量模型，在保证效果的同时最大化降低成本。

🤖 31个专业Agent全览

oh-my-coder 内置 31个专业Agent，覆盖软件开发生命周期的各个环节：

构建/分析通道（8个Agent）

Agent	功能描述	典型场景
`ExploreAgent`	探索代码库结构，生成项目地图	接手新项目，快速理解架构
`AnalystAgent`	分析需求和任务，发现隐藏约束	需求评审，识别潜在问题
`PlannerAgent`	规划开发计划，制定执行步骤	大型功能开发，任务拆分
`ArchitectAgent`	设计系统架构和技术选型	新系统设计，技术决策
`ExecutorAgent`	执行代码生成，支持14种语言	实际编码实现
`VerifierAgent`	验证代码正确性，运行测试	代码验收，质量保证
`DebuggerAgent`	调试和修复代码错误	Bug修复，问题定位
`TracerAgent`	追踪代码执行流程，定位根因	复杂问题追踪

审查通道（2个Agent）

Agent	功能描述	典型场景
`CodeReviewerAgent`	代码质量审查，发现坏味道	代码审查，质量把关
`SecurityReviewerAgent`	代码安全审查，扫描漏洞	安全审计，漏洞发现

领域通道（16个专业Agent）

Agent	功能描述	典型场景
`TestEngineerAgent`	生成单元测试和集成测试	测试驱动开发
`DesignerAgent`	界面和交互设计	UI/UX设计
`VisionAgent`	截图布局分析 + UI代码自动生成	根据设计图生成代码
`DocumentAgent`	长篇技术文档、API参考、架构文档	技术写作
`WriterAgent`	快速文档、README、注释生成	文档补全
`ScientistAgent`	技术调研和可行性分析	技术选型
`GitMasterAgent`	Git操作自动化	版本管理
`CodeSimplifierAgent`	代码简化优化	重构优化
`QATesterAgent`	QA测试和质量验证	质量保证
`DatabaseAgent`	数据库设计、SQL优化和迁移	数据建模
`APIAgent`	REST API设计、接口规范和文档	API开发
`DevOpsAgent`	CI/CD流水线、容器化和部署	运维部署
`UMLAgent`	UML图表生成（类图/时序图/流程图）	架构可视化
`PerformanceAgent`	性能分析、瓶颈定位和优化建议	性能优化
`MigrationAgent`	代码迁移、框架升级和技术债清理	技术升级
`SkillManageAgent`	Skill管理和自进化、经验沉淀	知识管理

协调通道（2个Agent）

Agent	功能描述	典型场景
`CriticAgent`	审查计划和设计，提供改进建议	方案评审
`SelfImprovingAgent`	从执行结果中学习，优化路由策略	持续优化

设计巧思：每个Agent都有明确的职责边界，通过编排引擎协调配合，像真实的开发团队一样协作完成任务。

🧠 四大创新系统设计

1️⃣ 主动学习模块（Self-Improving）

核心能力：系统能从每次执行结果中学习，越用越聪明。

功能模块	说明
反馈收集	收集成功/失败/用户修正反馈
模式分析	分析失败类型（理解错误、执行错误、验证错误）
策略适配	根据模式类型推荐不同策略
提示词调优	根据反馈自动调整Agent system prompt
Skill自进化	工作流完成后自动将经验沉淀为Skill文件

触发条件（满足任一即自动沉淀）：

工具调用 ≥5次且成功
错误 → 解决
用户纠正
非平凡工作流（≥3步骤）

Skill文件结构：

.omc/skills/
├── index.json              # 全量索引
├── debugging/              # 调试经验
│   └── sql-slow-fix/
│       └── SKILL.md       # YAML frontmatter + Markdown
├── workflow/              # 工作流经验
├── corrections/           # 被纠正后的修复
└── best-practices/        # 最佳实践

设计巧思：Tier 0自动注入——所有Agent执行前，Orchestrator自动读取index.json，将所有Skill的名字+描述追加到系统Prompt底部，让Agent知道有哪些经验可用。

2️⃣ Skill自进化系统

核心能力：任务完成后自动判断是否值得沉淀为Skill。

触发条件：

工具调用 ≥5次且成功
错误 → 解决（修复了bug）
用户纠正（用户说"不对，应该是..."）
非平凡工作流（≥3步骤）

Skill文件格式：

---
name: SQL慢查询修复
category: debugging
tags: [sql, performance, optimization]
triggers: ["查询慢", "SQL优化", "性能问题"]
created_at: 2026-04-18
---

# SQL慢查询修复指南

## 症状识别
- 查询响应时间 > 1秒
- EXPLAIN显示全表扫描
...

CRUD工具：skill-manage Agent支持create/patch/delete/list/search操作，patch优先于create。

设计巧思：学习曲线——越用越聪明。随着使用次数增加，系统积累的经验越来越多，处理同类问题的效率和准确率持续提升。

3️⃣ 分层记忆系统

核心能力：在不同上下文窗口限制下提供最优记忆注入。

层级	Token限制	内容	用途
Tier 0	< 500	核心记忆（最近项目、偏好、经验）	系统Prompt注入
Tier 1	< 2000	精选记忆（项目详情、常用命令）	上下文补充
Tier 2	无限制	完整存档（所有项目、学习记录）	搜索、导出

CLI命令：

omc memory core       # Tier 0 核心记忆
omc memory selected   # Tier 1 精选记忆
omc memory archive    # Tier 2 完整存档
omc memory search "FastAPI"  # 搜索记忆
omc memory stats      # 记忆统计

设计巧思：

成本感知：根据上下文预算动态选择记忆层级
智能召回：触发词快速匹配，不调用LLM
存储优化：固定开销~9KB，超过14天日志自动清理

4️⃣ 工作目录上下文感知

核心能力：感知当前工作目录和浏览器上下文，为Agent提供更准确的信息。

命令	说明
`context scan`	扫描项目文件结构，生成文件树
`context summary`	生成项目摘要（语言统计、关键文件）
`context tree`	显示项目文件树
`context stats`	显示项目统计信息
`context browser`	获取浏览器当前打开的页面
`checkpoint --list`	列出所有快照
`checkpoint --restore <id>`	回滚到指定快照
`checkpoint --diff <id>`	查看快照与当前工作区的差异

设计巧思：

项目感知：自动识别项目类型（FastAPI/Django/Flask等）
浏览器集成：获取当前打开的页面，实现"看着网页写代码"
Checkpoint机制：任务中断不丢进度，支持一键回滚

🌐 多平台Gateway（7个平台全支持）

oh-my-coder支持 7个主流平台 的双向消息接入：

平台	状态	环境变量
Telegram	✅ 已支持	`TELEGRAM_BOT_TOKEN`
Discord	✅ 已支持	`DISCORD_BOT_TOKEN`
WhatsApp	✅ 已支持	`WHATSAPP_*`
飞书/Lark	✅ 已支持	`FEISHU_*`
企业微信	✅ 已支持	`WECOM_*`
钉钉	✅ 已支持	`DINGTALK_*`
Slack	✅ 已支持	`SLACK_*`

CLI命令：

omc gateway list              # 列出支持的平台
omc gateway test telegram     # 测试连接
omc gateway start --telegram <token>  # 启动Telegram Bot

设计巧思：统一消息格式，跨平台协作。无论用户在哪个平台发送消息，都能获得一致的响应体验。

🔄 7种工作流模式

工作流	命令	说明
🚀 `build`	`-w build`	完整开发流程：探索 → 分析 → 设计 → 实现 → 验证
🔍 `review`	`-w review`	代码审查 + 安全审查
🐛 `debug`	`-w debug`	问题定位 → 修复 → 验证
🧪 `test`	`-w test`	设计测试 → 实现测试 → 运行验证
🤖 `autopilot`	`-w autopilot`	自动路由：根据任务关键词自动选择合适工作流
👥 `pair`	`-w pair`	结对编程：Explorer + Critic 交替协作进行代码审查
🔧 `refactor`	`-w refactor`	重构模式：分析热点 → 制定计划 → 执行 → 验证 → 测试

🧠 12家国产大模型支持

oh-my-coder 支持 12家国产大模型，系统自动按性价比选择：

提供商	支持状态	默认模型	特点
DeepSeek	✅ 生产就绪	`deepseek-chat`	⭐ 免费额度，推理能力强
MiMo	✅ 生产就绪	`mimo-v2-flash`	小米MiMo，免费256K/Pro 1M上下文
智谱GLM	✅ 生产就绪	`glm-4-flash`	官方免费，函数调用支持
Kimi	✅ 生产就绪	`moonshot-v1-128k`	128K超长上下文
豆包	✅ 生产就绪	`doubao-pro-32k`	字节自研，响应快
天工AI	✅ 生产就绪	`skywork-v1.0`	昆仑万维出品，中文强
百川智能	✅ 生产就绪	`Baichuan4`	王小川创办，中文出色
MiniMax	🟡 Beta	`abab6-chat`	中文理解强
通义千问	🟡 Beta	`qwen-turbo`	阿里多模型
讯飞星火	🟠 待完善	`generalv3.5`	科大讯飞出品
文心一言	🟠 待完善	`ernie-4.0-8k-latest`	百度中文强
腾讯混元	🟠 待完善	`hunyuan-pro`	腾讯自研

快速配置（GLM-4.7-Flash完全免费）：

omc config set -k GLM_API_KEY -v "free"

📊 项目数据

⭐ Stars: 38
🍴 Forks: 8
🤖 Agents: 31个专业Agent
🧠 模型: 12家国产大模型
🌐 Gateway: 7个平台支持
📦 工作流: 7种模式
🧪 测试: 770个测试用例全部通过
📄 协议: MIT开源

🚀 快速开始

1. 安装

pip install oh-my-coder

2. 配置（GLM-4.7-Flash完全免费）

omc config set -k GLM_API_KEY -v "free"

3. 开始使用

# 探索当前项目
omc run "探索这个项目" --workflow explore

# 代码审查
omc run "审查src目录代码质量" --workflow review

# 生成单元测试
omc run "为user模块生成测试" --workflow test

# Web界面
python -m src.web.app
# 浏览器打开 http://localhost:8000

📝 总结

当Claude、OpenAI、Google开始对中国用户"断供"，oh-my-coder 提供了一个完全开源、零成本、深度本土化的替代方案：

✅ 12家国产大模型，无需翻墙，直连使用
✅ 31个专业Agent，覆盖完整软件开发生命周期
✅ 多Agent协作架构，模拟真实开发团队工作流程
✅ 四大创新系统：主动学习、Skill自进化、分层记忆、上下文感知
✅ 7个平台Gateway，Telegram/Discord/飞书/钉钉/Slack全支持
✅ 完全免费开源，MIT协议，可自由定制

GitHub: github.com/VOBC/oh-my-…

文档站: vobc.github.io/oh-my-coder…

本文档由 oh-my-coder 辅助生成