先说结论
这一周，oh-my-coder 完成了有史以来最密集的一次迭代。从命令行工具到桌面应用，从单一功能到完整的 Agent 协作体系，我们几乎把整个项目重新打磨了一遍。
如果你上周看过这个项目，这周再来，会发现它已经不一样了。
这一周做了什么
🖥️ 桌面版正式上线
这是本周最大的更新。
oh-my-coder 现在有了一个真正的桌面应用。你不再需要盯着黑色的命令行窗口，而是可以在一个干净的界面里完成所有操作：
- 左侧边栏：历史会话一目了然，随时切换
- 右侧设置面板：每个模型单独配置 API Key，不再混乱
- Cmd+K 快速唤起：随时呼出命令面板，不打断工作流
- Markdown 实时渲染：AI 的回答直接以格式化文本展示，不再是一堆符号
- 差异对比视图：代码改动前后对比清晰，一眼看出改了什么
桌面版的设计理念是：终端的效率，桌面的体验。我们不想做一个臃肿的 IDE，而是一个轻量的壳，让命令行用户也能享受图形界面的便利。
🤖 31 个 Agent，怎么协调工作的？
这是用户问得最多的问题，今天认真回答一下。
很多人看到"31 个 Agent"会有疑问：这么多 Agent，它们怎么分工？会不会互相打架？会不会乱跑？
简单说：它们是一个有分工的团队，不是一群散兵游勇。
每次你发出一个任务，oh-my-coder 不会把 31 个 Agent 全部派出去。它会根据任务类型，自动选择最合适的 Agent 组合。比如：
- 写代码 → 调用代码生成 Agent + 代码审查 Agent
- 修 Bug → 调用调试 Agent + 测试 Agent
- 写文档 → 调用文档 Agent + 格式检查 Agent
这些 Agent 并行工作，然后把结果交叉验证。如果两个 Agent 的结论不一致，系统会自动标记出来，让你决定采用哪个。
为什么要交叉验证？
因为单个 AI 会犯错，会"幻觉"，会自信地给出错误答案。但两个独立的 Agent 同时犯同一个错误的概率，远远低于一个。这是我们从工程实践中总结出来的经验，不是噱头。
此外，每个 Agent 都有健康检查机制。如果某个 Agent 在 60 秒内没有响应，系统会自动把它的任务重新分配给其他 Agent，整个流程不会卡死。
💰 Token 消耗问题，我们怎么看
这也是用户反映最多的顾虑：多 Agent 协作，是不是很费 Token？
诚实回答：是的，比单 Agent 多。
但我们做了几件事来控制这个问题：
第一，让你看见钱花在哪。
每次任务完成后，oh-my-coder 会生成一份执行追踪报告，告诉你每个 Agent 用了多少 Token，哪个步骤最贵。你不会再有"钱不知道花哪去了"的感觉。
第二，默认只启用生产级模型。
本周我们新增了模型过滤功能。默认情况下，oh-my-coder 只显示和使用经过验证的生产级模型，把那些还在测试阶段的实验性模型隐藏起来。这样既避免了用昂贵的模型做简单任务，也避免了用不稳定的模型搞砸重要工作。
第三，GLM-4.7-Flash 完全免费。
如果你只是想试试效果，不想花一分钱，直接用 GLM-4.7-Flash。它是智谱 AI 开放的免费模型，能力足够应对大多数日常编程任务。我们把它设为默认推荐，三步配置，零成本起步。
🚀 新手引导：三步上手
本周新增了交互式快速开始向导。
以前新用户第一次用 oh-my-coder，需要自己看文档、找配置、猜命令。现在不一样了：
- 运行
omc quickstart - 系统引导你选择模型（有推荐，不用自己研究）
- 粘贴 API Key，完成
整个过程不超过 3 分钟，不需要读任何文档。
🔒 安全加固
本周还做了一件不那么显眼但很重要的事：安全加固。
- 修复了 API Key 配置的一个逻辑漏洞（Issue #7，感谢用户 shiflymoon 反馈）
- 为 GitHub 主分支加了保护规则，防止代码被意外覆盖
- 所有错误信息不再暴露敏感的系统细节
我们和竞品有什么不同
市面上类似的工具不少，最有名的是 OpenCode（146K stars）和 Claude Code。
OpenCode 支持 75+ 个模型，架构很先进，但它是面向全球用户设计的，对国内用户不友好——很多模型需要翻墙，配置复杂，没有针对国产模型的优化。
Claude Code 是 Anthropic 官方出品，体验很好，但它只支持 Claude 系列模型。而且最近 Anthropic 对中国用户的封号问题让很多人开始寻找替代方案。
oh-my-coder 的定位：专为国内开发者打造的多 Agent 编程助手。
- 12 家国产大模型，全部直连，不需要任何代理
- 31 个专业 Agent，覆盖从需求分析到代码审查的完整开发流程
- 完全开源，MIT 协议，代码在你手里，不依赖任何云服务
- 自进化系统：每次任务完成后，系统会把经验写入记忆，下次做类似任务会更准确
自进化：这个功能值得单独说
oh-my-coder 有一个很多人没注意到的功能：它会学习。
每次任务完成后，系统会自动总结这次任务的经验——用了什么方法、踩了什么坑、哪个 Agent 表现最好——然后写入分层记忆系统。
下次遇到类似任务，它会先查这份记忆，而不是从零开始。
这意味着：你用得越久，它越懂你的项目，越懂你的习惯。
这不是营销话术。这是我们从 Claude Code 的架构中学到的设计思路，然后在 oh-my-coder 里实现的。
接下来要做什么
- VS Code 插件：让你在编辑器里直接调用 oh-my-coder，不用切换窗口
- Token 自动压缩：长对话自动压缩上下文，减少不必要的消耗
- Web 界面：给不习惯命令行的用户一个更友好的入口
最后
oh-my-coder 是一个还在快速成长的项目。我们每天都在更新，每周都有新功能。
如果你遇到问题，欢迎在 GitHub 提 Issue。如果你觉得有用，一个 Star 是对我们最大的鼓励。
GitHub: github.com/VOBC/oh-my-…
