高颜值 Claude Code 替代：oh-my-pi 开源终端 AI 编码代理体验
和阿里的朋友确认了一下，从 2026 年 7 月 10 日起，阿里会把 Claude Code 列入高风险软件名单，并推荐内部员工使用 Qoder 作为替代。
这事就不展开讨论了。
虽然 A 社经常不干人事，但 Claude 模型和 Claude Code 确实做的好。和同类产品相比，依然是最稳的那一个。毕竟是商业化项目，团队都是大牛，产品发布节奏非常快。
同类型项目，知名一点的有 OpenCode、Codex CLI、Cline、Trae、Qoder，之前 DeepSeek TUI 后来还改名成了 CodeWhale。
前两天群里有朋友丢了一个 oh-my-pi 的 GitHub 链接，说最近用着还挺舒服。
我一开始也没太当回事，内心 OS：又一个终端 Agent？它和 Claude Code、OpenCode、Codex CLI 的区别在哪？
用了几天之后，我的态度转变了。
它是什么
oh-my-pi 是一个开源的终端 AI 编码代理。
安装成功之后，你在项目目录里执行 omp 命令，然后就可以让它读代码、改代码、跑命令、解释报错、生成提交说明。
这和 Claude Code、Codex CLI 这些工具都差不多。
差异主要在 工具层。
LSP、DAP、Hashline、browser、GitHub、子 Agent、多模型路由这些东西，它都塞进了终端里。
比如重命名函数时，它可以用语言服务器查引用，少靠 grep 硬猜；调一个崩溃时，它可以进调试器看栈帧和变量；看 PR 时，也可以把 PR 当成一种可读取的资源。
还有个很主观的小点，它的终端 UI 我还挺喜欢，很符合我的品味。
这个不算核心能力，但天天盯着终端干活的人应该懂，界面顺眼真的会影响心情。
截至 2026 年 7 月 4 日，这个项目在 GitHub 上大约有 15.9k Stars。尤其是这几天，Star 数量涨的非常快！
Hashline
很多 Agent 改文件，实际还是 old_string -> new_string。
先读一段文件，再让模型把原文复述出来，然后工具拿这段原文去匹配替换。
这个方案的问题，大家应该都遇到过。
少一个空格，多一个换行，缩进差一点，补丁就找不到位置。更麻烦的是，你刚手动改过文件，模型还拿旧上下文去改，新旧内容一混，现场直接乱掉。
oh-my-pi 的 edit 工具里有个东西，叫 Hashline。
@oh-my-pi/hashline 把它描述成一种 compact、line-anchored patch language。大概意思是，读文件的时候，每一行会带一个内容 hash；模型改文件时围绕 hash 做修改，少复述整段原文。
如果文件中途变了，hash 对不上，补丁会先被拒掉。
这不只是为了把 patch 写短，更重要的是多了一层稳定定位和校验。模型不可能永远把原文背得一字不差，所以工具层先加一道保险。
官方 benchmark 里提到，Grok 4 Fast 在同类任务中输出 token 少了 61%。这个数字我没有复现实验，所以这里只当成项目方口径，看趋势就行。
相比省 token，我更在意坏补丁能不能早点被挡下来。真在项目里用，少一次乱改，比少几百个 token 更重要。
最像 IDE 的地方
oh-my-pi 最像 IDE 的地方，在于它把 LSP 和 DAP 这两套 IDE 常用能力直接接进了 Agent 工具面。
官方将其拆分成两类：
lsp负责 diagnostics、navigation、symbols、renames、code actions、raw requests；debug负责 DAP 会话里的 breakpoints、stepping、threads、stack、variables。
这两个词听着偏底层，放到日常编码里其实很好理解。
LSP 负责回答代码结构是什么。 比如一个函数在哪里定义、被哪些地方引用、当前文件有哪些诊断、某个重命名会牵动哪些导入和 re-export。
以前 Agent 想改函数名，很多时候只能先 grep，再让模型判断这些命中是不是同一个符号。这个过程很容易混进注释、字符串、同名变量，尤其是 TypeScript 这种项目里，barrel export、路径别名、重导出一多，纯文本搜索就开始不够用了。
如果它能走 LSP 的 rename、references、diagnostics，至少拿到的是语言服务器眼里的代码关系。模型还是会判断错，但它不再完全站在文本外面猜。
这点对我挺重要。
让 Agent 写代码，我最担心它一本正经地猜调用关系，猜错了还继续往下写。LSP 至少给它一张更接近 IDE 的地图。
DAP 负责另一件事：运行时。
以前让 Agent 调试，它很容易走到一个套路：加日志，运行，看输出，再加日志。这个办法当然有用，但遇到 native 崩溃、Go 服务 hang 住、Python 进程卡住这种问题，只靠日志很慢。
有了 DAP，它至少可以打断点、单步执行、看线程、看调用栈、读变量。这里拿到的是运行时状态，不只是文本匹配结果。
当然，这不代表它就一定能把 bug 修好。只是它调试时看的东西，开始接近一个真人开发者会看的东西：先看停在哪，再看变量怎么变，最后再决定补丁怎么写。
所以我更愿意把这一块理解成“终端里的 IDE 能力”。它和后面的工具数量不是同一个维度。
后面那些 eval、task、browser、github 更像是 Agent 工作台；LSP 和 DAP 才是它最像 IDE 的核心。
工具非常丰富
多数 Agent 的内置工具都比较克制：读文件、搜文本、改文件、跑命令。再重一点的活儿，通常交给 MCP server。
omp 走的是另一条路。一共 32 个内置工具，看起来有点重，但也确实有几个工具挺有代表性。
先说 eval。它内置常驻 Python 和 Bun JS 内核，不是跑完就扔的一次性沙箱。更关键的是，这两个内核还能反过来调用 omp 自己的工具，比如 read、search、task。Agent 可以在 Python cell 里读 CSV，再切到 JavaScript cell 里处理数据，过程中不用离开会话。
task 和 irc 要放在一起看。task 负责 fan-out 子 Agent，每个 worker 可以跑自己的工具面，也可以隔离到单独 worktree。底层 isolation 支持 APFS clone、btrfs/zfs reflink、overlayfs、projfs、rcopy 这些路线。返回结果是 schema 校验过的对象，父 Agent 能直接读字段，不用再从一段自由文本里抠结果。
irc 这个名字挺复古，用途也简单：给同一进程里的多个 live Agent 发短消息。配合 task 用时，子 Agent 之间可以简单协调，不用所有信息都绕回父 Agent 再转译一遍。
browser 这块也比较猛。它基于 Puppeteer，默认开 stealth 模式，网页看到的更像普通用户，而不是 headless bot。同一套 API 还能接 CDP 驱动 Electron 应用。README 里的例子就很野：指向 Slack，Agent 就能像读网页一样读你的私信。
github 是我更喜欢的一块。它没有让模型再学一堆 gh_issue_view、gh_pr_view、gh_search，而是把 PR 当文件系统路径读。read pr://1428 拿到的结构，和 read src/foo.ts 是同一个思路；search 也能像遍历目录一样遍历 diff。这个抽象还延伸出了 pr://、issue://、agent://、skill://、rule://、conflict:// 等内部 scheme。
我顺手拿 JavaGuide 的一个 issue 试了下。它先读 issue，再去仓库里找对应 Markdown，接着顺着图片链接继续读。
还有个 advisor，可以挂一个 reviewer 模型。它每轮都看主 Agent 的输出，然后把提醒 inline 注入回来。它跑自己的上下文和自己的模型，专门挑主 Agent 漏掉的东西。这个设计有点像旁边坐了个只负责挑刺的人。
这些工具单独看不一定都新鲜，放在同一个工具面里就有点不一样了。读本地文件、读 PR、读子 Agent 结果，都尽量收敛到“读取资源”这个动作上，模型少学一堆奇怪接口。
但工具多也有另一面：路由层会更复杂，误调用工具的机会也会变多。所以我不建议第一次就全配上。
多模型、多工具、多记忆，听起来很爽，但配置、成本和权限都会跟着上来。尤其是 bash、write、edit、browser、github、ssh 这种工具，开之前最好想清楚它能碰到什么。
README 里也写了，部分工具默认关闭，比如 github、inspect_image、tts、checkpoint、rewind、search_tool_bm25、retain、recall、reflect，需要按项目打开。
真要收窄工具面，也可以用 --tools read,edit,bash,... 只暴露一部分。隐藏的工具会被索引起来，后面再按需通过 search_tool_bm25 找回来。
这个默认策略是对的。终端 Agent 最麻烦的地方往往不在能力少，而在权限给太多之后，自己也记不清它能碰哪里。
40+ 模型提供商，5 个角色路由
模型列表我一开始没想到会这么满。
不仅仅是 OpenAI、Anthropic、Gemini 这三家国外比较火的，像 Cursor、Copilot、Kimi Code、Moonshot、通义、Qwen Portal、GLM、小米 MiMo、Qianfan 这类编码订阅也能看到；本地模型这边，Ollama、LM Studio、llama.cpp、vLLM、LiteLLM 等等也有。
另外，它还支持 5 个角色路由，default、smol、slow、plan、commit。
我会把 default 当主力模型，平时读代码、改代码、问问题都先走它。smol 更适合丢给子 Agent 做批量查文件、扫信息这种小活儿，便宜一点、快一点就行，不指望它做复杂判断。
真遇到架构判断、难 bug、长上下文推理，再让 slow 上更强也更贵的模型。plan 用来先想清楚改哪几个文件、步骤怎么拆，commit 则留给 changelog、提交说明这种固定格式的文字活儿。
这样日常对话、子 Agent、深度推理、规划和提交说明就不用挤在一个模型上。它更像成本和质量分流，不会让模型本身凭空变强。主会话里按 Ctrl+P 就能轮着切，也可以用 /model 手动换。
我不会一上来就把这些都配满。先让 default 跑稳，再考虑 smol 和 slow。fallback chain、按路径 scope 模型、多 key 轮询这些东西看着很香，但第一天就全开，出问题时很难判断是哪一层在抽风。
怎么上手
安装就是一行命令的事，很简单。
macOS / Linux：
curl -fsSL https://omp.sh/install | shHomebrew：
brew install can1357/tap/ompBun：
bun install -g @oh-my-pi/pi-coding-agentWindows PowerShell：
irm https://omp.sh/install.ps1 | iex项目要求 bun >= 1.3.14，仓库根目录的 package.json 也写着 packageManager: bun@1.3.14。如果你用 Bun 安装，先看一下版本，别卡在环境上。
装好之后，找一个不那么重要的项目试就行。
cd your-project
omp第一次进去不会马上开始聊天，它会先让你做一个 setup。
先选要登录的 provider。这里可以连多个，比如 ChatGPT Plus/Pro、Anthropic、Z.AI、Kimi Code、OpenRouter、Copilot、Cursor 这些都会列出来。你已经配过环境变量的 provider，也会直接显示 logged in。
然后切到 Web search，选 web_search 工具优先走哪个搜索提供商。懒一点就选 Auto，它会用第一个已经配好的 web search provider；也可以手动选 Perplexity、Gemini、Anthropic、OpenAI、xAI、Z.AI、Exa。
这一步不用纠结太久。先把一个主模型和一个搜索 provider 跑通，比一上来把所有账号都接进去更稳。
配置完回到主界面后，我这里模型已经直接选好了，左侧显示的是 DeepSeek V4 Flash。
我一开始还愣了一下：我刚才好像没手动选 DeepSeek，为什么它自己配好了？
于是顺手问了它。它的解释大概是：oh-my-pi 内置了一份模型目录，启动时会按顺序找可用凭据，比如命令行参数、models.yml、之前 /login 保存的 key / OAuth、环境变量和几个 .env 文件。只要它发现 DEEPSEEK_API_KEY 这类变量能匹配上，就会把对应 provider 下的模型标成可用，再自动挑一个初始模型。
后面想换模型也不用重启，直接用 /model。它只会展示已经有可用凭据的模型，上面还能按 provider 切 tab。我这里能看到 DeepSeek、Z.AI、Ollama、LM Studio、llama.cpp 这些入口。
如果要看当前版本有哪些命令和参数，直接跑：
omp --help如果你之前用过 Claude Code、Codex CLI、Cursor、Windsurf、Gemini、Cline 这些工具，它还会去读磁盘上已有的 rules、skills 和 MCP servers。像 .claude、.cursor、.windsurf、.gemini、.codex、.cline、.github/copilot、.vscode 这些目录，都在它会看的范围里。
总结
写到这里，相信你对 oh-my-pi 已经有了大概的了解。
你可以将其看作是一个工具层很激进的开源终端编码 Agent。
它在终端里塞进了一套更接近 IDE 和工作台的工具面：Hashline 负责让补丁落得更稳，LSP 和 DAP 负责给 Agent 提供代码结构和运行时状态，github、browser、task、eval 这些工具则把 PR、网页、子 Agent、代码执行都收进同一个会话里。
当然，工具多也意味着权限面更大。github、browser、memory、ssh 这些东西，建议刚开始还是谨慎一些。尤其是 memory，记对了省事，记错了麻烦。
对于已经习惯终端工作流、愿意折腾模型、工具和权限的人，可以拿一个个人项目玩一下。只想要一个少配置、打开就能用的稳定工具，那 Claude Code 还是更省心。
oh-my-pi 现在最吸引我的地方，是它把开源 Agent 的工具层往前推了一步。东西多，野心大，亮点也很明确，但信任得一点点试出来。