oh-my-opencode-slim：轻量级 Agent 编排方案

适合读者: 个人开发者, 效率追求者, 预算敏感型用户, 想要快速上手 Agent 编排的新手

本文介绍 oh-my-opencode-slim 的轻量级 Agent 编排方案，帮助你理解其 Hub-and-Spoke 架构、关键特性以及与 oh-my-openagent 的对比选型策略。

背景

随着 Agent 编排概念的普及，社区出现了两种发展路径：一是 oh-my-openagent（OMO）这样功能完备的全能框架，二是 oh-my-opencode-slim 这样追求轻量高效的替代方案。

slim 由 alvinunreal 开发（6.5K⭐），定位是“预算敏感的轻量级 OpenCode 增强插件“。与 OMO 的“全都要“理念不同，slim 选择了一条截然不同的路——用预设驱动配置降低入门门槛，用 $30 Preset 控制使用成本，用 Hub-and-Spoke V2 架构简化 Agent 协作。

设计理念：简单即高效

slim 的核心设计原则可以概括为三个词：开箱即用、预算可控、够用就好。

Hub-and-Spoke V2

slim 采用 Hub-and-Spoke（轮毂-辐条）V2 架构，所有 Agent 围绕一个中心协调器工作：

flowchart TB
    subgraph Preset["Preset 驱动层"]
        P1[OpenAI Preset<br/>GPT-4o + GPT-4o-mini] --- P2[OpenCode Go Preset<br/>自定义 Provider]
    end

    subgraph Hub["Hub-and-Spoke V2 编排层"]
        direction TB
        S(Sisyphus<br/>协调器) --> E[Explorer<br/>代码探索]
        S --> C[Coder<br/>代码编写]
        S --> R[Reviewer<br/>代码审查]
        S --> D[Debugger<br/>调试诊断]
    end

    subgraph BG["后台 Agent 层"]
        direction LR
        CO[Companion<br/>伴生监控] --- RF[Reflect<br/>反思总结]
    end

    subgraph Tool["基础能力层"]
        direction LR
        LS[LazySkills<br/>按需加载] --- CT[Council<br/>多模型共识] --- WT[Worktrees<br/>隔离执行]
    end

    Preset --> S
    CO -.->|session:tick 驱动| S
    RF -.->|任务后回顾| S
    S --> LS
    S --> CT
    S --> WT

    style S fill:#4A90D9,color:#fff
    style E fill:#4A90D9,color:#fff
    style C fill:#4A90D9,color:#fff
    style R fill:#4A90D9,color:#fff
    style D fill:#4A90D9,color:#fff
    style CO fill:#50C878,color:#fff
    style RF fill:#50C878,color:#fff
    style P1 fill:#FF9F43,color:#fff
    style P2 fill:#FF9F43,color:#fff
    style LS fill:#A66CFF,color:#fff
    style CT fill:#A66CFF,color:#fff
    style WT fill:#A66CFF,color:#fff

7 个 Agent 的角色分工明确：

这种架构的优点是：Agent 间通信路径短（所有 Agent 都通过中心协调器交互），协作复杂度随 Agent 数量线性增长（而非指数级），适合中小规模的编排场景。

预设驱动配置

slim 将配置复杂度封装为两个预设（Preset），用户只需要选择预设，无需逐项配置 Agent 参数：

每个预设内置了：

• Agent 角色到模型的映射（哪些 Agent 用强模型，哪些用轻量模型）
• Token 预算分配策略（按 Agent 类型设定上限）
• 重试和超时策略（失败自动重试、超时切换备用模型）
• Skill 加载策略（LazySkills 按需加载）

用户只需要在 opencode.json 中引入 Preset 即可：

{
  "plugins": [
    {
      "name": "oh-my-opencode-slim",
      "preset": "openai" // 或 "opencode-go"
    }
  ]
}

$30 Preset：预算即架构

slim 最独特的设计是 $30 Preset——一个硬性的成本上限约束。这不是一个功能限制，而是一种架构选择。slim 的设计者认为，对个人开发者来说，每月 $30 是一个合理的 AI 编码工具预算。这个上限倒逼了 slim 在以下方面的优化：

• Token 预算按 Agent 类型差异化分配：Explorer 用轻量模型省钱，Coder 用强模型保证质量
• LazySkills：只在实际用到某个 Skill 时才加载其指令，避免上下文浪费
• 智能降级：某个模型达到预算上限后自动切换到备用模型，不中断工作流

关键特性

Background Agents（后台 Agent）

slim 支持在用户不主动交互时，Agent 在后台持续运行。例如：

• 你提交代码后，后台 Agent 自动运行测试并报告结果
• 你在写文档时，后台 Agent 自动检查当前分支的代码质量
• 你处理 A 任务时，后台 Agent 预加载 B 任务的上下文

与 OMO 的区别：OMO 的 Background Agent 需要通过 Ultrawork 或自定义工作流配置，slim 的 Background Agent 是内置特性，启用 Preset 后自动可用。

Companion Mode（伴生模式）

Companion 是 slim 最具特色的 Agent 角色之一。它不同于传统的“执行任务→返回结果“模式，而是：

1. 长期驻留：在会话整个生命周期内持续存在
2. 主动观察：监控文件变化、命令输出、Agent 行为模式
3. 上下文记忆：记住之前的决策和偏好，在新任务中复用
4. 低干扰介入：仅在关键节点触发提醒，不过度打断工作流

Companion 适合以下场景：

• 代码审查时，Companion 自动跟踪哪些文件被修改了
• 重构时，Companion 记住你之前的命名约定
• 调试时，Companion 记录你尝试过的方案和结果

Deepwork（深度工作模式）

Deepwork 在 slim 中指「无干扰的长时间专注执行」。Agent 进入 Deepwork 模式后：

• 关闭不必要的工具调用（MCP、文件读取等）
• 暂缓后台 Agent 的次要通知
• 聚焦单一目标直到完成，不主动切换上下文
• 在达到预设 Token 预算时自动停止并生成摘要

Reflect（反思机制）

slim 的 Reflect Agent 在每个任务阶段结束时自动回顾：

1. 行为回顾：刚才的执行过程中，哪些决策是正确的？哪些是有问题的？
2. 质量自评：输出结果的质量是否符合预期？是否有遗漏？
3. 改进建议：下次遇到类似任务，应该怎么做更好？
4. 模式积累：将有效的模式加入 Companion 的记忆，作为未来任务的参考

Reflect 的输出不打断主流程——它写入一个独立的日志，用户可以随时查看，也可以在需要时让 Reflect 主动提出修正建议。

Worktrees 集成

slim 原生支持 git worktree（工作树），为并行任务提供文件系统级的隔离：

• 每个 Agent 在自己的 worktree 中独立工作，互不干扰
• 任务完成后，PR 级别的变更合并只需要比较两个 worktree 的差异
• 避免多个 Agent 同时修改同一文件的冲突

LazySkills

传统 Skill 系统在会话启动时加载所有配置的 Skill，即使当前任务用不到。slim 的 LazySkills 机制改变了这一点：

• Skill 只在首次被调用时加载
• 加载后的 Skill 按使用频率缓存（高频 Skill 保持加载，低频 Skill 自动卸载）
• 上下文窗口压力大幅降低（实测约减少 30-40%）

Council（多模型共识）

slim 的 Council 机制允许多个不同模型的 Agent 对同一问题给出判断，通过投票或加权评分达成共识：

# Council 配置示例
council:
  enabled: true
  members:
    - model: gpt-4o
      weight: 1.0
    - model: claude-3-5-sonnet
      weight: 1.0
    - model: gemini-pro
      weight: 0.5
  consensus: majority  # majority | weighted | unanimous
  apply_to: [code_review, architecture_decision]

Council 的生产力价值在于：对于高风险决策（架构选型、安全审计），多模型交叉验证比单模型更可靠。对于日常编码任务，Council 默认关闭以节省成本。

与 oh-my-openagent 对比

这是一份更全面的对比，覆盖两个项目的核心差异：

何时选哪个

最佳实践

快速入门

1. 安装 slim：

   # 通过 OpenCode 插件安装
   opencode plugin install oh-my-opencode-slim
   

2. 选择 Preset：

   {
     "plugins": [
       {
         "name": "oh-my-opencode-slim",
         "preset": "openai"
       }
     ]
   }
   

3. 启动一次协作：在 OpenCode TUI 中直接描述需求，slim 自动按照 Hub-and-Spoke 模式调度 Agent 完成。

与 OMO 共存配置

slim 和 OMO 可以安装在同一个 opencode.json 中，但一次只能启用一个：

{
  // 简单项目使用 slim
  "plugins": [
    {
      "name": "oh-my-opencode-slim",
      "preset": "opencode-go"
    }
  ],
  // 注释掉的 OMO 配置，复杂项目时启用
  // "plugins": [
  //   "oh-my-openagent"
  // ]
}

切换时只需要注释/取消注释插件配置，不需要卸载。slim 和 OMO 的运行时各自独立，不会冲突。

节省成本的配置建议

• 启用 Council 仅用于高风险决策（架构评审、安全审计），日常任务关闭以节省 Token
• 合理使用 LazySkills：只安装你真正需要的 Skill，避免加载冗余 Skill 影响上下文
• 调整 Token 预算：如果 $30 不够用，可以在 Preset 中调整上限

小结

oh-my-opencode-slim 提供了一条与 oh-my-openagent 截然不同的 Agent 编排路径——用预设降低复杂度，用 $30 Preset 控制成本，用 Hub-and-Spoke 架构简化协作。它不是 OMO 的替代品，而是互补选择：简单项目用 slim 快速启动，复杂项目用 OMO 全量编排。

对于还在观望 Agent 编排的个人开发者和小团队，slim 的轻量特性大幅降低了尝试门槛。对于已经使用 OMO 的团队，slim 可以作为简单任务场景的备选，形成「重轻搭配」的工具矩阵。

关联章节

• ← oh-my-openagent 集成 — OMO 的完整配置指南（含 slim 对比）
• ← 环境搭建 — 在 Ch3 选择适合你的搭建方案
• → 多 Agent 协作 — 传统多 Agent 协作模式与 slim 的 Hub-and-Spoke 对比
• → 自定义工作流 — 如果需要 slim 无法覆盖的场景，自定义工作流是进阶方向
• → OpenCode 生态参考 — 包含 slim 在 Plugin 生态中的详细定位