有时候觉得，写代码和养孩子没什么区别，你得教它规矩，还得忍受它间歇性的“失忆”。

前言

最近这段时间，我一直在折腾自己的工作流。作为一名在 Roblox 圈子里混迹、偶尔还要兼顾游戏策划活儿的“杂家”，我的日常基本上就是在 Studio 里反复横跳。代码写多了，逻辑理顺了，但随之而来的问题也越来越明显——现在的 AI 助手确实很强，但它往往像个“临时工”。你每次开一个新的对话框，都要把项目背景、代码规范、之前的坑点重新交待一遍。这种感觉就像是你带了一个智商爆表但只有七秒记忆的徒弟，每天早上上班第一件事就是自我介绍，真的很累。

我现在的副标题是 Me.Lerp(Coder, GameProducer, Time);，在这个向制作人转型的过程中，我越来越意识到“管理效率”的重要性。不管是对人，还是对 AI。

为了解决这个问题，我先后给 OpenCode 装了两个插件：一个是负责编排多代理协作的 OhMyOpenCode（我习惯叫它 omo），另一个是负责持久化记忆的 opencode-mem（简称 mem）。用了一段时间，感觉确实打到了痛点上。我不是什么架构专家，下面这些就是我在项目里踩坑之后整理的一点私人记录。

OhMyOpenCode：从单兵作战到一支团队

在没装 omo 之前，OpenCode 对我来说就是一个很听话的“单点代理”。它能帮我写函数、找 Bug，但一旦任务稍微复杂一点，比如“帮我分析这个模块的性能瓶颈并查一下官方最新的 API 文档”，它就开始显得捉襟见肘。它得先搜索，再阅读，再思考，最后给结论。整个过程是线性的，效率说实话也就那样。

后来我装了 OhMyOpenCode。它的本质不是某个单一功能，而是一层“代理编排”。它把原来的单兵 AI 变成了一个有主管、也有若干专业子代理的小团队。

怎么让每个子代理各司其职？

安装倒是简单，在终端里敲一行就行：

# 顺便提一句，现在推荐用这个新命令
bunx oh-my-openagent install

装完之后，它会在 ~/.config/opencode/ 下生成一堆配置文件。最核心的是那个 oh-my-openagent.jsonc。为什么带个 c？因为它支持注释，这对我们这种记性不好的人太友好了。

在配置文件里，你可以定义不同的子代理（Sub-agents）。比如我会配一个专门跑 explore 的代理，给它分配较快的模型，让它去翻代码库、跑 grep；再配一个顾问类代理，用最强、最贵的模型（比如那个大家都懂的强推理模型），专门帮我做架构决策。

并行的好处在于，当我抛出一个复杂问题时，主代理会先把它拆成几块。你会看到终端里好几个任务同时启动：一个在后台翻我的本地脚本，一个在通过 MCP 工具查官方最新的技术文档，还有一个已经在根据现有的上下文构思重构方案了。

那个让我又爱又恨的“全力模式”

omo 里有一个指令叫 ultrawork，可以理解成“全力模式”。一旦下达，AI 就会一口气把问题啃到底，不达目标不收工。它会自我循环、自我纠错，直到完成预设目标。

有一次我处理一段绕得我头大的逻辑，分支条件多到自己都快理不清了。我直接开了 ultrawork 丢给它，然后去接了杯咖啡。等我回来，它已经自己跑了五六轮校验，把那一堆边界情况一个个对齐好了。把这种重复又繁琐的活儿交出去，确实省了不少心。

注：多代理协作虽然好用，但很考验你的配置文件。如果没把子代理的职责分清楚，它们会在后台重复劳动，而那些消耗掉的 token 都是要算钱的。

opencode-mem：给 AI 装上本地“大脑皮层”

如果说 omo 解决了“广度”和“速度”的问题，那 mem 解决的就是“深度”和“连续性”的问题。

就像我开头说的，AI 容易失忆。虽然 OpenCode 有上下文管理，但一旦会话长了，或者你开了新窗口，它就成了最熟悉的陌生人。opencode-mem 的出现，就是为了把那些项目里的“软知识”留存下来。

隐私与本地化：我最后的倔强

作为开发，我对把代码细节和项目逻辑传到云端做索引这件事一直挺敏感的。mem 最打动我的一点是，它用的是本地向量数据库（基于 SQLite）。所有的记忆提取、存储、搜索，全在自己机器上跑。对于要用在工作项目上的工具来说，这份安全感很重要。

安装方式也是典型的 OpenCode 风格，直接在 ~/.config/opencode/opencode.json 的插件列表里加一行就行：

{
  "plugin": [
    "opencode-mem" // 加这行，重启后它会自动处理剩下的事
  ]
}

它是怎么帮我记住那些“潜规则”的？

在项目开发中，有很多潜规则是文档里写不出来的。比如某个模块因为历史遗留问题不能直接改、某段流程因为特殊限制必须按固定套路走。这些东西，新人看不懂，AI 更猜不到。

以前我得反复叮嘱 AI。现在，我会用 memory add 把这些约定存进去，或者干脆让它在对话中自动学习。存的时候我尽量写得抽象、只讲方法论，不带任何具体的业务字段——毕竟这库虽然在本地，但好习惯还是得有。

下次我再让它写个新功能，它会在生成代码前自动去搜索相关的记忆，然后提醒我：“根据之前的记录，你定过这里要按某个固定流程来，我帮你把那部分逻辑补上了。”那种感觉，像是在和一个合作了很久、彼此有默契的搭档干活。

注：别指望 AI 自动能记住所有琐碎的事。最有效的办法是定期用 memory profile 查看它对你的认知，如果发现它记偏了，手动纠偏比等它慢慢学习要高效得多。

这种“化学反应”带来的质变

当 omo 遇上 mem，我的工作流发生了质的改变。

现在我启动一个任务，往往是这样的：

1. 我丢出一个需求。
2. mem 迅速检索出我之前定下的偏好和避坑指南。
3. omo 拿着这些“记忆”作为约束，指挥它的子代理团队开始并行作业。

这不再是“我教 AI 做事”，而更像是“我带了一个团队在攻坚”。我负责定方向、做最后的 Code Review，脏活累活、查文档、搜代码、对接口，全交给这套系统去跑。

虽然我还是偶尔要熬夜调 Bug，但起码不用再每天早上跟 AI 自我介绍了。

其实我们这些做技术的，折腾工具的初衷都很单纯：就是想腾出点时间，多去想想怎么让游戏更好玩，或者干脆多睡一小时觉。

注：工具是为人服务的，别本末倒置。如果你花在配置插件上的时间比省下来的还多，那就该停下来想想了。

写在结尾

这篇文章写得有点碎，基本上是边喝水边敲出来的随笔。我一直觉得，AI Agent 这种东西，不应该是一个高高在上的黑盒，它应该是我们手里的一把趁手的扳手，或者一个靠谱的后勤。

OhMyOpenCode 给了我“并行”的效率，opencode-mem 给了我“连续”的记忆。这两个插件合在一起，才让我觉得这个所谓的“AI 助理”真正开始落地生根了。如果你也觉得每天跟 AI 解释背景很烦，或者觉得单兵 AI 跑得太慢，真的可以试试这套组合。

虽然我依然在从程序员向制作人 Lerp 的路上慢慢磨，但有了这些好工具，起码这段路走得不那么孤独，也不那么累。

感谢你看完了我的这点絮叨。

每个人都要开开心心，快快乐乐的呀～！