Oh My Codex：从对话到协作的AI编码指挥系统
开源项目 Oh My Codex 作为 OpenAI Codex CLI 的增强层，通过预设专业角色、标准化工作流和团队工作树等机制，将 AI 编码从单点对话转变为可编排的多智能体协作工程实践。
在 AI 编码工具快速发展的背景下，开发者的工作模式正经历关键转变：从与单个聊天机器人对话，转向指挥一支自动化的 AI 专家团队。由韩国开发者 Yeachan Heo 主导的开源项目 Oh My Codex（OMX），正是这一趋势的集大成者。它并非 Codex 的替代品，而是其增强层，旨在构建一套完整的 AI 编码指挥系统。
OMX 的核心逻辑在于“编排”。它预设了 30 多个专业角色（如架构师、安全审计员）和 40 多项工作流技能，将通用模型调用转变为调度一个分工明确的工程团队。这种角色专精化是解决复杂工程问题的关键路径。
项目提炼了一套标准化的“三部曲”工作流，以将模糊意图转化为确定代码。流程始于 $deep-interview，进行意图优先的深度访谈以澄清需求边界。随后进入 $ralplan 阶段，将澄清后的需求转化为可执行的架构计划并进行权衡审查。最后，根据任务规模选择 $team（多智能体并行执行）或 $ralph（单一负责人持续推动）来完成工作。这种流程化思维使 AI 编码成为可预测的工程实践。
为应对多智能体协作中的代码冲突，OMX 引入了“团队工作树”机制。每个 AI 协作成员都在一个隔离的 Git 工作树中运行，OMX 会自动进行增量合并跟踪和冲突检测，使得 AI 能够像真正的开发团队一样并行工作。
此外，OMX 在项目根目录下维护 .omx/ 文件夹，用于持久化存储计划、日志、内存和运行时状态。这解决了大模型“随聊随忘”的痛点，为复杂重构和长期维护提供了关键的持久化上下文。
OMX 通过 --madmax 和 --high 等模式，允许开发者根据任务难度调节推理强度和并发度，实现了计算成本与任务复杂度的精细化匹配。这指向了未来软件开发效率竞争的一个核心：管理 AI 算力的精度。真正的效率提升，在于需求澄清与执行编排之间的逻辑严密性，而 OMX 正是这一理念的工程化体现。
