ohmyclaw

name	ohmyclaw
description	OpenClaw 용 멀티프로바이더/멀티계정 라우팅 하네스. Z.ai 코딩플랜(Lite/Pro/Max) 모델 매트릭스 + ChatGPT Codex OAuth 다중 계정 풀(round-robin/cooldown/fan-out) + 추론 인식 모델 선택 + Plan→Work→Review 오케스트레이션 + 5관점 리뷰와 갭 감지. Use when: (1) Z.ai GLM 코딩 작업, (2) 다중 ChatGPT/Z.ai 계정으로 rate limit 분산, (3) 한국어 코딩/리뷰/리팩토링, (4) Plan→Work→Review 사이클로 다단계 작업 분해, (5) 같은 태스크를 여러 계정에 fan-out. NOT for: (a) 단순 1-line 수정, (b) read-only 탐색, (c) Z.ai/Codex 가 아닌 다른 프로바이더 단독 작업.
metadata	{"openclaw":{"emoji":"🦞","requires":{"anyBins":"[Truncated]"},"install":["[Truncated]"]}}

ohmyclaw — OpenClaw Multi-Provider/Multi-Account Harness

OpenClaw 의 @openclaw/zai-provider (와 선택적 ChatGPT Codex OAuth) 위에 올라가는 에이전트 하네스입니다. 다음을 한 번에 제공합니다:

• Z.ai 코딩플랜(Lite/Pro/Max) 멀티티어 라우팅
• ChatGPT Codex OAuth 다중 계정 풀 (round-robin / cooldown / fan-out)
• 추론 인식 모델 선택 (한/영 키워드 기반)
• Plan→Work→Review 파이프라인 + 5관점 리뷰 + 갭 감지
• OMX 호환 브릿지 알림

철학: bash 직역 거부. 결정론적 라우팅(routing.json + select-model.sh)과 계정 풀 (pool.sh) 은 코드로, 워크플로(계획/구현/리뷰/갭 수정) 는 본 스킬의 instructions 로 LLM 에이전트에게 가이드합니다.

1. Activation

$ohmyclaw 으로 호출되거나, 아래 조건이 감지되면 자동 활성화됩니다:

• 사용자가 "Z.ai" / "GLM" / "코딩플랜" / "lite/pro/max" 언급
• 한국어 비율 > 50% 인 코딩 태스크
• 다단계 작업이지만 단순 coding-agent 가 아닌 Plan→Work→Review 가 필요한 경우

본 스킬은 대화 시작 시 한 번 다음을 확인합니다:

# 현재 활성 플랜 확인
echo "ZAI_CODING_PLAN=${ZAI_CODING_PLAN:-pro}  CODEX_OAUTH_ENABLED=${CODEX_OAUTH_ENABLED:-false}"

# routing.json 위치 확인
ls "$(dirname $0)/routing.json" 2>/dev/null || \
  ls skills/ohmyclaw/routing.json

확인 안 되면 ## 12. Doctor 섹션의 preflight 를 수행하세요.

슬래시 명령어 (Telegram/Discord/Web 공통)

모든 명령어는 /ohmyclaw 네임스페이스 아래에 있습니다 (다른 스킬의 /hud 등과 충돌 방지).

명령어	자연어	실행	출력
/ohmyclaw	"ohmyclaw 상태" "사용량 보여줘"	$SKILL/hud.sh	플랜/계정/quota/모델 대시보드
/ohmyclaw compact	"상태 한 줄"	$SKILL/hud.sh --compact	🦞 PRO | zai:230K | codex:32K | 3%
/ohmyclaw route <task>	"이거 어떤 모델?"	$SKILL/select-model.sh "<task>" auto --json	라우팅 JSON
/ohmyclaw pool	"계정 상태"	$SKILL/pool.sh status	풀 + cooldown 표
/ohmyclaw doctor	"점검해줘"	§ 12 bash snippet	10항목 점검
/ohmyclaw exec <task>	"이거 해줘"	§ 7 → executor.md	직접 실행
/ohmyclaw plan <task>	"계획 세워줘"	§ 7 → planner.md	계획 수립
/ohmyclaw plan --consensus	"합의해서 계획"	§ 7 → planner→architect→critic	합의 루프
/ohmyclaw review	"리뷰 좀"	§ 7 → reviewer.md	5관점 + 갭 감지
/ohmyclaw team N <task>	"3명이서 해"	§ 7 → team-*.md	병렬 워커
/ohmyclaw ralph <task>	"끝까지 해"	§ 7 → executor+verifier	루프
/ohmyclaw debug <task>	"버그 잡아"	§ 7 → debugger.md	4단계 RCA

에이전트 인식 규칙: 사용자가 /ohmyclaw 로 시작하는 명령어를 입력하면 ohmyclaw 스킬의 스크립트를 즉시 bash 로 실행하고 결과를 보여줍니다. OMC 의 /hud 와 혼동 금지 — /ohmyclaw 는 반드시 ohmyclaw 스킬 경로(~/.openclaw/skills/ohmyclaw/ 또는 ~/.openclaw/repos/ohmyclaw/skills/ohmyclaw/)의 스크립트를 실행합니다.

자연어 매핑: "ohmyclaw 사용량" → /ohmyclaw, "모델 뭐로?" → /ohmyclaw route, "계정 상태" → /ohmyclaw pool

주의: /hud 단독은 OMC HUD 입니다. ohmyclaw 대시보드는 반드시 /ohmyclaw 으로 호출하세요.

---

2. Plan tiers

플랜	가격	모델	일일 토큰	동시 워커	full 파이프라인
Lite	$3/월	GLM-5 Turbo, GLM-5	1.5M	2	⚠️ 제한
Pro	$15/월	+ GLM-5.1	8M	4	✅
Max	$30/월	풀 모델 + 우선 슬롯	25M	7	✅

가입: https://z.ai/subscribe?ic=OTYO9JPFNV

활성 플랜 변경:

# 환경변수 (세션 한정)
export ZAI_CODING_PLAN=pro

# 영구 (~/.zshrc 또는 .envrc)
echo 'export ZAI_CODING_PLAN=pro' >> ~/.zshrc

# Codex OAuth 병행 활성화 (ChatGPT Plus/Pro 보유 시)
export CODEX_OAUTH_ENABLED=true

Lite 플랜 사용자: GLM-5.1 미포함입니다. routing.json 의 plan_block 규칙이 자동으로 glm-5.1 → glm-5 로 강등합니다.

---

3. Routing core

본 스킬의 결정론적 라우터는 select-model.sh 입니다. 모델/플랜/매트릭스/추론 키워드는 routing.json 단일 소스에서 읽습니다.

3-1. 단일 태스크 라우팅

SKILL_DIR="$(dirname $(realpath skills/ohmyclaw/SKILL.md))"

# 가장 단순한 호출 (auto 카테고리, 환경변수 사용)
"$SKILL_DIR/select-model.sh" "REST API 인증 미들웨어 설계" auto

# 명시적 카테고리 + 플랜
"$SKILL_DIR/select-model.sh" "분산 합의 알고리즘 정합성 증명" reasoning --plan=max

# Codex OAuth 활성 + JSON 출력
"$SKILL_DIR/select-model.sh" "전체 인증 시스템 마이그레이션 설계" coding_arch --plan=pro --codex --json

JSON 출력 예시:

{
  "model": "gpt-5.5",
  "category": "reasoning",
  "complexity": { "score": 8, "tier": "MEDIUM" },
  "koreanRatio": 1.0,
  "reasoningHeavy": true,
  "activePlan": "pro",
  "codexOauthEnabled": true,
  "reason": "reasoning_heavy + codex (P82, OMX frontier, extended thinking)",
  "fallbackChain": ["gpt-5.5", "gpt-5.4", "glm-5.1", "glm-5", "glm-5-turbo"]
}

3-2. 라우팅 매트릭스 (Pro 기준)

카테고리	LOW	MEDIUM	HIGH
코딩 (일반)	glm-5-turbo	glm-5	glm-5.1
코딩 (아키텍처)	glm-5	glm-5.1	glm-5.1
한국어 NLP	glm-5-turbo	glm-5	glm-5.1
추론	glm-5-turbo	glm-5	glm-5.1
디버깅	glm-5-turbo	glm-5	glm-5.1
보안	glm-5	glm-5.1	glm-5.1
콘텐츠 생성	glm-5-turbo	glm-5	glm-5.1
데이터 분석	glm-5-turbo	glm-5	glm-5.1

• Lite: HIGH 슬롯 전부 glm-5 로 강등 (GLM-5.1 미포함)
• Max: MEDIUM 코딩/리뷰도 적극적으로 glm-5.1 사용
• +Codex: 코딩(아키/일반 HIGH), 디버깅(HIGH), 보안(MEDIUM/HIGH), 추론(HIGH), 데이터분석(HIGH) → gpt-5.5 (OMX frontier; gpt-5.4 는 legacy fallback)

전체 매트릭스: routing.json#matrix.<plan> 참조.

3-3. 우선순위 규칙 (first-match)

1. P100 — 사용자 명시 오버라이드 (--plan= / --codex)
2. P95 — 활성 플랜 미허용 모델 자동 강등
3. P90 — 한국어 비율 >70% + NLP/콘텐츠 → GLM 시리즈 우선
4. P82 — 🧠 reasoning_heavy + Codex 활성 → gpt-5.5 (OMX frontier, extended thinking)
5. P81 — 🧠 reasoning_heavy + Pro/Max → glm-5.1
6. P81b — 🧠 reasoning_heavy + Lite → glm-5 (상한)
7. P80 — Codex 활성 + 고난도 아키/보안/추론/분석 → gpt-5.5
8. P75 — Pro/Max + HIGH 복잡도 → glm-5.1
9. P70 — Lite + HIGH → glm-5 (상한)
10. P50 — LOW → glm-5-turbo
11. P0 — 기본 → glm-5

---

4. Reasoning-aware routing

본 스킬의 핵심 차별화. 복잡도 점수가 LOW 라도 추론 신호가 감지되면 reasoning_score 최상위 모델로 격상합니다 (짧지만 어려운 증명/알고리즘 태스크 대응).

4-1. 감지 키워드

• 한국어: 증명, 알고리즘, 복잡도, 수학, 최적화, 정합성, 상태 머신, 동형, 불변조건, race condition, 분산 합의, 정렬 증명, lock-free, Byzantine
• 영문: prove, proof, invariant, complexity, big-O, algorithm, optimization, theorem, derive, tradeoff, distributed consensus, lock-free, byzantine
• 카테고리 힌트: reasoning, coding_arch, data_analysis, security

4-2. 점수 계산

• 한국어 키워드 매치: +2
• 영문 키워드 매치: +2
• 카테고리 힌트: +1
• 합산 ≥ 2 → reasoning_heavy = true

4-3. 격상 분기

조건	선택 모델	근거
reasoning_heavy + Codex 활성	gpt-5.5	OMX DEFAULT_FRONTIER_MODEL (점수표 없음, frontier role)
reasoning_heavy + Pro/Max	glm-5.1	reasoning 95 (Z.ai 자체 매트릭스 최상위)
reasoning_heavy + Lite	glm-5 (상한)	Lite 플랜 cap

Codex fallback 시 gpt-5.4 (legacy) → glm-5.1 순으로 강등.

전체 정의: routing.json#reasoningDetection

---

5. Codex OAuth overlay (선택)

ChatGPT Plus($20/월) 또는 Pro($200/월) 구독 보유 시, OpenAI Codex CLI OAuth 로 gpt-5.5 (OMX DEFAULT_FRONTIER_MODEL) 을 추가 비용 없이 병행할 수 있습니다. gpt-5.4 는 legacy fallback 으로 유지됩니다.

5-1. 셋업 (한 번만)

# 1) Codex CLI 설치
brew install codex                  # macOS
# 또는: npm install -g @openai/codex

# 2) OAuth 로그인 (브라우저 흐름)
codex login
# → ChatGPT 계정으로 로그인 → "Authorize Codex CLI" 클릭
# → ~/.codex/auth.json 생성 확인
codex whoami

# 3) (선택) 두 번째 계정으로 rate limit 분산
CODEX_HOME=~/.codex-acct2 codex login

# 4) 본 스킬에 알리기
export CODEX_OAUTH_ENABLED=true

5-2. 오버레이 동작

CODEX_OAUTH_ENABLED=true 일 때 아래 슬롯이 gpt-5.5 로 자동 오버레이됩니다 (codex CLI 가 5.5 미인식 시 → gpt-5.4 legacy fallback):

카테고리	복잡도	Z.ai 단독	+ Codex
coding_arch	MEDIUM/HIGH	glm-5.1	gpt-5.5
coding_general	HIGH	glm-5.1	gpt-5.5
debugging	HIGH	glm-5.1	gpt-5.5
security	MEDIUM/HIGH	glm-5.1	gpt-5.5
reasoning	HIGH	glm-5.1	gpt-5.5 🧠
data_analysis	HIGH	glm-5.1	gpt-5.5 🧠

🧠 = extended thinking. gpt-5.5 는 OMX (oh-my-codex) 의 DEFAULT_FRONTIER_MODEL 로 박혀있어 점수표 추정 없이 frontier role 그대로 사용.

rate limit 보호: Codex 동시 워커는 최대 3개로 제한 (routing.json#concurrency)

5-3. 트러블슈팅

증상	해결
codex: command not found	brew install codex 또는 npm i -g @openai/codex
401 Unauthorized 간헐	codex login 재실행 (refresh token 30일)
No subscription found	Free 계정. Plus/Pro 결제 후 재시도
Rate limit 초과	§ 6 멀티 계정 풀 사용

5-4. Experimental Claude Code CLI delegation (opt-in)

상태: 실험적 / 기본 비활성 / 언제든 제거 가능

공식 Claude Code CLI 를 로컬에서 직접 실행하는 delegation 경로만 다룹니다. 제3자 도구에서의 구독 사용 정책이 바뀌면 이 경로는 막히거나 지원 중단될 수 있습니다. 따라서 ohmyclaw 에서는 기본 라우팅으로 쓰지 않고, 명시 opt-in 일 때만 제한적으로 노출합니다.

활성화 조건:

export CLAUDECLI_DELEGATION_ENABLED=true
# routing.json 의 accounts.pools.claudecli.accounts[0].enabled=true
claude login

제한:

• 기본 경로 아님, fallback 우선
• HIGH 난도의 reasoning, coding_arch, security 만 제한적으로 오버레이
• direct OAuth token ingestion 금지, 공식 CLI 세션만 사용
• helper: skills/ohmyclaw/claude-delegate.sh

예시:

SKILL=skills/ohmyclaw
MODEL=$($SKILL/select-model.sh "보안 경계 재설계" security --claudecli --json)
$SKILL/claude-delegate.sh "보안 경계 재설계" --cwd="$PROJECT"

---

6. Multi-account routing (계정 풀)

같은 모델을 여러 계정에 분산 해서 rate limit 을 회피하거나, 같은 태스크를 여러 계정에 동시 발사(fan-out) 할 수 있습니다. 본 기능은 pool.sh 가 담당합니다.

6-1. 풀 정의

routing.json#accounts.pools 에서 각 프로바이더 풀과 계정을 선언합니다:

{
  "accounts": {
    "pools": {
      "zai": {
        "providerId": "zai",
        "modelPrefixes": ["glm-"],
        "accounts": [
          { "id": "zai-primary",   "authType": "oauth_zai", "openclawProfile": "default", "plan": "pro",  "weight": 10, "enabled": true },
          { "id": "zai-secondary", "authType": "api_key",                
                             
        
      
       
         
         
         
         
                             
                     
        
      
    
  

모델 → 풀 매핑: prefix 기반. glm-* → zai 풀, gpt-* → codex 풀. 다른 모델은 reject.

6-2. pool.sh 액션

SKILL=skills/ohmyclaw
P=$SKILL/pool.sh

# round-robin pick — 모델만 주면 풀 자동 선택
$P next glm-5.1
# → zai-primary|oauth_zai|default|pro|10
#    (id|authType|authValue|plan|weight)

$P next gpt-5.5   # CODEX_OAUTH_ENABLED=true 필요 (gpt-5.4 도 동일 풀)
# → codex-primary|oauth_codex|/Users/me/.codex|any|10

# 풀 + 계정 상태 확인
$P status
$P status zai

# rate limit hit → cooldown 마킹 (지수 백오프, 최대 600s)
$P cooldown zai-primary

# cooldown 해제
$P release zai-primary

# state 전체 리셋
$P reset

# fan-out: 풀의 enabled 계정 전부 출력 (병렬 발사용)
$P fanout zai

state 파일: ${OHMYCLAW_STATE_DIR:-~/.cache/ohmyclaw}/pool-state.json

6-3. select-model + pool.sh 체이닝 (가장 일반적인 패턴)

SKILL=skills/ohmyclaw

# 1. 모델 선택
MODEL=$($SKILL/select-model.sh "$TASK" auto --plan=$PLAN ${CODEX:+--codex})

# 2. 해당 모델의 계정 픽
ACCOUNT_LINE=$($SKILL/pool.sh next "$MODEL")
ACCOUNT_ID=$(echo "$ACCOUNT_LINE" | cut -d'|' -f1)
AUTH_TYPE=$(echo "$ACCOUNT_LINE" | cut -d'|' -f2)
AUTH_VALUE=$(echo "$ACCOUNT_LINE" | cut -d'|' -f3)

# 3. 인증 적용 + 실행
case "$AUTH_TYPE" in
  oauth_zai)
    # OpenClaw profile 사용
    openclaw-profile activate "$AUTH_VALUE"
    bash pty:true command:"pi --provider zai --model $MODEL '$TASK'"
    ;;
  oauth_codex)
    # CODEX_HOME 분리
    CODEX_HOME="$AUTH_VALUE" bash pty:true command:"codex exec --model=$MODEL '$TASK'"
    ;;
  api_key)
    # 환경변수 주입
    export ZAI_API_KEY="${!AUTH_VALUE}"
    bash pty:true :
    ;;



 [[ $? -ne 0 ]]; 
  /pool.sh cooldown 
  ACCOUNT_LINE=$(/pool.sh next )
  

6-4. Round-robin / Cooldown 동작

• Round-robin: 풀의 enabled 계정을 인덱스 modulo 회전. state 에 roundRobinIndex 저장.
• Cooldown: 실패 시 consecutiveFailures 증가, 백오프 = min(base × multiplier^(failures-1), maxCooldown). 기본: 60s → 120s → 240s → 480s → 600s (cap).
• 자동 해제: cooldown 만료 시 자동으로 다시 후보. 명시 해제는 release.
• 빈 풀: 모든 enabled 계정이 cooldown 이거나 enabled=false 면 next 가 에러.

6-5. Fan-out 패턴 (대량 분산)

같은 태스크를 여러 계정에 동시 발사:

# zai 풀의 모든 enabled 계정에 동시 발사 (3 워커 병렬)
SKILL/pool.sh fanout zai | while IFS='|' read -r id authType authValue plan weight; do
  bash pty:true workdir:~/project background:true command:"
    case '$authType' in
      oauth_zai) openclaw-profile activate '$authValue' ;;
    esac
    pi --provider zai --model glm-5.1 '$TASK'
  "
done

# 모든 응답 수집 후 reviewer 가 합치거나 best 선택
process action:list

fan-out 권장 시점: 같은 태스크를 다른 계정으로 한 번씩 돌려서 결과를 비교하고 싶을 때 (consensus / cross-validation), 또는 한 계정 quota 가 부족할 때 분할.

6-6. 새 계정 등록 절차

Z.ai 보조 키 추가:

export ZAI_API_KEY_2="zai_..."
# routing.json 에서 zai-secondary 의 enabled 를 true 로 변경

ChatGPT 두 번째 계정:

# 1. 별도 디렉토리로 로그인
CODEX_HOME=~/.codex-acct2 codex login
ls ~/.codex-acct2/auth.json   # 확인

# 2. routing.json 에서 codex-secondary 의 enabled 를 true 로 변경

# 3. 검증
CODEX_OAUTH_ENABLED=true skills/ohmyclaw/pool.sh status codex

6-7. 전략 선택

전략	언제	pool.sh 액션
round_robin (기본)	rate limit 분산, 계정별 부하 균등화	next <model>
fan_out	consensus, cross-validation, 대량 분할	fanout <providerId>
cooldown only	단일 계정 + 실패 추적만 필요	next + cooldown

---

7. Composable execution verbs (OMX-style)

기존 Plan→Work→Review 고정 파이프라인 대신, OMX (oh-my-codex) 의 composable verb 패턴을 채택합니다. 사용자가 동사를 선택하고, 각 동사가 prompts/ 의 role prompt 를 합성합니다.

왜 고정 파이프라인을 버렸나: OMX 의 교훈 — "사용자가 verb 를 고르는 게 더 유연하다". Plan 없이 바로 exec, review 만 따로, team 으로 병렬 — 동사별로 다른 prompt 를 조합하면 됨.

7-1. 동사 × Prompt 매핑

동사	사용법	합성 Prompt	모델 카테고리
$ohmyclaw exec	$ohmyclaw exec "REST API 인증 미들웨어"	executor.md 단일	auto
$ohmyclaw team N:role	$ohmyclaw team 3:executor "타입 3개 동시 추가"	team-orchestrator.md + N × team-executor.md	reasoning / auto
$ohmyclaw ralph	$ohmyclaw ralph "E2E 테스트 통과까지"	executor.md + verifier.md 루프	auto + reasoning
$ohmyclaw plan	$ohmyclaw plan "API gateway 마이그레이션"	planner.md 단일	reasoning
$ohmyclaw plan --consensus	$ohmyclaw plan --consensus "마이그레이션"	planner.md → architect.md → critic.md 합의	reasoning + coding_arch
$ohmyclaw deep-interview	$ohmyclaw deep-interview "기능 정의 명확화"	planner.md (ambiguity gating 부분만)	reasoning
$ohmyclaw review	$ohmyclaw review src/	reviewer.md (5관점 + 갭 감지)	reasoning
$ohmyclaw debug	$ohmyclaw debug "TypeError at user.ts:42"	debugger.md (4단계 RCA, 3회 circuit breaker)	debugging
$ohmyclaw verify	$ohmyclaw verify "빌드+테스트 통과"	verifier.md (PASS / FAIL / PARTIAL)	reasoning

자세한 합성 규칙과 모델/계정 선택 패턴: prompts/README.md 참조.

7-2. Spawn 패턴 (모든 동사 공통)

ohmyclaw 는 기본적으로 에이전트가 직접 실행 합니다 (sub-agent spawn 없이). 라우터로 모델을 결정하고, 직접 코드를 읽고 쓰면서 해당 prompt 의 instructions 를 따릅니다.

직접 실행 (기본 — 권장)

SKILL=skills/ohmyclaw

# 1. 모델 결정 (어떤 모델이 적절한지 판단용 — 에이전트 자체가 실행)
MODEL=$($SKILL/select-model.sh "$TASK" <category> --plan=$PLAN ${CODEX:+--codex})
echo "추천 모델: $MODEL"

# 2. 에이전트가 직접 prompts/<role>.md 를 읽고 따릅니다
# → Read prompts/executor.md 또는 prompts/reviewer.md 등
# → 해당 prompt 의 <execution_loop> 대로 진행

에이전트가 직접 실행하므로 ACP agent spawn 이 필요 없습니다.

Sub-agent spawn (병렬 작업 시 — codex/claude/pi CLI 사용)

team 이나 ralph 처럼 병렬 또는 background 실행이 필요할 때만 CLI 를 spawn 합니다:

SKILL=skills/ohmyclaw
MODEL=$($SKILL/select-model.sh "$TASK" auto --plan=$PLAN ${CODEX:+--codex})

# Codex 로 spawn (PTY 필수)
bash pty:true workdir:"$PROJECT" background:true command:"codex exec --full-auto '$TASK'"

# Claude Code 로 spawn (PTY 불필요, 실험 경로는 helper 사용 권장)
bash workdir:"$PROJECT" background:true command:"skills/ohmyclaw/claude-delegate.sh '$TASK' --cwd='$PROJECT'"

# Pi 로 spawn (PTY 필수)
bash pty:true workdir:"$PROJECT" background:true command:"pi '$TASK'"

어떤 CLI 를 쓸지는 모델에 따라 결정:

• glm-* 모델 → pi (Z.ai provider 활성) 또는 codex (OpenAI compatible endpoint)
• gpt-5.5 / gpt-5.4 모델 → codex (Codex CLI + ChatGPT OAuth)

계정 풀 연동 (선택)

# 모델에 맞는 계정 선택 (round-robin)
ACCT=$($SKILL/pool.sh next "$MODEL")
ID=$(echo "$ACCT" | cut -d'|' -f1)
AUTH_TYPE=$(echo "$ACCT" | cut -d'|' -f2)
AUTH_VAL=$(echo "$ACCT" | cut -d'|' -f3)

# 인증 적용
case "$AUTH_TYPE" in
  oauth_zai)   openclaw-profile activate "$AUTH_VAL" ;;
  oauth_codex) export CODEX_HOME="$AUTH_VAL" ;;
  api_key)     export ZAI_API_KEY="${!AUTH_VAL}" ;;
esac

# 실패 시 cooldown + 다음 계정
[[ $? -ne 0 ]] && $SKILL/pool.sh cooldown "$ID"

7-3. $ohmyclaw ralph — 끝까지 루프

  ┌──────────────┐
  │  executor    │ ← prompts/executor.md
  │  (구현)      │
  └──────┬───────┘
         ↓
  ┌──────────────┐
  │  verifier    │ ← prompts/verifier.md
  │  (검증)      │
  └──────┬───────┘
     ┌───┴───┐
     │PASS?  │
     └───┬───┘
      예 │     │ 아니오
         ↓     ↓
     COMPLETE   다시 executor (max N 회)
                lite=2 / pro=3 / max=4

• fixLoopMaxIterations: routing.json#plans 참조
• N 회 소진 → ESCALATED → openclaw system event ... --mode now

7-4. $ohmyclaw plan --consensus — 합의 루프

  planner → architect → critic
      ↑_________________________↓ (REJECT → planner 재시도, max 3 라운드)

• planner.md 가 초안 작성 → .omx/plans/<name>.md 저장
• architect.md 가 read-only 분석 + 트레이드오프 표
• critic.md 가 OKAY / REJECT 판정
• --interactive 플래그 시 사용자 승인 게이트 추가

7-5. $ohmyclaw team — 병렬 워커

• team-orchestrator.md 1 인스턴스가 리더
• team-executor.md × N 인스턴스가 워커
• 워커 간 context isolation (다른 워커 작업물 못 봄)
• 동시 워커 수: 활성 플랜의 concurrency.maxWorkers 자동 적용 (lite=2, pro=4, max=7)

7-6. $ohmyclaw review — 5관점 + 갭 감지

reviewer.md 가 단일 패스로 5 stage 를 수행합니다:

1. Spec compliance — 요구사항 커버 여부
2. Security (OWASP) — 비밀 키, injection, auth
3. Quality — 로직 결함, 에러 핸들링, SOLID
4. Maintainability — 명명, 복잡도, 테스트 가능성
5. Gap detection — assumption_injection / scope_creep / direction_drift / missing_core / over_engineering

Verdict: APPROVE / REQUEST_CHANGES / GAP_DETECTED

갭 발견 시:

openclaw system event \
  --text "[gap_detected] ${GAP_TYPE}: ${GAP_REASON}" --mode now

→ 1회 fix loop 후에도 남아있으면 ESCALATED.

---

8. Provenance (OMC + OMX 어디서 왔나)

본 스킬의 prompts 와 동사 어휘는 두 소스에서 영감을 받았습니다:

출처	가져온 것	어떻게 적응
OMX (oh-my-codex, MIT)	prompts/ XML contract 포맷, verb 패턴 ($ralph/$team/$plan), role 분리 (executor/verifier/architect/critic)	카피 + ## ohmyclaw integration 블록, 모델/계정 선택 통합
OMC (oh-my-claudecode)	ralph loop, deep-interview gating, team isolation, ultraqa cycling, ai-slop-cleaner 원칙	동사 이름 공유, reviewer.md Stage 5 갭 감지
우로보로스 하네스	갭 유형 5종 (assumption_injection, scope_creep, direction_drift, missing_core, over_engineering)	reviewer.md Stage 5 로 통합

원본 참조: https://github.com/Yeachan-Heo/oh-my-codex (MIT)

---

9. Bridge notifications (OMX 호환)

본 스킬은 OMX (oh-my-codex) 의 OpenClaw 통합 contract 를 따라 lifecycle 이벤트를 발신합니다.

9-1. 활성 게이트

export OMX_OPENCLAW=1                       # 필수
export OMX_OPENCLAW_COMMAND=1               # command gateway 사용 시
export HOOKS_TOKEN="<bearer-token>"
export OMX_OPENCLAW_COMMAND_TIMEOUT_MS=120000

9-2. 상태 → 훅 매핑

상태 전이	OMX 훅
IDLE → PLANNING	session-start
WORKING → ESCALATED	ask-user-question
→ COMPLETE	session-end
사용자 취소 / kill	stop
agent idle > 60s	session-idle

9-3. 발신 예시

# session-start (Plan 단계 진입)
openclaw system event \
  --text "[session-start|exec] project=${PROJECT} cycle=${CYCLE_ID}\n요약: ${SUMMARY}\n우선순위: ${TOP_TASKS}\n주의사항: ${RISKS}" \
  --mode now

# ask-user-question (ESCALATED)
openclaw system event \
  --text "[ask-user-question|exec] session=${SESSION_ID} question=${Q}\n핵심질문: ${CORE_Q}\n영향: ${IMPACT}\n권장응답: ${RECOMMENDED}" \
  --mode now

# session-end (COMPLETE)
openclaw system event \
  --text "[session-end|exec] reason=success\n성과: ${OUTCOME}\n검증: ${VERIFICATION}\n다음: ${NEXT_ACTIONS}" \
  --mode now

9-4. 한국어 우선 instruction

OMX 의 Korean-first 패턴을 따릅니다. 모든 hook instruction 은 한국어로 발신하고, 구조화된 필드를 사용합니다 (요약/우선순위/주의사항/성과/검증/다음).

---

10. Examples

10-1. 단순 1회성 라우팅

# 사용자: "이 함수에 한국어 주석 추가해줘"
SKILL=skills/ohmyclaw
MODEL=$($SKILL/select-model.sh "이 함수에 한국어 주석 추가해줘" auto --plan=pro)
# → glm-5-turbo (LOW + 한국어)

# 그냥 직접 실행
bash workdir:~/project command:"
  zai-runner --model=$MODEL --task='이 함수에 한국어 주석 추가해줘'
"

10-2. parallel 모드 (3개 독립 task)

# 사용자: "API 라우트 3개에 각각 인증 미들웨어 추가"
SKILL=skills/ohmyclaw
PLAN=pro

for i in 1 2 3; do
  TASK="api/route$i.ts 에 인증 미들웨어 추가"
  MODEL=$($SKILL/select-model.sh "$TASK" coding_general --plan=$PLAN)
  bash pty:true workdir:~/project background:true command:"
    zai-runner --model=$MODEL --task-id=T$i --task='$TASK' \
      --dod='기존 테스트 통과 + 새 인증 테스트 1개 추가'
  "
done

# 모니터링
process action:list
process action:log sessionId:XXX

# 모두 끝나면 reviewer 스폰
REVIEWER_MODEL=$($SKILL/select-model.sh "review 3 routes" reasoning --plan=$PLAN)
bash workdir:~/project command:"
  zai-runner --model=$REVIEWER_MODEL --review --tasks=T1,T2,T3
"

10-3. full 모드 (Plan→Work→Review)

# 사용자: "TODO 앱에 검색 + 필터 + 영속화 추가"
SKILL=skills/ohmyclaw
PLAN=pro
CYCLE_ID=cycle-$(date +%Y%m%d-%H%M%S)

# 1. session-start 알림
openclaw system event --text "[session-start] cycle=$CYCLE_ID 요약: TODO 검색/필터/영속화" --mode now

# 2. Planner 스폰
PLANNER=$($SKILL/select-model.sh "decompose: TODO 검색 필터 영속화" reasoning --plan=$PLAN)
bash workdir:~/project command:"zai-runner --model=$PLANNER --plan-only" > /tmp/plan_v1.yaml

# 3. ralplan 게이트 — 사용자 승인 (질문 후 진행)
cat /tmp/plan_v1.yaml
read -p "이 plan 으로 진행할까요? (y/n) " ans
[[ "$ans" != "y" ]] && exit 1

# 4. Workers 병렬 스폰 (plan 의 task 별)
yq '.tasks[] | [.id, .content, .category, .dod] | @tsv' /tmp/plan_v1.yaml | \
while IFS=$'\t' read tid content cat dod; do
  m=$($SKILL/select-model.sh "$content" "$cat" --plan=$PLAN)
  bash pty:true workdir:~/project background:true command:"
    zai-runner --model=$m --task-id=$tid --task='$content' --dod='$dod'
  "
done

# 5. 워커 완료 대기 → Reviewer (5관점 + 갭 감지)
process action:list  # 전부 ✓ 될 때까지
REVIEWER=$($SKILL/select-model.sh  reasoning --plan=)
bash workdir:~/project :

10-4. 추론 집약 + Codex

# 사용자: "분산 락의 정합성 증명과 race condition 케이스 분석"
SKILL=skills/ohmyclaw
$SKILL/select-model.sh "분산 락의 정합성 증명과 race condition 케이스 분석" \
  reasoning --plan=pro --codex --json
# → model: gpt-5.5 (P82, OMX frontier, extended thinking)

---

11. Doctor / preflight

스킬 시작 시 자동 또는 수동 점검:

SKILL=skills/ohmyclaw
echo "=== ohmyclaw doctor ==="

# 1) jq
command -v jq >/dev/null && echo "✓ jq" || { echo "✗ jq missing"; exit 1; }

# 2) routing.json
test -f "$SKILL/routing.json" && \
  jq empty "$SKILL/routing.json" && echo "✓ routing.json valid" || echo "✗ routing.json invalid"

# 3) select-model.sh 실행 가능
test -x "$SKILL/select-model.sh" && echo "✓ select-model.sh executable" || echo "✗ chmod +x needed"

# 4) pool.sh 실행 가능
test -x "$SKILL/pool.sh" && echo "✓ pool.sh executable" || echo "✗ chmod +x needed"

# 5) 활성 플랜 sanity
PLAN="${ZAI_CODING_PLAN:-pro}"
case "$PLAN" in lite|pro|max) echo "✓ plan=$PLAN" ;; *) echo "✗ invalid ZAI_CODING_PLAN" ;; esac

# 6) Z.ai provider 인증 확인 (env 또는 openclaw config)
[[ -n "${ZAI_API_KEY:-}" ]] &&   || \
   


 [[  ==  ]]; 
   -f ~/.codex/auth.json &&   ||  
   -f ~/.codex-acct2/auth.json &&   ||  



/select-model.sh  coding_general --plan= >/dev/null && \
    ||  


/pool.sh status zai 2>&1 | grep -q  &&   || \
   


/pool.sh next glm-5 >/dev/null 2>&1 &&   || \
   

기대 출력: ✓ * 8–10개. 실패 시 해당 항목 해결 후 재시도.

---

12. Rules / safety

1. 모델 선택은 항상 select-model.sh 통과 — 직접 모델 ID 하드코딩 금지. 플랜 변경 시 자동 강등이 깨집니다.
2. Plan 단계 HITL 게이트는 절대 생략 금지 — full 모드에서 사용자 승인 없이 워커 스폰 금지. ralplan 패턴 강제.
3. 워커 간 context isolation 유지 — 한 워커가 다른 워커의 작업물을 읽지 않도록. team 패턴.
4. 갭 감지 시 fix loop 1회 후 무조건 ESCALATED — 무한 fix 방지. 사용자 결정 우선.
5. Codex OAuth 없으면 명시 안 함 — CODEX_OAUTH_ENABLED=false (기본) 일 때 gpt-5.5 / gpt-5.4 추천 금지.
6. Lite 플랜에서 glm-5.1 강제 금지 — select-model.sh 의 cap_for_lite 가 자동 강등하지만, 사용자가 --plan=lite 명시 시 절대 우회 금지.
7. bridge notification 은 best-effort — 발신 실패가 파이프라인을 차단하지 않도록 || true 패턴.
8. 모든 Korean-first instruction 은 한국어로 발신 — OMX 호환성.
9. 민감 정보는 로그에 안 찍음 — API 키/토큰은 항상 env 참조, instruction 텍스트에 평문 포함 금지.
10. destructive ops 는 ralplan 게이트 후 진행 — git push --force, rm -rf, db drop 등은 사용자 명시 승인 필수.

---

13. Reference

13-1. 모델 카탈로그

모델	티어	컨텍스트	코딩	추론	한국어	플랜 / 풀
GLM-5 Turbo	LOW	128K	70	60	95	zai · lite/pro/max
GLM-5	MEDIUM	128K	88	82	95	zai · lite/pro/max
GLM-5.1 ⚡	HIGH	204.8K	95	95	96	zai · pro/max
GPT-5.5 ⚡ (선택)	HIGH	—	OMX frontier	OMX frontier	OMX frontier	codex · OAuth pool
GPT-5.4 (legacy)	HIGH	256K	—	—	—	codex · OAuth pool (fallback)

⚡ = extended thinking (reasoning_mode: true). GPT-5.5 는 OMX (oh-my-codex) DEFAULT_FRONTIER_MODEL 로 박혀있어 점수 추정 없이 frontier role 그대로 사용. GPT-5.4 는 codex CLI 가 5.5 미인식 시 자동 강등용 legacy.

13-2. 파일 구조

skills/ohmyclaw/
├── SKILL.md          # 본 파일 — 워크플로 instructions (15 섹션)
├── routing.json      # 결정론적 단일 소스
│                     #   ├── models       — 5 모델 메타 (gpt-5.5 frontier + gpt-5.4 legacy)
│                     #   ├── plans        — lite/pro/max quota/concurrency
│                     #   ├── matrix       — 3 플랜 × 8 카테고리 × 3 티어
│                     #   ├── codexOverlay — gpt-5.5 활성 슬롯 (gpt-5.4 fallback)
│                     #   ├── reasoningDetection — 한/영 키워드
│                     #   ├── koreanDetection
│                     #   ├── accounts     — pools (zai + codex) + poolDefaults
│                     #   └── fallbackChains
├── select-model.sh   # jq 기반 라우터 — routing.json 읽음, 모델 ID 출력
└── pool.sh           # jq 기반 계정 풀 — round-robin/cooldown/fan-out
                      #   액션: next/fanout/cooldown/release/status/reset

13-3. 환경변수

변수	기본값	용도
ZAI_CODING_PLAN	pro	활성 Z.ai 플랜 (lite|pro|max)
CODEX_OAUTH_ENABLED	false	Codex OAuth 풀 사용 게이트
ZAI_API_KEY	(openclaw config)	Z.AI 메인 API 키
ZAI_API_KEY_2	(none)	Z.AI 보조 API 키 (zai-secondary 계정용)
CODEX_HOME	~/.codex	Codex OAuth 토큰 디렉토리 (계정별 분리 시 사용)
OHMYCLAW_STATE_DIR	~/.cache/ohmyclaw	pool.sh state 디렉토리
OMX_OPENCLAW	(none)	bridge notifications 활성
HOOKS_TOKEN	(none)	bridge bearer token

13-4. 외부 참조

• Z.ai 가입: https://z.ai/subscribe?ic=OTYO9JPFNV
• OpenClaw plugin SDK: openclaw/plugin-sdk/*
• 기존 zai provider: extensions/zai/openclaw.plugin.json
• pi 코어: https://github.com/badlogic/pi-mono
• 본 하네스 원본 (bash): https://github.com/jkf87/openclaw-harness
• 영감: oh-my-codex (OMX) workflow patterns, OMC ralph/team/deep-interview
• OMX 모델 디폴트 (frontier/standard/spark): oh-my-codex/src/config/models.ts (gpt-5.5 / gpt-5.4-mini / gpt-5.3-codex-spark)

---

14. Learnings (Apr 2026)

• 결정론과 워크플로의 분리: 모델 선택 같은 결정론적 로직은 코드(select-model.sh + routing.json)에, 협상 가능한 워크플로는 instructions(SKILL.md)에. LLM 이 매번 매트릭스를 재해석하면 드리프트 발생.
• 추론 신호는 복잡도와 독립: "분산 합의 정합성 증명" 은 짧은 문장(LOW 복잡도)이지만 reasoning_score 최상위 모델이 필요. 키워드 기반 휴리스틱이 LOW 격상 트리거 역할.
• Lite 플랜은 적극적 강등: 자동 cap_for_lite 가 없으면 사용자가 코딩플랜 quota 초과 위험. P95 plan_block 규칙 필수.
• Codex OAuth 는 오버레이지 대체가 아님: GPT 계열을 frontier 슬롯에 오버레이. 점수 추정 대신 OMX 의 DEFAULT_FRONTIER_MODEL 라벨을 권위로 인용 (현재 gpt-5.5, fallback gpt-5.4).
• 점수표보다 OMX role 라벨: 새 OpenAI 모델이 나올 때마다 코딩/추론/한국어 점수를 추정하는 건 드리프트 위험. oh-my-codex/src/config/models.ts 의 frontier/standard/spark 디폴트를 단일 권위로 따라가면 추정 자체를 회피.
• 갭 감지 1회 + ESCALATED: 무한 fix 시도는 사용자 입장에서 더 큰 비용. 1회 fix 후 명확히 사용자 결정 요청.
• bridge notification 은 fire-and-forget: 발신 실패가 파이프라인을 차단하면 안 됨. OMX 의 || true 패턴 채택.
• bash 직역 거부: 원본 harness 의 route-task.sh 를 직역하지 않고, select-model.sh + routing.json 으로 데이터/로직 분리. 같은 결과지만 LLM 이 reasoning 을 routing.json 으로 위임 가능.