メニュー
OMC agent 目录、可用工具、团队管道路由、提交协议和 skills 注册表。当委托 agent、使用 OMC 工具、协调团队、提交代码或调用 skills 时自动加载。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | omc-reference |
| description | OMC agent 目录、可用工具、团队管道路由、提交协议和 skills 注册表。当委托 agent、使用 OMC 工具、协调团队、提交代码或调用 skills 时自动加载。 |
内置参考，需要详细的 OMC 目录信息时使用。
前缀：oh-my-claudecode:。完整的 prompts 参见 agents/*.md。
| Agent | 模型 | 用途 |
|---|---|---|
explore | haiku | 快速代码库搜索和映射 |
analyst | opus | 需求清晰度和隐藏约束 |
planner | opus | 排序和执行计划 |
architect | opus | 系统设计、边界和长期权衡 |
debugger | sonnet | 根因分析和故障诊断 |
executor | sonnet | 实现和重构 |
verifier | sonnet | 完成证据和验证 |
tracer | sonnet | 追踪收集和证据捕获 |
security-reviewer | sonnet | 信任边界和漏洞 |
code-reviewer | opus | 全面的代码审查 |
test-engineer | sonnet | 测试策略和回归覆盖 |
designer | sonnet | UX 和交互设计 |
writer | haiku | 文档和简洁内容 |
qa-tester | sonnet | 运行时/手动验证 |
scientist | sonnet | 数据分析和统计推理 |
document-specialist | sonnet | SDK/API/框架文档查找 |
git-master | sonnet | 提交策略和历史卫生 |
code-simplifier | opus | 行为保留的简化 |
critic | opus | 计划/设计挑战和审查 |
haiku — 快速查找、轻量检查、窄文档工作sonnet — 标准实现、调试和审查opus — 架构、深度分析、共识规划和高风险审查/team N:executor "task"/oh-my-claudecode:ask <claude|codex|gemini>/ccgstate_read, state_write, state_clear, state_list_active, state_get_statusTeamCreate, TeamDelete, SendMessage, TaskCreate, TaskList, TaskGet, TaskUpdatenotepad_read, notepad_write_priority, notepad_write_working, notepad_write_manualproject_memory_read, project_memory_write, project_memory_add_note, project_memory_add_directivelsp_hover, lsp_goto_definition, lsp_find_references, lsp_diagnosticsast_grep_search, ast_grep_replacepython_repl通过 /oh-my-claudecode:<name> 调用内置工作流。
autopilot — 从想法到工作代码的完全自主执行ralph — 持续循环直到完成验证ultrawork — 高吞吐量并行执行team — 协调团队编排ccg — Codex + Gemini + Claude 综合ultraqa — QA 循环：测试、验证、修复、重复omc-plan — 规划工作流ask, cancel, note, learner, omc-setup, mcp-setup, hud, trace阶段：team-plan → team-prd → team-exec → team-verify → team-fix（循环）
使用 git trailers 保留决策上下文。
Constraint: 活跃约束Rejected: 被拒绝的替代方案及原因Directive: 前瞻性警告或指示Confidence: high | medium | lowScope-risk: narrow | moderate | broadfeat(docs): reduce instruction footprint
移动仅参考的编排内容到原生 skill
Constraint: 保留 CLAUDE.md 标记安装流程
Rejected: 同步所有内置 skills | 行为变化大于需求
Confidence: high
Scope-risk: narrow
LLM 微调专家。使用场景：微调 LLMs、训练自定义模型、适配基础模型进行特定任务。用于配置 LoRA/QLoRA 适配器、准备 JSONL 训练数据集、设置超参数、适配器训练、迁移学习、Hugging Face PEFT 微调、指令微调、RLHF、DPO 或量化部署微调模型。触发词：LoRA、QLoRA、PEFT、微调、适配器调优、LLM 训练、模型训练、自定义模型。
深度研究工具。仅在用户明确说'深度研究'、'深入调查'、'全面报告'时使用。比普通搜索慢 10-100 倍。对于普通研究/查找请求，使用 parallel-web-search。支持多轮：传递 --previous-interaction-id 以继续之前的上下文。
AI 模型提示工程指南：LLM、图像生成器、视频模型。技术：思维链、少样本、系统提示、负提示。模型：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion 提示。用于：更好的 AI 输出、一致的结果、复杂任务、优化。触发词：提示工程、如何提示、更好的提示、提示技巧、提示指南、LLM 提示、图像提示、AI 提示、提示优化、提示模板、提示结构、有效提示、提示技术。
RAG（检索增强生成）模式专家。用于构建 RAG 管道、嵌入文档、实现混合搜索、上下文检索、HyDE、Agentic RAG、多模态 RAG、查询分解、重排或 pgvector 搜索。触发词：RAG、检索、LLM、上下文、嵌入、HyDE、重排、pgvector、多模态。
Apache Spark 作业优化：分区策略、缓存、shuffle 优化和内存调优。用于提升 Spark 性能、调试慢作业或扩展数据处理管道。触发词：Spark、性能优化、分区、缓存、shuffle、数据倾斜。
Web 研究工具：搜索多个来源、综合发现并生成带引用的研究报告。用于用户要求在线研究主题、搜索网页、查找信息、获取最新信息、对比选项或生成研究报告。触发词：研究、网上搜索、查找信息、最新信息、对比选项、研究报告。