omp²

一个会话,
九个角色分工。

不把“选模型”当成一个全局开关。omp 按意图把工作路由给不同角色:昂贵的推理留给计划与难题,便宜的模型承担扇出和琐事。

角色用途覆盖方式
default常规回合的主模型--model、/model
smol子代理扇出、轻量任务--smol
slow深度推理、难题--slow
plan计划模式与架构方案--plan
commit提交消息与 changelog配置 modelRoles.commit
vision图像与截图理解配置 modelRoles.vision
task子代理专用模型配置 modelRoles.task
advisor逐轮旁听与纠偏--advisor + 角色绑定
tiny标题、补全、记忆等小模型omp tiny-models
i角色可以指向不同供应商。例如主模型用 Anthropic,扇出用便宜的开源模型,计划用推理模型;Ctrl+P 在当前角色已配置的模型间循环。
Providers

60+ 供应商,
不绑定任何一家。

直连 API、编码订阅计划、本地运行时与 OpenAI 兼容端点,都在同一套选择器里。

FRONTIER & GATEWAYS

前沿 API

Anthropic、OpenAI、Gemini / Vertex、xAI、DeepSeek、Mistral、Groq、Cerebras、Fireworks、Together、OpenRouter、Amazon Bedrock、Azure OpenAI、NVIDIA、Hugging Face 等,支持 OAuth 或 API Key。按角色混用供应商。

anthropicopenaigeminixaideepseekopenrouterbedrockazure
CODING PLANS

订阅计划

GitHub Copilot、Cursor、GitLab Duo、Kimi Code、Moonshot、MiniMax Coding Plan、Z.AI / GLM、Qwen Portal、Xiaomi MiMo、OpenCode Zen 等通过 /login 接入,按配额路由。

copilotcursorglmkimiminimaxqwenopencode
LOCAL

自己跑

Ollama、Ollama Cloud、LM Studio、llama.cpp、vLLM、LiteLLM。本地实例可省略密钥;omp models <provider> 验证发现。

ollamalmstudiollama.cppvllmlitellm
CUSTOM

任意兼容端点

在 ~/.omp/agent/models.yml 声明 openai-completions、openai-responses、anthropic-messages、google-vertex 等 API 形状;模型能力、上下文窗口与输出上限都可标注。

看配置示例 →
Routing

四个让路由真正有用的旋钮。

回退链

按角色或模型配置 retry.fallbackChains。主模型遇到 429 或配额墙时,下一项接手本回合;冷却结束后恢复。

路径级作用域

给 enabledModels 与 disabledProviders 加 path: 前缀,让某个仓库使用不同的模型集,作用域覆盖其子目录。

密钥轮询

同一供应商可堆叠多个 API Key,运行时按会话亲和轮换,并对单个 Key 退避。

按模型调提示

工具与系统提示并非一套打天下;编辑格式、重试策略和提示会随模型调整,这也是弱模型在 omp 上表现更好的原因之一。

~/.omp/agent/config.yml
modelRoles:
  default: anthropic/claude-sonnet-4-5
  smol:    deepseek/deepseek-v3
  slow:    openai/gpt-5.2
  plan:    openai/gpt-5.2
  commit:  anthropic/claude-haiku-4-5

retry:
  fallbackChains:
    default:
      - openrouter/moonshotai/kimi-k2
      - local/qwen3-coder

enabledModels:
  - path:~/work/legacy
  - openai/*
  - anthropic/*
Custom endpoint

把内网模型接进来。

任何 OpenAI 兼容服务都能作为供应商;无需改 omp 源码。

models.yml
providers:
  spark:
    baseUrl: http://192.168.10.223:8000/v1
    api: openai-completions
    apiKey: dummy
    models:
      - id: minimax-m3
        name: MiniMax M3
        contextWindow: 100000
        maxTokens: 32000

声明供应商

写入 models.yml,标注 API 形状与模型元数据。

验证发现

omp models spark 列出该端点可用的模型。

绑定角色

在 config.yml 写 modelRoles.default: spark/minimax-m3,或会话内 /model 选择。

Cheat sheet

选择模型的常用动作。

目标命令
模糊匹配模型omp --model opus、omp --model gpt-5.2
指定供应商与精确 IDomp --model anthropic/claude-sonnet-4-5
换掉便宜/推理/计划角色--smol、--slow、--plan
会话内切换/model;Ctrl+P 循环
登录供应商omp login 或 /login
查看模型目录omp models、omp models search <query>
按开销控制--warn-cost 5、--max-cost 20
建议

主模型

选你日常最顺手的编码模型;上下文窗口与工具调用稳定性优先于榜单分数。

建议

扇出模型

子代理任务边界清晰,便宜且支持并发的模型通常足够;把预算留给计划与审查。

建议

顾问模型

与主模型不同家、不同思路更有效;它只旁听,不抢主代理的工具。