Stack Ashes
Go back

AI 编程工具不该只是聊天框：这个开源项目把 IDE、调试器和浏览器都接进来了

AI 编程工具不该只是聊天框：这个开源项目把 IDE、调试器和浏览器都接进来了

很多 AI 编程工具，第一次用会觉得惊艳。

你输入一句需求，它生成一段代码。
你贴一个报错，它给出修复建议。
你让它写测试，它能补出几个 case。

但真正把它放进一个项目里用久了，问题也会很快暴露出来：

它会写代码，但不一定知道这个函数被哪些地方引用。
它会改文件，但可能因为上下文变化把补丁打错。
它会建议你加日志，但不一定能真的接上调试器看运行时状态。
它能读代码，但遇到大仓库、多模块、长文件，很容易丢上下文。
它能解释 PR，但有时只是把 diff 用自然语言复述一遍。

这背后其实是一个更大的问题：

AI 编程工具不能只会“聊天”，它还得会“工作”。

一个真正的开发者解决问题，不只是靠脑子想。他会打开 IDE 查引用、用语言服务重命名、用 debugger 看栈帧、用 shell 跑测试、用浏览器验证页面、用 Git 看 diff、用 issue 和 PR 查背景。

如果 AI 只能读文本、生成文本，它就很难稳定处理真实工程。

最近看到一个很有意思的开源项目：oh-my-pi，简称 omp。

GitHub 地址：
https://github.com/can1357/oh-my-pi

官网：
https://omp.sh

它的定位很直接：

A coding agent with the IDE wired in.

也就是：一个把 IDE 能力接进来的 AI Coding Agent。

这句话很关键。它不是又做了一个终端聊天机器人，而是试图把文件系统、代码搜索、LSP、调试器、浏览器、GitHub、Web 搜索、子代理、多模型路由等能力，放进同一个 AI 编程工作台里。

如果说很多 AI 编程产品的核心是“让模型回答得更好”，那么 oh-my-pi 的核心是：

让模型接入真实开发工具链。

图 1：传统 AI 助手 vs IDE-wired AI 工作台

传统 AI 助手 vs oh-my-pi 工作台

左边是普通聊天式 AI：生成代码，然后交给人复制、粘贴、验证。
右边是 oh-my-pi 代表的工作台式 agent：AI 位于中心，连接 IDE、终端、LSP、调试器、浏览器、GitHub、搜索、记忆和子代理。

这也是理解 oh-my-pi 的第一把钥匙：
它不是只想回答问题，而是想接管一部分开发动作。

oh-my-pi 是什么？

oh-my-pi 是一个开源 AI Coding Agent，支持 macOS、Linux 和 Windows。

它可以作为终端工具使用，也可以通过 SDK、RPC、ACP 等方式被其他程序集成。项目 README 里列出的能力非常密集，包括：

它本身是 Pi 项目的 fork，目前已经扩展成一个比较完整的 AI 编程运行时。

安装方式也很直接。

macOS / Linux：

curl -fsSL https://omp.sh/install | sh

Bun：

bun install -g @oh-my-pi/pi-coding-agent

Windows PowerShell：

irm https://omp.sh/install.ps1 | iex

安装后，默认入口是 omp。你可以打开交互式 TUI，也可以用一次性 prompt 执行任务，还可以通过 RPC 或 ACP 接入其他宿主环境。

不过，真正值得关注的不是安装命令，而是它背后的产品判断：

AI Coding Agent 的能力，不应该只由模型决定，也应该由工具系统决定。

1. AI 要读懂代码关系，不能只靠搜索字符串

先看一个最常见的场景：重命名函数。

假设项目里有一个工具函数叫 formatBytes()，你想把它改成 formatFileSize()。

普通 AI 助手可能会怎么做？

它会搜索 formatBytes，然后批量替换。
这个方案看起来简单，但在真实项目里很容易出问题。

因为一个函数名可能出现在：

纯字符串搜索并不知道哪些地方是“代码引用”，哪些地方只是普通文本。它可能漏改，也可能误改。

而 oh-my-pi 接入了 LSP。

LSP，全称 Language Server Protocol，是很多现代编辑器背后的语言智能协议。VS Code、Neovim、Zed、JetBrains 系工具中的跳转定义、查找引用、诊断、重命名等能力，都可以依赖类似机制实现。

有了 LSP，agent 可以像 IDE 一样理解代码关系：

这会让 AI 从“看文本”往“看代码结构”前进一步。

这一步非常重要。
因为真实代码库里，大量修改并不是简单的文本替换，而是语义变更。

图 2：LSP 让 AI 看懂代码关系

LSP 代码关系示意图

这张图展示的是 formatBytes() 在多个文件中的关系。

普通搜索只能看到关键词散落在哪里。
LSP 能提供定义、引用、重命名、诊断、类型信息等结构化语义。

对 AI Coding Agent 来说，这意味着它不必完全靠猜，也不必把大量文件塞进上下文里硬读。

它可以调用开发工具链已经知道的东西。

这也是 oh-my-pi 最值得关注的方向之一：

AI 不应该绕开 IDE，而应该继承 IDE。

2. 编辑代码不能靠“差不多匹配”

第二个常见翻车点，是代码编辑。

很多 AI 工具在编辑文件时，本质上还是靠 patch。模型输出一段旧代码、一段新代码，系统尝试在文件里找到旧代码，然后替换。

这听起来合理，但实际经常出现问题：

更麻烦的是，有些情况下它不是失败，而是改到了错误位置。

oh-my-pi 的一个核心设计叫 Hashline。

可以简单理解为：
它不是只靠“第几行”或“某段文本”定位修改位置，而是用内容 hash 作为锚点。

模型要改代码时，会通过 hash 锚定目标区域。
系统在真正写入前，会校验锚点是否仍然匹配当前文件内容。

如果文件已经变化，hash 对不上，就拒绝修改。

这是一种很工程化的设计。

它的核心原则不是“让模型永远不出错”，而是：

当系统无法确认修改位置时，宁可失败，也不要悄悄写坏代码。

这对 agent 尤其关键。因为 agent 往往不是只改一次文件，而是在一个任务里连续执行多个步骤。只要其中某一步使用了过期上下文，就可能造成错误修改。

Hashline 的价值，就是把“误改”的风险提前挡住。

图 3：Hashline 编辑机制

Hashline 编辑机制示意图

左侧是传统 patch：上下文不匹配时，修改可能失败，甚至可能落到错误位置。
右侧是 Hashline：每个代码块有内容锚点，写入前先校验。hash 变化时直接拒绝，避免污染文件。

这类设计看起来不如“模型多聪明”那么性感，但它很接近 AI 编程工具真正的底层竞争力。

模型负责推理。
工具协议负责让推理结果可靠落地。

3. Debug 不能只靠“建议你加日志”

第三个关键能力，是调试。

很多 AI 编程助手遇到 bug 时，常见回答是：

“建议你加一些日志。”
“可以打印这个变量看看。”
“可能是这里为空。”
“你可以检查一下这个条件。”

这些建议不一定错，但它们还停留在旁观者状态。

真正的开发者排查复杂 bug 时，往往会接 debugger：

oh-my-pi 接入了 DAP。

DAP，全称 Debug Adapter Protocol，是调试器和编辑器之间的通用协议。通过 DAP，agent 可以驱动真实调试器，比如 lldb、dlv、debugpy 等。

这意味着它不只是能“猜 bug”，还可以进入运行时现场。

比如：

C 程序 segfault，它可以通过 lldb 看坏指针。
Go 服务 hang 住，它可以通过 dlv 看 goroutine。
Python 进程卡住，它可以通过 debugpy 暂停、检查变量、求值表达式。

这件事的意义很大。

因为很多 bug 靠静态阅读很难定位。
你必须看到程序跑起来之后的状态，才能知道问题到底发生在哪里。

AI Coding Agent 如果不能接 debugger，就像一个只看病例、不做检查的医生。它可以猜，但很难确认。

oh-my-pi 把 DAP 放进工具箱，说明它对“真实开发流程”的理解是比较完整的。

AI 不只是写代码。
AI 也要能排查运行中的代码。

4. 子代理让复杂任务不再挤在一个上下文里

当任务变复杂时，单个 agent 很容易吃力。

比如你让 AI 分析一个大型前端项目，找出状态管理、路由、组件组织、测试覆盖和构建配置中的问题。

如果它把所有文件都塞进一个上下文里，很快就会遇到几个问题：

更合理的方式，是拆分任务。

一个 agent 看路由。
一个 agent 看组件。
一个 agent 看测试。
一个 agent 看构建。
最后由主 agent 汇总结构化结果，形成计划。

oh-my-pi 支持 first-class subagents，也就是一等子代理能力。

它可以把任务派发给多个子代理，让它们在隔离环境中工作，最后返回结构化结果。

这有两个关键点：

第一，隔离。
子代理可以在独立 worktree 中处理任务，减少互相污染和文件冲突。

第二，结构化。
子代理返回的不是随意散文，而是主代理可以读取、比较、合并的结果。

这使得复杂任务更像一个工程流程，而不是一次长对话。

图 4：子代理并行工作流

子代理并行工作流

主代理把“大型重构”拆成多个子任务。
每个子代理在独立工作区中分析一部分代码，最后把结构化结果返回给主代理。
主代理再合并成可执行计划或安全变更。

这类能力未来会越来越重要。

因为 AI Coding 的上限，不只是单个模型的能力，还包括它能不能组织任务、管理上下文、并行分析、合并结果。

从“一个模型回答所有问题”，到“多个 agent 分工协作”，这是 AI 工程化的自然方向。

5. 把文件、网页、PDF、GitHub 都当成可读取对象

oh-my-pi 还有一个很实用的设计：统一读取。

它的 read 工具不只是读普通文件，还能读目录、压缩包、SQLite、PDF、Notebook、URL 等。

项目里还设计了内部 scheme，比如：

这意味着 GitHub PR、issue、子代理结果、技能文件、规则文件，都可以像读取文件一样被 agent 读取。

这比给每种资源单独设计一个工具更优雅。

如果工具太碎，模型就要不断判断：

我现在应该调用 read_file，还是 read_url？
应该用 github_issue_view，还是 github_pr_view？
PDF 是另一个工具吗？Notebook 呢？

工具接口越多，调用失败率越高。

oh-my-pi 的思路是尽量把外部世界抽象成统一的读取路径。

这对 agent 很友好。

它降低了工具选择成本，也让更多上下文可以进入同一种工作流。

6. 浏览器也应该是 AI 的眼睛

如果你做过前端开发，一定知道一件事：

代码写完，不打开页面看一眼，基本不算完成。

UI 代码尤其如此。
编译通过只是第一步，页面是否能用、布局是否错位、按钮是否能点、表单是否能提交、错误态是否正确，都需要真实验证。

oh-my-pi 内置浏览器自动化工具，可以驱动浏览器完成访问、点击、截图、检查等动作。

这让 agent 有机会形成一个前端闭环：

  1. 修改代码
  2. 启动本地服务
  3. 打开页面
  4. 点击交互
  5. 截图检查
  6. 发现问题
  7. 再改代码
  8. 再验证

很多 AI 写前端的问题是：
它生成了代码，但从没真正看过页面。

浏览器工具相当于给 agent 增加了一双眼睛。

这对 Web 项目尤其关键。

7. 持久执行环境让 AI 能做分析，而不只是回答

oh-my-pi 还提供持久 Python / JavaScript 执行环境。

这类能力在项目分析里非常有用。

比如你要：

如果每次执行都是一次性脚本，agent 很难积累上下文。
而持久环境可以保留变量、中间结果和分析状态，让任务更像一个连续 session。

更重要的是，执行环境可以和工具系统配合。
agent 不只是跑一段孤立代码，而是能读取项目、分析数据、调用工具、再把结果用于后续决策。

这让 AI 从“回答者”更接近“操作者”。

8. 多模型路由：不同任务不该都用同一个模型

现在很多团队用 AI 编程工具时，会遇到另一个现实问题：成本和模型选择。

不是所有任务都值得用最强模型。

写 commit message，用最强推理模型可能浪费。
简单搜索和格式调整，用便宜模型就够了。
复杂架构规划，需要强推理模型。
大上下文阅读，需要长上下文模型。
代码审查，则需要更稳定的推理和细节能力。

oh-my-pi 支持 40+ providers，包括 OpenAI、Anthropic、Google Gemini、xAI、Mistral、Groq、OpenRouter、Perplexity 等。

更重要的是，它支持按角色路由模型。

比如：

这是一种很现实的工程设计。

AI 编程不是每次都在追求“最强回答”，而是在成本、速度、上下文、准确率、工具调用可靠性之间做平衡。

图 5：多模型路由

多模型路由示意图

不同任务进入 Agent Router，再根据成本、延迟、上下文长度、推理深度、工具可靠性路由到不同模型角色。

这说明 oh-my-pi 不把自己绑定到某一个模型供应商，而是把模型当成可调度资源。

这也是未来 AI Coding Agent 很可能会走的方向：

不是一个模型包打天下，而是一个工作流调度多个模型。

它的工具箱到底有什么？

项目 README 中列出了很多内置工具，比较有代表性的包括：

单看某一个工具，可能不是独一无二。
但这些工具组合在一起，价值就出来了。

因为真实开发任务需要的是完整闭环：

理解需求。
读取项目。
搜索上下文。
制定计划。
修改代码。
运行命令。
调试问题。
打开页面验证。
查看 diff。
补测试。
处理 PR。
记住项目约定。

oh-my-pi 的野心，是把这些都纳入同一个 agent surface。

它和普通 AI 编程工具最大的区别

如果用一句话总结：

普通 AI 编程工具更像聊天助手，oh-my-pi 更像工程工作台。

聊天助手的核心是 prompt 和回答。
工程工作台的核心是读、搜、改、跑、调、验、拆、合、记。

前者依赖模型一次性回答得好不好。
后者依赖系统能不能支撑一个长任务持续推进。

这就是为什么 oh-my-pi 会强调 Hashline、LSP、DAP、browser、subagents、persistent sessions、memory、SDK、ACP。

这些东西不是为了堆概念，而是为了让 AI 能接入真实开发流程。

很多时候，AI 编程失败不是因为模型完全不知道答案，而是因为它缺少可靠动作能力。

它不知道符号关系。
它不知道文件是不是变了。
它不能看运行时。
它不能验证页面。
它不能把复杂任务拆开。
它不能在工具之间形成闭环。

oh-my-pi 试图补的，正是这一层。

它适合谁？

我觉得 oh-my-pi 适合三类人。

第一类是重度终端用户。

如果你平时就喜欢在 terminal 里工作，习惯 shell、git、rg、tmux、vim 或 neovim，那么 omp 的终端优先体验会比较自然。

第二类是 AI Coding Agent 深度用户。

如果你已经不满足于“帮我写一个函数”，而是希望 AI 能处理真实项目任务，比如重构、调试、代码审查、测试修复、PR 分析，那么 omp 的工具系统值得研究。

第三类是想研究 AI 编程工具架构的人。

这个项目是 MIT License，里面涉及 TypeScript、Rust、N-API、TUI、工具系统、模型路由、子代理、编辑协议、LSP/DAP 等实现。

如果你想理解下一代 AI Coding Agent 怎么做，它是一个很好的观察对象。

我的判断：AI Coding 的竞争，会从模型转向工作台

过去一段时间，我们很容易把 AI 编程工具的能力归因于模型。

模型强，工具就强。
模型弱，工具就弱。

这当然有道理，但不完整。

未来 AI Coding 的差距，很大一部分会来自工具层和工作流层：

模型像大脑。
但 agent harness 是手、眼睛、工作台和工具箱。

没有工具，再强的模型也容易停留在纸上谈兵。
工具足够好，模型的能力才更容易落地到真实工程。

oh-my-pi 的价值就在这里。

它不是只做了一个“会聊天的终端 AI”。
它更像是在构建一个终端里的 AI 开发环境，把 IDE、调试器、搜索、浏览器、多模型和子代理拼成一个统一工作面。

这也是它值得关注的原因。

结尾

AI 编程正在从“代码生成”进入“工程协作”。

第一阶段，我们惊讶于 AI 能写函数。
第二阶段，我们希望 AI 能改项目。
第三阶段，我们会要求 AI 真正理解开发流程，能读、能搜、能改、能跑、能调试、能验证、能协作。

oh-my-pi 代表的就是第三阶段的一个方向。

它不只是让 AI 写代码，而是给 AI 配了一整套真实开发者会用的工具。

如果你正在关注 AI Coding Agent，或者想研究未来开发工具的形态，这个项目值得收藏。

项目地址：
https://github.com/can1357/oh-my-pi

官网：
https://omp.sh

参考资料：
oh-my-pi GitHub README、omp.sh 官方介绍、项目页面公开信息。

Share this post on:
Share this post via WhatsApp Share this post on Facebook Share this post on X Share this post via Telegram Share this post on Pinterest Share this post via email
Previous Post
从零构建 AI 工程能力：这个开源项目把 435 节课做成了一条硬核路线
Next Post
Attention Is All You Need 中文精读