第六章：类别（Category）与技能（Skill）系统

oh-my-openagent（OmO）做对的一件事，是把"挑模型"和"装领域知识"分开。前者是 Category（类别）——它回答"这是什么种类的活儿？"；后者是 Skill（技能）——它回答"这件事需要什么专业知识和工具？"。两者组合起来，能在不到一秒内把一个普通子 Agent 装备成"前端工程师 + 浏览器测试员 + Git 提交艺术家"。

本章把 Category 与 Skill 系统讲透：8 个内置类别、7 个内置技能、自定义方式、组合策略、最佳实践。

---

6.1 为什么是 Category，而不是直接选模型

直接让 Agent 在调用时写 model: "gpt-5.4" 有两个致命问题：

1. 认知偏差：模型知道自己被叫做 "GPT-5.4"，会按它对自己的认知去回答，反而把限制强化；而 Category（"ultrabrain"、"deep"、"quick"）是描述意图的词，模型会更自然地把自己当成"被叫来做这种工作的专家"。
2. 维护噩梦：明天 GPT-5.5 出来了，全代码库改 gpt-5.4 字符串？运行时哪个 Agent 哪个变体落到哪个 fallback？类别让这一切和模型解耦。

OmO 把这一层抽象写在了源码 src/tools/delegate-task/constants.ts 里。

---

6.2 8 个内置 Category

Category	默认配置	运行时回退顺序	适用
visual-engineering	google/gemini-3.1-pro (high)	gemini-3.1-pro → glm-5 → claude-opus-4-7 → glm-5 → k2p5	前端、UI/UX、设计、样式、动画
ultrabrain	openai/gpt-5.4 (xhigh)	gpt-5.4 → gemini-3.1-pro → claude-opus-4-7 → glm-5	复杂硬核逻辑、架构决策
deep	openai/gpt-5.4 (medium)	gpt-5.4 → claude-opus-4-7 → gemini-3.1-pro	目标导向自主问题求解
artistry	google/gemini-3.1-pro (high)	gemini-3.1-pro → claude-opus-4-7 → gpt-5.4	创意 / 艺术性强、追求新颖
quick	openai/gpt-5.4-mini	gpt-5.4-mini → claude-haiku-4-5 → gemini-3-flash → minimax-m2.7 → gpt-5-nano	改字、单文件、小修改
unspecified-low	anthropic/claude-sonnet-4-6	claude-sonnet-4-6 → gpt-5.3-codex → kimi-k2.5 → gemini-3-flash → minimax-m2.7	不属于其他类别、低投入
unspecified-high	anthropic/claude-opus-4-7 (max)	claude-opus-4-7 → gpt-5.4 → glm-5 → k2p5 → kimi-k2.5	不属于其他类别、高投入
writing	kimi-for-coding/k2p5 或 google/gemini-3-flash	gemini-3-flash → kimi-k2.5 → claude-sonnet-4-6 → minimax-m2.7	文档、技术写作

6.2.1 调用方式

通过 task 工具的 category 参数：

task({
  category: "visual-engineering",
  prompt: "为 dashboard 页面加一个响应式图表组件"
});

OmO 会自动启动一个 Sisyphus-Junior，配上对应的模型 + fallback 链 + 默认参数，然后跑你给的 prompt。

6.2.2 设计原则

• 频谱化：从 quick / unspecified-low（极便宜） 到 unspecified-high（极贵）；
• 风格化：visual-engineering 偏 Gemini；ultrabrain / deep 偏 GPT-5.4；artistry 偏 Gemini；writing 偏 Kimi / Gemini Flash；
• 类别即温度 / effort 偏好：例如 ultrabrain 默认 xhigh，artistry 偏高温度。

---

6.3 自定义 Category

在你的 oh-my-openagent.json / oh-my-opencode.json 里直接 override 或新建。完整 schema：

字段	类型	描述
description	string	类别描述，会显示在 task prompt 里
model	string	模型 ID（如 anthropic/claude-opus-4-7）
variant	string	变体（max、xhigh 等）
temperature	number	0.0~2.0
top_p	number	0.0~1.0
prompt_append	string	追加到系统提示词
thinking	object	{ type: "enabled", budgetTokens: 16000 }
reasoningEffort	string	low / medium / high
textVerbosity	string	low / medium / high
tools	object	禁用工具：{ "tool_name": false }
maxTokens	number	最大响应 token
is_unstable_agent	boolean	标记不稳定，强制后台执行以便监控

6.3.1 三个实用配置示例

{
  "categories": {
    // 1. 新建一个"中文技术作家"类别
    "korean-writer": {
      "model": "google/gemini-3-flash",
      "temperature": 0.5,
      "prompt_append": "你是一位中文技术作家，保持友好清晰的语气。"
    },

    // 2. 覆盖已有类别（把 visual-engineering 改成 GPT-5.4）
    "visual-engineering": {
      "model": "openai/gpt-5.4",
      "temperature": 0.8
    },

    // 3. 配置思考模型 + 限制工具
    "deep-reasoning": {
      "model": "anthropic/claude-opus-4-7",
      "thinking": { "type": "enabled", "budgetTokens": 32000 },
      "tools": { "websearch_web_search_exa": false }
    }
  }
}

6.3.2 Sisyphus-Junior 是它的执行人

记住：所有 Category 都是通过 Sisyphus-Junior 执行的。Junior 的核心限制：

• 不能再 task() / call_omo_agent()（避免无限委派）；
• 必须通过 lsp_diagnostics 验证才能完成；
• 不能改计划文件。

---

6.4 7 个内置 Skill

Skill 比 Category 更"模板化"：每个 Skill 是一个 SKILL.md 文件，包含：

• frontmatter：name / description / mcp 依赖；
• markdown 主体：被注入到 Agent 系统 prompt 里的"专业知识"。

OmO 内置：

Skill	触发关键词	描述
git-master	commit / rebase / squash / "who wrote" / "when was X added"	Git 专家，三专长：原子提交、Rebase 手术、历史考古
playwright	浏览器任务、测试、截图	通过 Playwright MCP 浏览器自动化（默认）
agent-browser	浏览器任务（agent-browser CLI）	Vercel agent-browser CLI，覆盖导航、快照、截图、网络监听、脚本交互
dev-browser	状态化的浏览器脚本	持久页面状态，迭代式工作流和带身份的会话
frontend-ui-ux	UI/UX、样式	设计师转开发者人格，强调审美方向、特别字体、和谐配色
review-work	"review work" / "QA my work"	落地后审查协调器，并行启动 5 个后台子 Agent：目标验证、代码质量、安全、人工 QA、上下文挖掘
ai-slop-remover	"remove AI slop" / "de-AI" / "humanize"	在保留功能的前提下剔除 AI 痕迹：冗长注释、过度错误处理、过度抽象、AI 套话

6.4.1 git-master 核心法则

git-master 是 OmO 体验里最显眼的 Skill 之一。三条核心原则：

多次提交是默认行为：

3+ 个文件 → 必须 ≥ 2 次提交
5+ 个文件 → 必须 ≥ 3 次提交
10+ 个文件 → 必须 ≥ 5 次提交

自动检测风格：

• 分析最近 30 个 commit，判断语言（中/英文）和风格（语义化 / 普通 / 简短）；
• 自动匹配你这个仓库的提交习惯。

用法：

/git-master commit these changes
/git-master rebase onto main
/git-master who wrote this authentication code?

它会按你的仓库风格把"这个 PR 的 17 处改动"切成 5 个原子化提交，依赖关系正确，并且 Commit message 看起来像你自己写的。

6.4.2 frontend-ui-ux 设计哲学

这个 Skill 把"UI/UX"提升成一个完整的设计师人格：

• 设计流程：Purpose → Tone → Constraints → Differentiation；
• 审美方向：选一个极致——brutalist / maximalist / retro-futuristic / luxury / playful；
• 字体：用有特色的字体，避开 Inter / Roboto / Arial；
• 配色：和谐配色 + 锋利点缀，避免"紫白搭"AI slop；
• 动效：高冲击错位呈现、滚动触发、出乎意料的 hover；
• 反模式：通用字体、可预测布局、模板化设计。

6.4.3 浏览器自动化两选一

OmO 通过 browser_automation_engine.provider 切换：

Playwright MCP（默认）：

mcp:
  playwright:
    command: npx
    args: ["@playwright/mcp@latest"]

/playwright Navigate to example.com and take a screenshot

Agent Browser CLI（Vercel）：

{
  "browser_automation_engine": { "provider": "agent-browser" }
}

bun add -g agent-browser

Use agent-browser to navigate to example.com and extract the main heading

二者都能：导航 / 交互 / 截图 PDF / 表单 / 等待网络 / 抓内容。区别在于：Playwright MCP 是稳定标准；agent-browser 在 Vercel 生态下更灵活。

---

6.5 自定义 Skill：写一个 SKILL.md

把这个文件丢到 .opencode/skills/my-skill/SKILL.md：

---
name: my-skill
description: My special custom skill
mcp:
  my-mcp:
    command: npx
    args: ["-y", "my-mcp-server"]
---

# My Skill Prompt

This content will be injected into the agent's system prompt.
...

OmO 在加载 Skill 时按以下优先级（高 → 低）扫描：

1. .opencode/skills/*/SKILL.md（项目 / OpenCode 原生）
2. ~/.config/opencode/skills/*/SKILL.md（用户 / OpenCode 原生）
3. .claude/skills/*/SKILL.md（项目 / Claude Code 兼容）
4. .agents/skills/*/SKILL.md（项目 / Agents 约定）
5. ~/.agents/skills/*/SKILL.md（用户 / Agents 约定）

同名 Skill 高优先级覆盖低优先级。如果你想关闭内置 Skill：

{ "disabled_skills": ["playwright"] }

---

6.6 Skill 内嵌 MCP 与 OAuth

Skill 的 frontmatter 可以声明自己的 MCP 服务，只在该 Skill 被调用时启动，结束即销毁——这是 OmO 控制上下文窗口的关键技术。

OAuth-protected Skill MCP（RFC 2.1 全合规）示例：

---
description: My API skill
mcp:
  my-api:
    url: https://api.example.com/mcp
    oauth:
      clientId: ${CLIENT_ID}
      scopes: ["read", "write"]
---

OmO 自动处理：

• 自动发现：先查 /.well-known/oauth-protected-resource（RFC 9728），不行回退 /.well-known/oauth-authorization-server（RFC 8414）；
• 动态客户端注册：支持 RFC 7591（clientId 可选）；
• PKCE：所有流必须；
• Resource Indicators：根据 MCP URL 自动按 RFC 8707 生成；
• Token 存储：~/.config/opencode/mcp-oauth.json（chmod 0600）；
• 自动刷新：401 自动刷新；403 + WWW-Authenticate 走 step-up authorization；
• 动态端口：OAuth 回调用自动端口。

预先认证：

bunx oh-my-opencode mcp oauth login <server-name> --server-url https://api.example.com

---

6.7 Category + Skill：3 个王牌组合

6.7.1 The Designer：UI 实现专家

category: visual-engineering
load_skills: ["frontend-ui-ux", "playwright"]

效果：用 Gemini 3.1 Pro 写带美感的 UI，再用 Playwright 直接打开浏览器验证渲染效果——闭环。

6.7.2 The Architect：设计评审

category: ultrabrain
load_skills: []

效果：用 GPT-5.4 xhigh 推理做架构评审，纯思考、不做无关动作。

6.7.3 The Maintainer：快修 + 干净提交

category: quick
load_skills: ["git-master"]

效果：用 GPT-5.4 Mini 快速修小问题，git-master 自动按风格切成多个原子提交。

6.7.4 The Validator：QA 我的工作

review-work Skill 本身就是组合策略——它在被触发时一次性并行启动 5 个后台子 Agent：

• 目标验证 Agent：检查是否实现了原始需求；
• 代码质量 Agent：lint / 风格 / 复杂度；
• 安全 Agent：审查潜在漏洞；
• 人工 QA Agent：实际跑、点、验；
• 上下文挖掘 Agent：检查相关文件 / 测试是否被同步更新。

5 个全 PASS 才算通过。这是 OmO 区别于"AI 写完就吹自己写完了"的硬手段。

---

6.8 task 委派的 7 要素 prompt

任何时候你想给子 Agent 派任务，都建议照下面 7 个要素写——清晰具体的 prompt 是组合发挥的前提：

1. TASK：单一目标；
2. EXPECTED OUTCOME：交付物是什么；
3. REQUIRED SKILLS：要 load_skills 哪些；
4. REQUIRED TOOLS：必须用的工具白名单；
5. MUST DO：硬性要求；
6. MUST NOT DO：硬性禁止；
7. CONTEXT：相关文件路径、模式、参考资料。

坏例子：

"Fix this"

好例子：

TASK：修复 LoginButton.tsx 在移动端的布局崩坏。
CONTEXT：src/components/LoginButton.tsx，使用 Tailwind CSS。
MUST DO：在 md: 断点改 flex-direction。
MUST NOT DO：不要改桌面端布局。
EXPECTED：移动端按钮垂直排列。

---

6.9 Category-Skill 工作机制小结

Sisyphus / Atlas
   │
   │ task({category, load_skills, prompt})
   ▼
┌────────────────────────────┐
│ Sisyphus-Junior            │
│  ─ 按 category 选模型       │
│  ─ 按 load_skills 注入提示词│
│  ─ 启动 Skill 内嵌 MCP      │
│  ─ 按 7 要素 prompt 工作    │
└────────────────────────────┘
   │
   ▼
完成 → 验证 → 回收 → 销毁 Skill MCP

下一章我们把视角从"高层抽象"切回"工具实现层"，看 OmO 是怎么用 Hashline、LSP、AST-Grep、Tmux 把 Agent 变成有 IDE 级精度的开发者。