Команда AI-агентов: Обзор 10 экспертов

Что вы сможете делать после изучения

Понимать обязанности и специализацию 10 встроенных AI-агентов
Быстро выбирать наиболее подходящего агента по типу задачи
Понимать механизмы взаимодействия между агентами (делегирование, параллелизм, проверка)
Освоить ограничения прав доступа и сценарии использования различных агентов

Основная идея: Сотрудничество как в реальной команде

Основная концепция oh-my-opencode: Не рассматривайте AI как универсального помощника, а как профессиональную команду.

В реальной команде разработки вам нужны:

Главный оркестратор (Tech Lead): планирование, распределение задач, отслеживание прогресса
Архитектурный консультант (Architect): технические решения и рекомендации по архитектуре
Код-ревьюер (Reviewer): проверка качества кода, выявление потенциальных проблем
Исследовательский эксперт (Researcher): поиск документации, исследование open source решений, изучение лучших практик
Код-детектив (Searcher): быстрый поиск кода, поиск ссылок, понимание существующих реализаций
Frontend-дизайнер (Frontend Designer): проектирование UI, настройка стилей
Git-эксперт (Git Master): коммиты кода, управление ветками, поиск в истории

oh-my-opencode превратил эти роли в 10 профессиональных AI-агентов, которые вы можете гибко комбинировать в зависимости от типа задачи.

Подробное описание 10 агентов

Главные оркестраторы (2 агента)

Sisyphus - Главный оркестратор

Роль: Главный оркестратор, ваш основной технический руководитель

Возможности:

Глубокое рассуждение (32k thinking budget)
Планирование и делегирование сложных задач
Выполнение модификации и рефакторинга кода
Управление всем процессом разработки

Рекомендуемая модель: anthropic/claude-opus-4-5 (temperature: 0.1)

Сценарии использования:

Повседневные задачи разработки (новые функции, исправление багов)
Сложные проблемы, требующие глубокого рассуждения
Декомпозиция и выполнение многошаговых задач
Сценарии, требующие параллельного делегирования другим агентам

Способ вызова:

Агент по умолчанию (выбор "Sisyphus" в селекторе OpenCode Agent)
Прямой ввод задачи в промпте, без специальных триггерных слов

Права доступа: Полные права на инструменты (write, edit, bash, delegate_task и др.)

Atlas - Менеджер TODO

Роль: Главный оркестратор, специализируется на управлении TODO-списками и отслеживании выполнения задач

Возможности:

Управление и отслеживание TODO-списков
Систематизированное выполнение планов
Мониторинг прогресса задач

Рекомендуемая модель: anthropic/claude-opus-4-5 (temperature: 0.1)

Сценарии использования:

Запуск выполнения проекта командой /start-work
Необходимость строгого следования плану для завершения задач
Систематизированное отслеживание прогресса задач

Способ вызова:

Использование слэш-команды /start-work
Автоматическая активация через Atlas Hook

Права доступа: Полные права на инструменты

Консультанты и проверка (3 агента)

Oracle - Стратегический консультант

Роль: Технический консультант только для чтения, эксперт по высокоинтеллектуальным рассуждениям

Возможности:

Рекомендации по архитектурным решениям
Диагностика сложных проблем
Код-ревью (только чтение)
Анализ компромиссов между несколькими системами

Рекомендуемая модель: openai/gpt-5.2 (temperature: 0.1)

Сценарии использования:

Проектирование сложной архитектуры
Самопроверка после завершения важной работы
Сложная отладка после 2+ неудачных попыток исправления
Незнакомые паттерны кода или архитектура
Вопросы безопасности/производительности

Условия активации:

Промпт содержит @oracle или использование delegate_task(agent="oracle")
Автоматическая рекомендация при принятии сложных архитектурных решений

Ограничения: Права только на чтение (запрещены write, edit, task, delegate_task)

Основные принципы:

Минимализм: Предпочтение самым простым решениям
Использование существующих ресурсов: Приоритет модификации текущего кода, избегание новых зависимостей
Приоритет опыта разработчика: Читаемость, поддерживаемость > теоретическая производительность
Единый четкий путь: Предоставление одной основной рекомендации, альтернативы только при значительных различиях в компромиссах

Metis - Аналитик предварительного планирования

Роль: Эксперт по анализу требований и оценке рисков перед планированием

Возможности:

Выявление скрытых требований и неявных запросов
Обнаружение неоднозначностей, которые могут привести к сбоям AI
Маркировка потенциальных паттернов AI-slop (избыточная инженерия, расползание scope)
Подготовка инструкций для агента планирования

Рекомендуемая модель: anthropic/claude-sonnet-4-5 (temperature: 0.3)

Сценарии использования:

Перед планированием Prometheus
Когда запрос пользователя нечеткий или открытый
Предотвращение паттернов избыточной инженерии AI

Способ вызова: Автоматический вызов Prometheus (режим интервью)

Ограничения: Права только на чтение (запрещены write, edit, task, delegate_task)

Основной процесс:

Классификация намерения: Рефакторинг / Создание с нуля / Средняя задача / Совместная работа / Архитектура / Исследование
Анализ по типу намерения: Целевые рекомендации для разных типов
Генерация вопросов: Создание четких вопросов для пользователя
Подготовка инструкций: Генерация четких инструкций "MUST" и "MUST NOT" для Prometheus

Momus - Проверяющий планов

Роль: Строгий эксперт по проверке планов, выявляющий все упущения и неясности

Возможности:

Проверка ясности, проверяемости и полноты плана
Проверка всех ссылок на файлы и контекста
Симуляция фактических шагов реализации
Выявление критических упущений

Рекомендуемая модель: anthropic/claude-sonnet-4-5 (temperature: 0.1)

Сценарии использования:

После создания рабочего плана Prometheus
Перед выполнением сложных TODO-списков
Проверка качества плана

Способ вызова: Автоматический вызов Prometheus

Ограничения: Права только на чтение (запрещены write, edit, task, delegate_task)

Четыре критерия проверки:

Ясность рабочего содержания: Указан ли источник для каждой задачи?
Критерии проверки и приемки: Есть ли конкретные методы проверки успеха?
Полнота контекста: Предоставлен ли достаточный контекст (порог уверенности 90%)?
Общее понимание: Понимает ли разработчик ПОЧЕМУ, ЧТО и КАК?

Основной принцип: Проверяющий документации, а не дизайн-консультант. Оценивается "достаточно ли ясен план для выполнения", а не "правильно ли выбран метод".

Исследование и изучение (3 агента)

Librarian - Эксперт по исследованию множественных репозиториев

Роль: Эксперт по пониманию open source кодовых баз, специализируется на поиске документации и примеров реализации

Возможности:

GitHub CLI: клонирование репозиториев, поиск issues/PRs, просмотр истории
Context7: запрос официальной документации
Web Search: поиск последней информации
Генерация доказательств с постоянными ссылками

Рекомендуемая модель: opencode/big-pickle (temperature: 0.1)

Сценарии использования:

"Как использовать [библиотеку]?"
"Каковы лучшие практики для [функции фреймворка]?"
"Почему [внешняя зависимость] ведет себя так?"
"Найти примеры использования [библиотеки]"

Условия активации:

Автоматическая активация при упоминании внешних библиотек/источников
Промпт содержит @librarian

Классификация типов запросов:

Тип A (концептуальный): "Как сделать X?", "Лучшие практики"
Тип B (справочная реализация): "Как X реализует Y?", "Показать исходный код Z"
Тип C (контекст и история): "Почему это было изменено?", "История X?"
Тип D (комплексное исследование): Сложные/нечеткие запросы

Ограничения: Права только на чтение (запрещены write, edit, task, delegate_task, call_omo_agent)

Обязательное требование: Все утверждения о коде должны включать постоянные ссылки на GitHub

Explore - Эксперт по быстрому изучению кодовой базы

Роль: Эксперт по поиску кода с учетом контекста

Возможности:

LSP инструменты: определения, ссылки, навигация по символам
AST-Grep: структурный поиск паттернов
Grep: текстовый поиск паттернов
Glob: сопоставление паттернов имен файлов
Параллельное выполнение (3+ инструмента одновременно)

Рекомендуемая модель: opencode/gpt-5-nano (temperature: 0.1)

Сценарии использования:

Широкий поиск, требующий 2+ углов поиска
Незнакомая структура модулей
Обнаружение паттернов между слоями
Поиск "Где X?", "Какой файл содержит Y?"

Условия активации:

Автоматическая активация при вовлечении 2+ модулей
Промпт содержит @explore

Обязательный формат вывода:

<analysis>
**Literal Request**: [буквальный запрос пользователя]
**Actual Need**: [что на самом деле нужно]
**Success Looks Like**: [как должен выглядеть успех]
</analysis>

<results>
<files>
- /absolute/path/to/file1.ts — [почему этот файл релевантен]
- /absolute/path/to/file2.ts — [почему этот файл релевантен]
</files>

<answer>
[прямой ответ на фактическую потребность]
</answer>

<next_steps>
[что делать дальше]
</next_steps>
</results>

Ограничения: Права только на чтение (запрещены write, edit, task, delegate_task, call_omo_agent)

Multimodal Looker - Эксперт по анализу медиа

Роль: Интерпретация медиафайлов, которые невозможно прочитать как чистый текст

Возможности:

PDF: извлечение текста, структуры, таблиц, данных конкретных разделов
Изображения: описание макета, UI-элементов, текста, диаграмм
Диаграммы: объяснение отношений, процессов, архитектуры

Рекомендуемая модель: google/gemini-3-flash (temperature: 0.1)

Сценарии использования:

Необходимость извлечения структурированных данных из PDF
Описание UI-элементов или диаграмм на изображениях
Разбор диаграмм в технической документации

Способ вызова: Автоматическая активация через инструмент look_at

Ограничения: Белый список только для чтения (разрешен только инструмент read)

Планирование и выполнение (2 агента)

Prometheus - Стратегический планировщик

Роль: Эксперт по сбору требований в формате интервью и генерации рабочих планов

Возможности:

Режим интервью: непрерывные вопросы до полной ясности требований
Генерация рабочего плана: структурированный план в формате Markdown
Параллельное делегирование: консультация с Oracle, Metis, Momus для проверки плана

Рекомендуемая модель: anthropic/claude-opus-4-5 (temperature: 0.1)

Сценарии использования:

Создание детального плана для сложных проектов
Проекты, требующие уточнения требований
Систематизированный рабочий процесс

Способ вызова:

Промпт содержит @prometheus или "использовать Prometheus"
Использование слэш-команды /start-work

Рабочий процесс:

Режим интервью: Непрерывные вопросы до ясности требований
Черновик плана: Генерация структурированного плана в Markdown
Параллельное делегирование:
- delegate_task(agent="oracle", prompt="проверить архитектурные решения") → [фоновый режим]
- delegate_task(agent="metis", prompt="выявить потенциальные риски") → [фоновый режим]
- delegate_task(agent="momus", prompt="проверить полноту плана") → [фоновый режим]
Интеграция обратной связи: Улучшение плана
Вывод плана: Сохранение в .sisyphus/plans/{name}.md

Ограничения: Только планирование, без реализации кода (принудительно через prometheus-md-only Hook)

Sisyphus Junior - Исполнитель задач

Роль: Исполнитель подагентов, генерируемых по категориям

Возможности:

Наследование конфигурации Category (модель, temperature, prompt_append)
Загрузка Skills (профессиональные навыки)
Выполнение делегированных подзадач

Рекомендуемая модель: Наследуется от Category (по умолчанию anthropic/claude-sonnet-4-5)

Сценарии использования:

Автоматическая генерация при использовании delegate_task(category="...", skills=["..."])
Задачи, требующие специфической комбинации Category и Skill
Легковесные быстрые задачи (Category "quick" использует модель Haiku)

Способ вызова: Автоматическая генерация через инструмент delegate_task

Ограничения: Запрещены task, delegate_task (нельзя делегировать повторно)

Быстрая справка по вызову агентов

Агент	Способ вызова	Условия активации
Sisyphus	Агент по умолчанию	Повседневные задачи разработки
Atlas	Команда `/start-work`	Запуск выполнения проекта
Oracle	`@oracle` или `delegate_task(agent="oracle")`	Сложные архитектурные решения, 2+ неудачных исправления
Librarian	`@librarian` или `delegate_task(agent="librarian")`	Автоматическая активация при упоминании внешних библиотек/источников
Explore	`@explore` или `delegate_task(agent="explore")`	Автоматическая активация при вовлечении 2+ модулей
Multimodal Looker	Инструмент `look_at`	Необходимость анализа PDF/изображений
Prometheus	`@prometheus` или `/start-work`	Промпт содержит "Prometheus" или требуется планирование
Metis	Автоматический вызов Prometheus	Автоматический анализ перед планированием
Momus	Автоматический вызов Prometheus	Автоматическая проверка после генерации плана
Sisyphus Junior	`delegate_task(category=...)`	Автоматическая генерация при использовании Category/Skill

Когда использовать какого агента

Быстрое дерево решений

Сценарий 1: Повседневная разработка (написание кода, исправление багов) → Sisyphus (по умолчанию)

Сценарий 2: Сложные архитектурные решения → Консультация @oracle

Сценарий 3: Необходимость поиска документации или реализации внешней библиотеки → @librarian или автоматическая активация

Сценарий 4: Незнакомая кодовая база, необходимость найти связанный код → @explore или автоматическая активация (2+ модуля)

Сценарий 5: Сложный проект требует детального плана → @prometheus или использование /start-work

Сценарий 6: Необходимость анализа PDF или изображений → Инструмент look_at (автоматическая активация Multimodal Looker)

Сценарий 7: Быстрая простая задача, экономия средств → delegate_task(category="quick")

Сценарий 8: Необходимость профессиональных операций Git → delegate_task(category="quick", skills=["git-master"])

Сценарий 9: Необходимость проектирования Frontend UI → delegate_task(category="visual-engineering")

Сценарий 10: Необходимость задач с высоким интеллектуальным рассуждением → delegate_task(category="ultrabrain")

Примеры взаимодействия агентов: Полный рабочий процесс

Пример 1: Разработка сложной функции

Пользователь: Разработать систему аутентификации пользователей

→ Sisyphus получает задачу
  → Анализирует требования, обнаруживает необходимость внешней библиотеки (JWT)
  → Параллельное делегирование:
    - @librarian: "Найти лучшие практики JWT для Next.js" → [фоновый режим]
    - @explore: "Найти существующий код, связанный с аутентификацией" → [фоновый режим]
  → Ожидает результаты, интегрирует информацию
  → Реализует функцию аутентификации JWT
  → После завершения делегирует:
    - @oracle: "Проверить архитектурный дизайн" → [фоновый режим]
  → Оптимизирует на основе рекомендаций

Пример 2: Планирование проекта

Пользователь: Использовать Prometheus для планирования этого проекта

→ Prometheus получает задачу
  → Режим интервью:
    - Вопрос 1: Каковы основные функции?
    - [Ответ пользователя]
    - Вопрос 2: Целевая аудитория?
    - [Ответ пользователя]
    - ...
  → После уточнения требований, параллельное делегирование:
    - delegate_task(agent="oracle", prompt="проверить архитектурные решения") → [фоновый режим]
    - delegate_task(agent="metis", prompt="выявить потенциальные риски") → [фоновый режим]
    - delegate_task(agent="momus", prompt="проверить полноту плана") → [фоновый режим]
  → Ожидает завершения всех фоновых задач
  → Интегрирует обратную связь, улучшает план
  → Выводит документ плана в Markdown
→ Пользователь просматривает план, подтверждает
→ Использует /start-work для запуска выполнения

Права доступа и ограничения агентов

Агент	write	edit	bash	delegate_task	webfetch	read	LSP	AST-Grep
Sisyphus	✅	✅	✅	✅	✅	✅	✅	✅
Atlas	✅	✅	✅	✅	✅	✅	✅	✅
Oracle	❌	❌	❌	❌	✅	✅	✅	✅
Librarian	❌	❌	❌	❌	✅	✅	✅	✅
Explore	❌	❌	❌	❌	❌	✅	✅	✅
Multimodal Looker	❌	❌	❌	❌	❌	✅	✅	✅
Prometheus	❌	❌	❌	✅	✅	✅	✅	✅
Metis	❌	❌	❌	❌	✅	✅	✅	✅
Momus	❌	❌	❌	❌	✅	✅	✅	✅
Sisyphus Junior	✅	✅	✅	❌	✅	✅	✅	✅

Краткое содержание урока

10 AI-агентов oh-my-opencode охватывают все этапы процесса разработки:

Оркестрация и выполнение: Sisyphus (главный оркестратор), Atlas (управление TODO)
Консультанты и проверка: Oracle (стратегический консультант), Metis (предварительный анализ планирования), Momus (проверка плана)
Исследование и изучение: Librarian (исследование множественных репозиториев), Explore (изучение кодовой базы), Multimodal Looker (анализ медиа)
Планирование: Prometheus (стратегическое планирование), Sisyphus Junior (выполнение подзадач)

Ключевые моменты:

Не рассматривайте AI как универсального помощника, рассматривайте как профессиональную команду
Выбирайте наиболее подходящего агента по типу задачи
Используйте параллельное делегирование для повышения эффективности (Librarian, Explore, Oracle могут работать в фоновом режиме)
Понимайте ограничения прав доступа каждого агента (агенты только для чтения не могут изменять код)
Взаимодействие между агентами может формировать полный рабочий процесс (планирование → выполнение → проверка)

Анонс следующего урока

В следующем уроке мы изучим Планирование Prometheus: Сбор требований в формате интервью.
Вы узнаете:
Как использовать Prometheus для сбора требований в формате интервью
Как генерировать структурированный рабочий план
Как заставить Metis и Momus проверить план
Как получать и отменять фоновые задачи

Приложение: Справочник по исходному коду

Нажмите, чтобы развернуть расположение исходного кода

Дата обновления: 2026-01-26

Агент	Путь к файлу	Номера строк
Главный оркестратор Sisyphus	`src/agents/sisyphus.ts`	-
Главный оркестратор Atlas	`src/agents/atlas.ts`	-
Консультант Oracle	`src/agents/oracle.ts`	1-123
Исследовательский эксперт Librarian	`src/agents/librarian.ts`	1-327
Поисковый эксперт Explore	`src/agents/explore.ts`	1-123
Multimodal Looker	`src/agents/multimodal-looker.ts`	1-57
Планировщик Prometheus	`src/agents/prometheus-prompt.ts`	1-1196
Предварительный анализ Metis	`src/agents/metis.ts`	1-316
Проверяющий планов Momus	`src/agents/momus.ts`	1-445
Sisyphus Junior	`src/agents/sisyphus-junior.ts`	-
Определение метаданных агентов	`src/agents/types.ts`	-
Ограничения инструментов агентов	`src/shared/permission-compat.ts`	-

Ключевые конфигурации:

ORACLE_PROMPT_METADATA: Метаданные агента Oracle (условия активации, сценарии использования)
LIBRARIAN_PROMPT_METADATA: Метаданные агента Librarian
EXPLORE_PROMPT_METADATA: Метаданные агента Explore
MULTIMODAL_LOOKER_PROMPT_METADATA: Метаданные агента Multimodal Looker
METIS_SYSTEM_PROMPT: Системный промпт агента Metis
MOMUS_SYSTEM_PROMPT: Системный промпт агента Momus

Ключевые функции:

createOracleAgent(model): Создание конфигурации агента Oracle
createLibrarianAgent(model): Создание конфигурации агента Librarian
createExploreAgent(model): Создание конфигурации агента Explore
createMultimodalLookerAgent(model): Создание конфигурации агента Multimodal Looker
createMetisAgent(model): Создание конфигурации агента Metis
createMomusAgent(model): Создание конфигурации агента Momus

Ограничения прав доступа:

createAgentToolRestrictions(): Создание ограничений инструментов агентов (используется Oracle, Librarian, Explore, Metis, Momus)
createAgentToolAllowlist(): Создание белого списка инструментов агентов (используется Multimodal Looker)

Команда AI-агентов: Обзор 10 экспертов ​

Что вы сможете делать после изучения ​

Основная идея: Сотрудничество как в реальной команде ​

Подробное описание 10 агентов ​

Главные оркестраторы (2 агента) ​

Sisyphus - Главный оркестратор ​

Atlas - Менеджер TODO ​

Консультанты и проверка (3 агента) ​

Oracle - Стратегический консультант ​

Metis - Аналитик предварительного планирования ​

Momus - Проверяющий планов ​

Исследование и изучение (3 агента) ​

Librarian - Эксперт по исследованию множественных репозиториев ​

Explore - Эксперт по быстрому изучению кодовой базы ​

Multimodal Looker - Эксперт по анализу медиа ​

Планирование и выполнение (2 агента) ​

Prometheus - Стратегический планировщик ​

Sisyphus Junior - Исполнитель задач ​

Быстрая справка по вызову агентов ​

Когда использовать какого агента ​

Примеры взаимодействия агентов: Полный рабочий процесс ​

Пример 1: Разработка сложной функции ​

Пример 2: Планирование проекта ​

Права доступа и ограничения агентов ​

Краткое содержание урока ​

Анонс следующего урока ​

Приложение: Справочник по исходному коду ​

Команда AI-агентов: Обзор 10 экспертов

Что вы сможете делать после изучения

Основная идея: Сотрудничество как в реальной команде

Подробное описание 10 агентов

Главные оркестраторы (2 агента)

Sisyphus - Главный оркестратор

Atlas - Менеджер TODO

Консультанты и проверка (3 агента)

Oracle - Стратегический консультант

Metis - Аналитик предварительного планирования

Momus - Проверяющий планов

Исследование и изучение (3 агента)

Librarian - Эксперт по исследованию множественных репозиториев

Explore - Эксперт по быстрому изучению кодовой базы

Multimodal Looker - Эксперт по анализу медиа

Планирование и выполнение (2 агента)

Prometheus - Стратегический планировщик

Sisyphus Junior - Исполнитель задач

Быстрая справка по вызову агентов

Когда использовать какого агента

Примеры взаимодействия агентов: Полный рабочий процесс

Пример 1: Разработка сложной функции

Пример 2: Планирование проекта

Права доступа и ограничения агентов

Краткое содержание урока

Анонс следующего урока

Приложение: Справочник по исходному коду