AI 代理團隊：10 位專家介紹

學完你能做什麼

了解 10 個內建 AI 代理的職責和專長
根據任務類型快速選擇最合適的代理
理解代理之間的協作機制（委派、平行、審查）
掌握不同代理的權限限制和使用情境

核心思路：像真實團隊一樣協作

oh-my-opencode 的核心思想是：不要把 AI 當成一個全能助手，而是當成一個專業團隊。

真實開發團隊裡，你需要：

主編排器（Tech Lead）：負責規劃、分配任務、追蹤進度
架構顧問（Architect）：提供技術決策和架構設計建議
程式碼審查（Reviewer）：檢查程式碼品質，發現潛在問題
研究專家（Researcher）：查找文件、搜尋開源實作、調研最佳實踐
程式碼偵探（Searcher）：快速定位程式碼、查找引用、理解現有實作
前端設計師（Frontend Designer）：設計 UI、調整樣式
Git 專家（Git Master）：提交程式碼、管理分支、搜尋歷史

oh-my-opencode 把這些角色做成了 10 個專業 AI 代理，你可以根據任務類型靈活組合使用。

10 個代理詳解

主編排器（2 個）

Sisyphus - 主編排器

角色：主編排器，你的首要技術負責人

能力：

深度推理（32k thinking budget）
規劃和委派複雜任務
執行程式碼修改和重構
管理整個開發流程

推薦模型：anthropic/claude-opus-4-5（temperature: 0.1）

使用情境：

日常開發任務（新增功能、修復 bug）
需要深度推理的複雜問題
多步驟任務分解和執行
需要平行委派其他代理的情境

呼叫方式：

預設主代理（OpenCode Agent 選擇器中的 "Sisyphus"）
提示詞中直接輸入任務，無需特殊觸發詞

權限：完整工具權限（write、edit、bash、delegate_task 等）

Atlas - TODO 管理器

角色：主編排器，專注 TODO 清單管理和任務執行追蹤

能力：

管理和追蹤 TODO 清單
系統化執行計畫
任務進度監控

推薦模型：anthropic/claude-opus-4-5（temperature: 0.1）

使用情境：

使用 /start-work 指令啟動專案執行
需要嚴格按照計畫完成任務
系統化追蹤任務進度

呼叫方式：

使用斜線指令 /start-work
透過 Atlas Hook 自動啟動

權限：完整工具權限

顧問與審查（3 個）

Oracle - 策略顧問

角色：唯讀技術顧問，高智商推理專家

能力：

架構決策建議
複雜問題診斷
程式碼審查（唯讀）
多系統權衡分析

推薦模型：openai/gpt-5.2（temperature: 0.1）

使用情境：

複雜架構設計
完成重要工作後的自我審查
2 次以上修復失敗的困難除錯
陌生的程式碼模式或架構
安全性/效能相關問題

觸發條件：

提示詞中包含 @oracle 或使用 delegate_task(agent="oracle")
複雜架構決策時自動推薦

限制：唯讀權限（禁止 write、edit、task、delegate_task）

核心原則：

極簡主義：傾向於最簡單的解決方案
利用現有資源：優先修改當前程式碼，避免引入新依賴
開發者體驗優先：可讀性、可維護性 > 理論效能
單一明確路徑：提供一個主要建議，僅在權衡差異顯著時提替代方案

Metis - 前規劃分析師

角色：規劃前的需求分析和風險評估專家

能力：

識別隱藏需求和未明確要求
檢測可能導致 AI 失敗的模糊性
標記潛在 AI-slop 模式（過度工程化、範圍蔓延）
為規劃代理準備指令

推薦模型：anthropic/claude-sonnet-4-5（temperature: 0.3）

使用情境：

在 Prometheus 規劃之前
當使用者請求模糊或開放時
防止 AI 過度工程化模式

呼叫方式：Prometheus 自動呼叫（面試模式）

限制：唯讀權限（禁止 write、edit、task、delegate_task）

核心流程：

意圖分類：重構 / 從零建構 / 中等任務 / 協作 / 架構 / 研究
意圖特定分析：根據不同類型提供針對性建議
問題生成：為使用者生成明確問題
指令準備：為 Prometheus 生成明確的 "MUST" 和 "MUST NOT" 指令

Momus - 計畫審查者

角色：嚴格的計畫評審專家，發現所有遺漏和模糊點

能力：

驗證計畫的清晰度、可驗證性和完整性
檢查所有檔案引用和上下文
模擬實際實作步驟
識別關鍵遺漏

推薦模型：anthropic/claude-sonnet-4-5（temperature: 0.1）

使用情境：

Prometheus 建立工作計畫後
執行複雜 TODO 清單之前
驗證計畫品質

呼叫方式：Prometheus 自動呼叫

限制：唯讀權限（禁止 write、edit、task、delegate_task）

四大評審標準：

工作內容清晰度：每個任務是否指定了參考來源？
驗證與驗收標準：是否有具體的成功驗證方法？
上下文完整性：是否提供足夠上下文（90% 信心度閾值）？
整體理解：開發者是否理解 WHY、WHAT 和 HOW？

核心原則：文件評審者，不是設計顧問。評估的是「計畫是否清楚到可以執行」，而不是「選擇的方法是否正確」。

研究與探索（3 個）

Librarian - 多儲存庫研究專家

角色：開源程式碼庫理解專家，專門查找文件和實作範例

能力：

GitHub CLI：複製儲存庫、搜尋 issues/PRs、查看歷史
Context7：查詢官方文件
Web Search：搜尋最新資訊
生成帶永久連結的證據

推薦模型：opencode/big-pickle（temperature: 0.1）

使用情境：

「如何使用 [函式庫]？」
「[框架特性] 的最佳實踐是什麼？」
「[外部依賴] 為什麼會這樣表現？」
「查找 [函式庫] 的使用範例」

觸發條件：

提及外部函式庫/來源時自動觸發
提示詞中包含 @librarian

請求類型分類：

Type A（概念性）：「如何做 X？」、「最佳實踐」
Type B（實作參考）：「X 如何實作 Y？」、「顯示 Z 的原始碼」
Type C（上下文與歷史）：「為什麼會這樣改？」、「X 的歷史？」
Type D（綜合研究）：複雜/模糊請求

限制：唯讀權限（禁止 write、edit、task、delegate_task、call_omo_agent）

強制要求：所有程式碼聲明必須包含 GitHub 永久連結

Explore - 快速程式碼庫探索專家

角色：上下文感知的程式碼搜尋專家

能力：

LSP 工具：定義、引用、符號導覽
AST-Grep：結構模式搜尋
Grep：文字模式搜尋
Glob：檔案名稱模式比對
平行執行（3+ 工具同時執行）

推薦模型：opencode/gpt-5-nano（temperature: 0.1）

使用情境：

需要 2+ 個搜尋角度的廣泛搜尋
不熟悉的模組結構
跨層模式發現
查找「X 在哪裡？」、「哪個檔案有 Y？」

觸發條件：

涉及 2+ 個模組時自動觸發
提示詞中包含 @explore

強制輸出格式：

<analysis>
**Literal Request**: [使用者字面請求]
**Actual Need**: [實際需要什麼]
**Success Looks Like**: [成功應該是什麼樣]
</analysis>

<results>
<files>
- /absolute/path/to/file1.ts — [為什麼這個檔案相關]
- /absolute/path/to/file2.ts — [為什麼這個檔案相關]
</files>

<answer>
[直接回答實際需求]
</answer>

<next_steps>
[接下來應該做什麼]
</next_steps>
</results>

限制：唯讀權限（禁止 write、edit、task、delegate_task、call_omo_agent）

Multimodal Looker - 媒體分析專家

角色：解釋無法作為純文字讀取的媒體檔案

能力：

PDF：擷取文字、結構、表格、特定章節資料
圖片：描述版面配置、UI 元素、文字、圖表
圖表：解釋關係、流程、架構

推薦模型：google/gemini-3-flash（temperature: 0.1）

使用情境：

需要從 PDF 擷取結構化資料
描述圖片中的 UI 元素或圖表
解析技術文件中的圖表

呼叫方式：透過 look_at 工具自動觸發

限制：唯讀白名單（僅允許 read 工具）

規劃與執行（2 個）

Prometheus - 策略規劃師

角色：面試式需求收集和工作計畫生成專家

能力：

面試模式：持續提問直到需求明確
工作計畫生成：結構化的 Markdown 計畫文件
平行委派：諮詢 Oracle、Metis、Momus 驗證計畫

推薦模型：anthropic/claude-opus-4-5（temperature: 0.1）

使用情境：

為複雜專案制定詳細計畫
需要明確需求的專案
系統化工作流程

呼叫方式：

提示詞中包含 @prometheus 或「使用 Prometheus」
使用斜線指令 /start-work

工作流程：

面試模式：持續提問直到需求清晰
起草計畫：生成結構化 Markdown 計畫
平行委派：
- delegate_task(agent="oracle", prompt="審查架構決策") → 背景執行
- delegate_task(agent="metis", prompt="識別潛在風險") → 背景執行
- delegate_task(agent="momus", prompt="驗證計畫完整性") → 背景執行
整合回饋：完善計畫
輸出計畫：儲存到 .sisyphus/plans/{name}.md

限制：僅規劃，不實作程式碼（由 prometheus-md-only Hook 強制）

Sisyphus Junior - 任務執行器

角色：類別生成的子代理執行器

能力：

繼承 Category 設定（模型、temperature、prompt_append）
載入 Skills（專業技能）
執行委派的子任務

推薦模型：繼承自 Category（預設 anthropic/claude-sonnet-4-5）

使用情境：

使用 delegate_task(category="...", skills=["..."]) 時自動生成
需要特定 Category 和 Skill 組合的任務
輕量級快速任務（"quick" Category 使用 Haiku 模型）

呼叫方式：透過 delegate_task 工具自動生成

限制：禁止 task、delegate_task（不能再次委派）

代理呼叫方式速查

代理	呼叫方式	觸發條件
Sisyphus	預設主代理	日常開發任務
Atlas	`/start-work` 指令	啟動專案執行
Oracle	`@oracle` 或 `delegate_task(agent="oracle")`	複雜架構決策、2+ 次修復失敗
Librarian	`@librarian` 或 `delegate_task(agent="librarian")`	提及外部函式庫/來源時自動觸發
Explore	`@explore` 或 `delegate_task(agent="explore")`	2+ 模組涉及時自動觸發
Multimodal Looker	`look_at` 工具	需要分析 PDF/圖片時
Prometheus	`@prometheus` 或 `/start-work`	提示詞中包含「Prometheus」或需要規劃
Metis	Prometheus 自動呼叫	規劃前自動分析
Momus	Prometheus 自動呼叫	計畫生成後自動審查
Sisyphus Junior	`delegate_task(category=...)`	使用 Category/Skill 時自動生成

什麼時候用哪個代理

快速決策樹

情境 1：日常開發（寫程式碼、修 bug） → Sisyphus（預設）

情境 2：複雜架構決策 → @oracle 諮詢

情境 3：需要查找外部函式庫的文件或實作 → @librarian 或自動觸發

情境 4：不熟悉的程式碼庫，需要找相關程式碼 → @explore 或自動觸發（2+ 模組）

情境 5：複雜專案需要詳細計畫 → @prometheus 或使用 /start-work

情境 6：需要分析 PDF 或圖片 → look_at 工具（自動觸發 Multimodal Looker）

情境 7：快速簡單任務，想省錢 → delegate_task(category="quick")

情境 8：需要 Git 專業操作 → delegate_task(category="quick", skills=["git-master"])

情境 9：需要前端 UI 設計 → delegate_task(category="visual-engineering")

情境 10：需要高智商推理任務 → delegate_task(category="ultrabrain")

代理協作範例：完整工作流

範例 1：複雜功能開發

使用者：開發一個使用者認證系統

→ Sisyphus 接收任務
  → 分析需求，發現需要外部函式庫（JWT）
  → 平行委派：
    - @librarian: "查找 Next.js JWT 最佳實踐" → [背景]
    - @explore: "查找現有認證相關程式碼" → [背景]
  → 等待結果，整合資訊
  → 實作 JWT 認證功能
  → 完成後委派：
    - @oracle: "審查架構設計" → [背景]
  → 根據建議最佳化

範例 2：專案規劃

使用者：使用 Prometheus 規劃這個專案

→ Prometheus 接收任務
  → 面試模式：
    - 問題 1：核心功能是什麼？
    - [使用者回答]
    - 問題 2：目標使用者群體？
    - [使用者回答]
    - ...
  → 需求明確後，平行委派：
    - delegate_task(agent="oracle", prompt="審查架構決策") → [背景]
    - delegate_task(agent="metis", prompt="識別潛在風險") → [背景]
    - delegate_task(agent="momus", prompt="驗證計畫完整性") → [背景]
  → 等待所有背景任務完成
  → 整合回饋，完善計畫
  → 輸出 Markdown 計畫文件
→ 使用者查看計畫，確認
→ 使用 /start-work 啟動執行

代理權限與限制

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

本課小結

oh-my-opencode 的 10 個 AI 代理涵蓋了開發流程的所有環節：

編排與執行：Sisyphus（主編排器）、Atlas（TODO 管理）
顧問與審查：Oracle（策略顧問）、Metis（前規劃分析）、Momus（計畫審查）
研究與探索：Librarian（多儲存庫研究）、Explore（程式碼庫探索）、Multimodal Looker（媒體分析）
規劃：Prometheus（策略規劃）、Sisyphus Junior（子任務執行）

核心要點：

不要把 AI 當全能助手，要當成專業團隊
根據任務類型選擇最合適的代理
利用平行委派提升效率（Librarian、Explore、Oracle 都可背景執行）
理解每個代理的權限限制（唯讀代理不能修改程式碼）
代理之間協作可以形成完整工作流（規劃 → 執行 → 審查）

下一課預告

下一課我們學習 Prometheus 規劃：面試式需求收集。
你會學到：
如何使用 Prometheus 進行面試式需求收集
如何生成結構化的工作計畫
如何讓 Metis 和 Momus 驗證計畫
如何取得和取消背景任務

附錄：原始碼參考

點擊展開查看原始碼位置

更新時間：2026-01-26

代理	檔案路徑	行號
Sisyphus 主編排器	`src/agents/sisyphus.ts`	-
Atlas 主編排器	`src/agents/atlas.ts`	-
Oracle 顧問	`src/agents/oracle.ts`	1-123
Librarian 研究專家	`src/agents/librarian.ts`	1-327
Explore 搜尋專家	`src/agents/explore.ts`	1-123
Multimodal Looker	`src/agents/multimodal-looker.ts`	1-57
Prometheus 規劃師	`src/agents/prometheus-prompt.ts`	1-1196
Metis 前規劃分析	`src/agents/metis.ts`	1-316
Momus 計畫審查者	`src/agents/momus.ts`	1-445
Sisyphus Junior	`src/agents/sisyphus-junior.ts`	-
代理元資料定義	`src/agents/types.ts`	-
代理工具限制	`src/shared/permission-compat.ts`	-

關鍵設定：

ORACLE_PROMPT_METADATA：Oracle 代理的元資料（觸發條件、使用情境）
LIBRARIAN_PROMPT_METADATA：Librarian 代理的元資料
EXPLORE_PROMPT_METADATA：Explore 代理的元資料
MULTIMODAL_LOOKER_PROMPT_METADATA：Multimodal Looker 代理的元資料
METIS_SYSTEM_PROMPT：Metis 代理的系統提示詞
MOMUS_SYSTEM_PROMPT：Momus 代理的系統提示詞

關鍵函式：

createOracleAgent(model)：建立 Oracle 代理設定
createLibrarianAgent(model)：建立 Librarian 代理設定
createExploreAgent(model)：建立 Explore 代理設定
createMultimodalLookerAgent(model)：建立 Multimodal Looker 代理設定
createMetisAgent(model)：建立 Metis 代理設定
createMomusAgent(model)：建立 Momus 代理設定

權限限制：

createAgentToolRestrictions()：建立代理工具限制（Oracle、Librarian、Explore、Metis、Momus 使用）
createAgentToolAllowlist()：建立代理工具白名單（Multimodal Looker 使用）

AI 代理團隊：10 位專家介紹 ​

學完你能做什麼 ​

核心思路：像真實團隊一樣協作 ​

10 個代理詳解 ​

主編排器（2 個） ​

Sisyphus - 主編排器 ​

Atlas - TODO 管理器 ​

顧問與審查（3 個） ​

Oracle - 策略顧問 ​

Metis - 前規劃分析師 ​

Momus - 計畫審查者 ​

研究與探索（3 個） ​

Librarian - 多儲存庫研究專家 ​

Explore - 快速程式碼庫探索專家 ​

Multimodal Looker - 媒體分析專家 ​

規劃與執行（2 個） ​

Prometheus - 策略規劃師 ​

Sisyphus Junior - 任務執行器 ​

代理呼叫方式速查 ​

什麼時候用哪個代理 ​

代理協作範例：完整工作流 ​

範例 1：複雜功能開發 ​

範例 2：專案規劃 ​

代理權限與限制 ​

本課小結 ​

下一課預告 ​

附錄：原始碼參考 ​

AI 代理團隊：10 位專家介紹

學完你能做什麼

核心思路：像真實團隊一樣協作

10 個代理詳解

主編排器（2 個）

Sisyphus - 主編排器

Atlas - TODO 管理器

顧問與審查（3 個）

Oracle - 策略顧問

Metis - 前規劃分析師

Momus - 計畫審查者

研究與探索（3 個）

Librarian - 多儲存庫研究專家

Explore - 快速程式碼庫探索專家

Multimodal Looker - 媒體分析專家

規劃與執行（2 個）

Prometheus - 策略規劃師

Sisyphus Junior - 任務執行器

代理呼叫方式速查

什麼時候用哪個代理

代理協作範例：完整工作流

範例 1：複雜功能開發

範例 2：專案規劃

代理權限與限制

本課小結

下一課預告

附錄：原始碼參考