oh-my-claudecodeself-improve命令解析轻量分发与自主进化优化循环【免费下载链接】oh-my-claudecodeTeams-first Multi-agent orchestration for Claude Code项目地址: https://gitcode.com/GitHub_Trending/oh/oh-my-claudecode本篇技术指南聚焦 oh-my-claudecodeOMC中的/oh-my-claudecode:self-improve命令它是一条兼容性命令用最轻量的方式让该命令在每一个 Claude Code 会话中都可用而无需在每个会话加载完整的self-improveskill 描述。读者将掌握它的分发机制、插件/安装定位回退策略以及它真正驱动的自我改进引擎——一条从目标澄清、基准构建、研究-规划-评审-执行到锦标赛式优胜劣汰选出的全自主优化循环可用于对任意目标仓库进行可量化指标的持续进化。为什么需要一条兼容性命令在 oh-my-claudecode 中能力以 skill 形式存在而 skills/self-improve/SKILL.md 是一个level: 4的完整自主编排指令包含了设置、研究、规划、执行、锦标赛选择、历史记录、可视化与停止条件判断等一整套循环协议。如果每个会话都默认加载这一整段描述会显著增加上下文占用与开销。commands/self-improve.md 定义的正是解决该问题的产物一条兼容性命令compatibility command。它的目的是在不于每个 Claude Code 会话加载完整self-improveskill 描述的前提下保持/oh-my-claudecode:self-improve命令可用。也就是说命令文档本体刻意保持轻薄front-matter 中description为空、正文只有分发指令真正的内容在按需读取时才注入。这一模式也存在于 commands/ 目录的其他命令如ask.md、remember.md、hud.md、psm.md等它们同样使用$ARGUMENTS占位约定。命令分发机制Dispatch当用户在会话中触发/oh-my-claudecode:self-improve时命令按以下两步执行读取完整的内置 skill 指令从当前活跃的 OMC 插件/安装中读取skills/self-improve/SKILL.md。严格按其执行把用户传入的参数视为$ARGUMENTS原样交给 SKILL.md 协议处理。$ARGUMENTS是 OMC 命令/skill 体系中的标准占位符约定参见 src/commands/index.ts 与 src/hooks/auto-slash-command/executor.ts 中的同类用法代表用户在斜杠命令后输入的原始参数文本。定位回退链若skills/self-improve/SKILL.md无法从当前工作目录直接读取命令需依次在以下位置查找活跃的CLAUDE_PLUGIN_ROOT/OMC_PLUGIN_ROOT环境变量指向的插件根目录package 根目录已安装的 OMC 插件目录。仓库中大量脚本以这两种环境变量为锚点例如 scripts/lib/hud-wrapper-template.txt 中 OMC_PLUGIN_ROOT 为最高优先级、scripts/lib/hook-command-normalizer.mjs 使用$CLAUDE_PLUGIN_ROOT/scripts/run.cjs作为 hooks 前缀说明 OMC 安装/插件体系把这两类根路径作为解析内置资源的事实标准。命令真正触发的内容自主进化编排循环命令执行的核心是完整读取并遵循 skills/self-improve/SKILL.md。该文档描述了一个带锦标赛选择的自主进化式代码改进引擎Autonomous evolutionary code improvement engine with tournament selection。作为编排控制器它管理完整的生命周期并委托给专门的 OMC agent。自主执行策略与信任边界一旦设置检查通过、循环开始控制器全程自主运行绝不中途停下来向用户提问单次失败仅重试一次随后跳过该 agent 继续所有计划被拒、所有执行失败、基准错误均只记录并继续下一轮迭代循环停止的唯一依据是 Step 11 的停止条件信任边界循环只按原样在被改进仓库内运行基准命令不安装包、不修改系统配置、不访问额外网络资源密封文件sealed filesscripts/validate.sh 强制基准代码不可被循环修改防止评估机制被自我改写。状态目录布局所有产物位于通过 scripts/resolve-paths.mjs 解析出的self-improve-root下。解析规则可从源码确认scripts/resolve-paths.mjs新运行默认落到.omc/self-improve/topics/default/指定 topic/slug 时落到.omc/self-improve/topics/{topic_slug}/传入--session-id或存在OMC_SESSION_ID时进一步隔离为topics/slug/sessions/sid/避免并行运行冲突未指定 topic 且扁平布局已存在时旧的.omc/self-improve/仅作为兼容回退保留状态根解析顺序为OMC_STATE_DIR .omc-workspace git cwd可参考 docs/REFERENCE.md。完整目录树self-improve-root/ ├── config/ # 用户配置 │ ├── settings.json # agents、benchmark、阈值、sealed_files │ ├── goal.md # 改进目标 目标指标 │ ├── harness.md # 护栏规则H001/H002/H003 │ └── idea.md # 用户实验想法 ├── state/ # 运行时状态 │ ├── agent-settings.json # iterations、best_score、status、counters │ ├── iteration_state.json # 迭代内进度可续跑 │ ├── research_briefs/ # 每轮研究输出 │ ├── iteration_history/ # 每轮完整历史 │ ├── merge_reports/ # 锦标赛结果 │ └── plan_archive/ # 已归档计划永久 ├── plans/ # 活跃计划当前轮 └── tracking/ # 可视化数据 ├── raw_data.json # 全部候选得分 ├── baseline.json # 初始基准分 ├── events.json # 配置变更 └── progress.png # 生成的图表OMC 模式生命周期状态记录在.omc/state/sessions/{sessionId}/self-improve-state.json。角色映射谁在循环中做什么所有增强均通过在 spawn 时的 Task 描述上下文注入不改动任何既有 agent .md 文件。技能内置的补充提示词文件作为独立 agent 的 prompt步骤角色OMC Agent模型研究代码库分析 假设生成通用 Agentopus规划假设 → 结构化计划oh-my-claudecode:planneropus架构评审6 点计划评审oh-my-claudecode:architectopus批判评审护栏规则执行oh-my-claudecode:criticopus执行实现计划 运行基准oh-my-claudecode:executoropusGit 操作原子合并/打标/PRoh-my-claudecode:git-mastersonnet目标设置交互式访谈本 skill 内直接执行N/A基准构建创建并验证基准自定义 agentopus研究 agent 的 prompt 取自si-researcher.md基准构建 agent 的 prompt 取自si-benchmark-builder.md目标澄清由控制器直接读取si-goal-clarifier.md以交互式执行。输入文件清单每次启动及每轮迭代开始需读取以下文件文件用途self-improve-root/config/settings.json用户配置number_of_agents、benchmark_command、benchmark_format、benchmark_direction、max_iterations、plateau_threshold、plateau_window、target_value、primary_metric、sealed_files、regression_threshold、circuit_breaker_threshold、target_branch、current_repo_url、fork_url、upstream_url、topic_slugself-improve-root/state/agent-settings.json运行时iterations、best_score、plateau_consecutive_count、circuit_breaker_count、status、goal_slug由目标目标小写下划线派生持久化保证跨会话一致self-improve-root/state/iteration_state.json迭代内进度用于可续跑self-improve-root/config/goal.md改进目标、目标指标、范围self-improve-root/config/harness.md护栏规则H001、H002、H003settings.json 关键配置模板仓库中的 templates/settings.json 给出了可直接使用的默认值{ si_claude_setting: false, number_of_agents: 3, number_of_max_critics: 3, current_repo_url: , fork_url: , upstream_url: , topic_slug: default, target_branch: main, benchmark_command: , benchmark_format: json, benchmark_direction: higher_is_better, max_iterations: 50, plateau_threshold: 0.01, plateau_window: 3, target_value: null, primary_metric: primary, sealed_files: [], regression_threshold: 0.05, circuit_breaker_threshold: 3, auto_push: false, auto_pr: false }关键字段语义number_of_agents每轮并行 planner/executor 的数量默认 3benchmark_formatjson/number/pass_failbenchmark_directionhigher_is_better或lower_is_better决定排序与回归判断方向max_iterations/plateau_threshold/plateau_window/circuit_breaker_threshold共同定义循环终止条件sealed_files数组列出不允许循环修改的文件如基准脚本validate.sh 会在执行前校验auto_push/auto_pr默认false即合并后默认不推送、目标达成后默认不自动创建 PR。设置阶段Setup Phase控制器按顺序完成以下准备工作校验目标仓库路径是否存在否则向用户询问要改进的仓库路径运行node {skill_dir}/scripts/resolve-paths.mjs --project-root {repo_path} [--topic ...] [--slug ...] --ensure-dirs解析self-improve-root从本 skill 的templates/复制目录结构到解析出的config/根读取state/agent-settings.json检查si_setting_goal/si_setting_benchmark/si_setting_harness信任确认强制不可跳过若trust_confirmed已是true则走续跑路径否则展示目标仓库路径并要求用户确认Self-improve will run benchmark commands inside {repo_path}. This executes arbitrary code in that repository. Confirm? [yes/no]拒绝则中止退出同意则写入trust_confirmed: truetopic 解析生效时把topic_slug持久化到config/settings.json保证未来续跑在同一条轨道上若目标未设置 → 读取si-goal-clarifier.md并直接执行 4 维度苏格拉底式访谈Objective / Metric / Target / Scope结果写入config/goal.md若基准未设置 → 读取si-benchmark-builder.mdspawn 自定义 agentmodelopus由它调研仓库、创建或包装基准、3 次验证并记录 baseline随后需用户确认基准命令若护栏未设置 → 与用户确认默认 H001/H002/H003 或定制门禁Gate上述四项必须全为true才能进入循环若改进分支不存在则创建improve/{goal_slug}基于{target_branch}并将goal_slug持久化到 agent-settings.json模式互斥调用state_list_active若 autopilot 或 ralph 正在运行则拒绝启动写入初始状态state_write(modeself-improve, activetrue, iteration0, started_atnow)。目标澄清访谈的量化方法si-goal-clarifier.md 定义了访谈的具体规则对 Objective、Metric、Target、Scope 四个维度各打分 0-100每轮只针对最低分维度提一个问题退出条件为模糊度 ≤ 20%各维度 ≥ 80软上限 8 轮、硬上限 12 轮若用户直接给出完整目标则走快路径跳过访谈。基准构建的规范要求si-benchmark-builder.md 要求基准满足JSON 输出优先stdout 最后一行形如{primary: 85.2, sub_scores: {...}}、确定性固定种子、快速理想 5 分钟内、自包含不依赖外部服务、诚实反映真实质量。完成后需运行 3 次、方差 5%并把基准脚本加入sealed_files、把均值写入tracking/baseline.json。Git 策略分支与 worktree所有 Git 操作都发生在目标仓库内而非 OMC 项目根目录改进分支improve/{goal_slug}—— 只累积获胜变更实验分支experiment/round_{n}_executor_{id}—— 每个执行者的短命分支归档标签archive/round_{n}_executor_{id}—— 失败分支在删除前先打标每个 executor 启动前的 worktree 建立git -C {repo_path} worktree add worktrees/round_{n}_executor_{id} -b experiment/round_{n}_executor_{id} improve/{goal_slug}获胜者由 oh-my-claudecode:git-master 合入--no-ff提交信息为Iteration {n}: {hypothesis} (score: {before} → {after})合入后可执行非阻塞推送git -C {repo_path} push origin improve/{goal_slug}失败者打标归档后删除。改进循环12 个步骤门禁通过后循环启动状态更新为statusrunning迭代序执行以下步骤Step 0 — 清理过期 worktree每轮必跑先用git worktree list列出所有 worktree凡匹配worktrees/round_*但不属于本轮的一律git worktree remove {path} --force再git worktree prune。该步骤幂等、安全是崩溃恢复的关键——被中断迭代遗留的孤儿 worktree 会在新一轮开始前被清除。Step 1-3 — 刷新状态、检查停止请求、消费用户想法每轮先state_write(...iterationN)重置 30 分钟 TTL随后读取状态判断是否有取消或user_stopped最后读取config/idea.md非空则为 planner 快照内容并在被消费后清空。Step 4 — 研究Researchspawn 1 个通用 Agentmodelopus以si-researcher.md内容为 prompt传入当前迭代号、目标仓库路径、goal.md 路径、历史与过往 brief 路径、data_contracts.md 第 3 节Research Brief schema。输出研究简报 JSON →state/research_briefs/round_{n}.json。研究失败时仅凭历史继续。Step 5 — 规划Plan并行 spawn N 个oh-my-claudecode:plannerN settings 中的number_of_agents。每个 planner 获得身份标识、研究简报路径、迭代历史路径、harness 规则、Plan Document 的数据契约、覆盖指令输出 JSON 而非 markdown、跳过访谈模式、每份计划只生成一个可测试假设、包含 approach_family 标签与 history_reference。用户想法若存在则 planner_a 优先。输出 Plan Document JSON →plans/round_{n}/plan_planner_{id}.json。Step 6 — 评审Review每个计划串行通过两道评审6a. 架构评审architect6 点清单——可测试性、新颖性、范围是否得当、目标文件是否存在且未被密封、实现清晰度、基于证据的预期结果是否现实。架构评审结论仅为建议。6b. 批判评审critic对照 harness 规则与数据契约H001恰好一个假设零个或多个即拒绝H002同一 approach_family 连胜不超过 3 次H003轮内多样性同轮不允许两个计划同族对照 data_contracts.md 做 schema 校验历史感知检查。critic 设置critic_approved: true/false被拒计划不进入执行。若全部计划被拒则记录并跳到 Step 9。Step 7 — 执行Execute每个通过的计划并行 spawnoh-my-claudecode:executormodelopus。spawn 前先在目标仓库创建对应 worktree/实验分支。executor 的 prompt 包含获批计划 JSON、worktree 目录、settings 中的基准命令、sealed_files 列表、scripts/validate.sh路径、Benchmark Result 契约、覆盖指令忠实实现计划、跑基准前先跑 validate.sh、执行基准命令、输出 Benchmark Result JSON。Step 8 — 锦标赛选择Tournament Selection由 SKILL.md 直接完成不委托收集全部 executor 结果仅保留status: success若为零则跳到 Step 9按benchmark_score尊重benchmark_direction排序按序逐候选判定先做无回归检查相对best_score不劣于、且需优于或持平再经 git-master 执行--no-ff合并接着在合并态重新跑基准确认提升若回归则git reset --hard HEAD~1回退并试下一个候选若冲突则git merge --abort继续有获胜者且auto_push为true时推送改进分支为false默认时记录手动推送命令归档全部非获胜分支打标 删除无候选存活则本轮不合并改进分支保持原状写 Merge Report JSON →state/merge_reports/round_{n}.jsonschema 见 data_contracts.md 第 9 节。Step 9 — 记录与可视化写入迭代历史state/iteration_history/round_{n}.json更新 agent-settings.jsoniterations 1有胜者且提升 ≥plateau_threshold时更新best_score、清零两个 counter有胜者但提升低于阈值时更新 best_score 并plateau_consecutive_count 1无胜者时仅circuit_breaker_count 1plataeu 只统计停滞不统计失败追加tracking/raw_data.json运行python3 {skill_dir}/scripts/plot_progress.py --tracking-dir self-improve-root/tracking生成progress.png归档本轮计划到state/plan_archive/round_{n}/。Step 10-11 — 清理与停止条件清理 worktreeremove --force prune把iteration_state.json置为completed。随后评估全部停止条件任一为真即退出条件检查用户停止status user_stopped或 state 被清除目标达成best_score达到/超过target_value尊重方向平台期plateau_consecutive_count plateau_window最大迭代iterations max_iterations熔断circuit_breaker_count circuit_breaker_threshold无停止条件满足则立即回到 Step 1。可续跑性Resumability任何恢复逻辑执行前必须先完整跑完 Step 0。恢复流程如下总是先跑 Step 0即使全新启动读取 agent-settings.json 的statususer_stopped→ 询问是否续跑running→ 会话崩溃自动续跑无提示idle→ 全新开始仅当trust_confirmed为false时才重新确认信任门禁读取iteration_state.jsonin_progress→ 从current_step续跑并跳过已完成子步骤completed→ 开始下一轮failed→ 补齐记录后开始下一轮文件缺失 → 从第 1 轮开始。完成、错误处理与并行注意事项循环退出时的收尾更新最终状态后若target_reached且auto_pr为truespawn git-master 从improve/{goal_slug}向 upstream 创建 PR为false默认时记录手动命令gh pr create --head improve/{goal_slug} --base {target_branch}。最后再跑一次 plot_progress.py并打印汇总 Self-Improvement Loop Complete Status: {status} Iterations: {iterations} Best Score: {best_score} (baseline: {baseline}) Improvement: {delta} ({delta_pct}%)随后调用/oh-my-claudecode:cancel做状态清理。错误处理对照表情形动作Agent 未产出结果重试一次仍无则记录并继续研究简报为空继续——planner 仅凭历史工作全部计划被 critic 拒绝跳过执行、记录、进入下一轮全部 executor 失败跳过锦标赛、记录失败、继续合并冲突拒绝该候选试下一个重跑基准回归拒绝候选、回退合并、试下一个推送失败记录警告并继续——推送只是备份worktree 已存在删除后重建配置损坏报告并停止并行会话注意事项多仓库 workspace 锚点在父目录放置.omc-workspace标记使跨子仓库的多个会话共享同一个.omc/解析顺序OMC_STATE_DIR .omc-workspace git cwd会话 ID 来源CLI 场景OMC_SESSION_ID环境变量优先hook 场景取 hook payload 的data.session_id计划 IDself-improve 产物目录按 topic-slug 隔离同一 workspace 内同 topic 并行运行可能出现会话 ID 后缀并行结论有条件支持存在 topic-slug 冲突可能。数据契约多 Agent 通信的 JSON Schemadata_contracts.md 是所有 Agent 间消息的规范 JSON schema是循环可被校验、可被复现的基石Plan Documentplanner → critic/executorplan_id、hypothesis恰好一条、approach_family、target_files、steps、expected_outcome、history_reference以及 critic/architect 的评审结果字段Benchmark Resultexecutor → 锦标赛benchmark_score、benchmark_raw原样 stdout、statussuccess|regression|error|timeout、sub_scores、failure_analysisResearch Briefresearcher → planners仓库分析摘要 带confidence/estimated_impact的想法列表Iteration History Record胜者 败者含失败分析Failure Analysis Objectwhat/why/category枚举oom、timeout、regression、logic_error、scope_error、infrastructure、benchmark_parse_error、sealed_file_violation/lessonIteration State以子阶段粒度跟踪research、planning、execution、tournament、recording的进度Merge Report锦标赛结论merged|no_improvement|no_winner|all_rejected。密封文件与 schema 校验的脚本实现scripts/validate.sh 是循环中防作弊的硬性关卡可直接独立使用./validate.sh --worktree /path --settings /path/to/settings.json plan.json ./validate.sh --project-root /path/to/repo --topic Improve tests plan.json它按优先级解析 settings 路径显式--settingsSELF_IMPROVE_SETTINGS_PATH环境变量 通过 resolve-paths.mjs 从--project-root/--topic/--slug解析 向上逐级发现.omc/self-improve/config/settings.json然后执行两类校验密封文件检查通过 git diff含 worktree 场景下对 improve 分支基线的 merge-base 对比、未提交与暂存改动找出被改文件凡命中sealed_files中精确路径或以/结尾的目录前缀即exit 1schema 校验对 Plan Document 检查必需字段、hypothesis必须为字符串、steps非空对 Benchmark Result 检查必需字段、status枚举、非 success 状态必须携带完整的failure_analysis含 category 枚举以及sub_scores数值类型。执行过程中需要jq可用。Approach Family 分类体系每份计划必须且只能贴一个approach_family标签critic 依据它执行 H002/H003 多样性约束标签描述architecture模型/组件结构变更training_config优化器、学习率、调度器、batch sizedata数据加载、增强、预处理infrastructure混合精度、分布式训练、编译内核optimization算法/数值优化testing评估方法变更documentation仅文档变更other上述不匹配——需在 evidence 中说明harness.md 中定义的自定义 family 同样有效参见 templates/harness.md 的 Custom Approach Families 段。实战小结一条/oh-my-claudecode:self-improve命令背后是一个完整的自主进化系统命令本体通过兼容性命令 $ARGUMENTS占位 插件根路径回退实现零开销可用执行时则加载 skills/self-improve/SKILL.md 的全套编排协议。对想要在自有仓库上使用该能力的开发者关键动手路径是确认目标仓库与基准命令信任门禁→ 让系统通过访谈收敛出可测目标 → 让基准构建 agent 建立可重复、低方差、被密封的评估 → 观察研究-规划-评审-执行-锦标赛的迭代循环 → 依据tracking/progress.png、iteration_history/与 agent-settings.json 中的计数判断平台期/熔断/达标状态。由于auto_push与auto_pr默认关闭产出改进分支后可手动执行git push origin improve/{goal_slug}与gh pr create将成果沉淀到上游。【免费下载链接】oh-my-claudecodeTeams-first Multi-agent orchestration for Claude Code项目地址: https://gitcode.com/GitHub_Trending/oh/oh-my-claudecode创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考