一个逆向大神写了个开源版"Claude Code",还顺手把 Grok 的成功率从 6.7% 拉到 68%

原文链接：https://mp.weixin.qq.com/s/5BoXb60t36-Dc7LwCSTwHQ

一个逆向大神写了个开源版”Claude Code”,还顺手把 Grok 的成功率从 6.7% 拉到 68%

它不卖你模型,而是把你已经买了的 Claude、GPT、Gemini 订阅,全塞进一个终端里。作者是写过 VMProtect 脱壳机的硬核黑客。

一、你大概率正在经历这几种”AI 编程的拧巴”

如果你已经用上了终端里的 AI 编程工具(Claude Code、Codex CLI 之类),下面几个场景大概率戳中你:

• 你同时买了 Claude Pro、ChatGPT Plus、Gemini,结果每个官方 CLI 只认自家模型,想换个脑子还得换个工具,配置各来一套;
• 你让 AI 改个文件,它信誓旦旦地输出一段 str_replace,结果报错 “string not found”——它把缩进、空格记错了,白白烧掉一轮 token;
• 你想用便宜快速的小模型(比如 Grok Code Fast)干杂活,但它”手抖”得厉害,改文件老失败,最后还是只能用贵的;
• 你在 Claude Code 里配好的 CLAUDE.md、MCP、各种 skill,换到别的工具就全废了,得重配一遍。

这些拧巴的根源是:主流 AI 编程 CLI 大多是”模型厂商的自家门面”——它们的首要目的是卖你自家模型,而不是把你手里所有的模型和配置榨干、整合到一起。

有没有一个工具,既不绑定模型、又能把这些坑一个个填平?有的——它叫 oh-my-pi(命令行里叫 omp)。

二、它是什么:一个”谁的模型都能用”的开源终端编程 Agent

一句话定位:oh-my-pi 是一个开源的、终端里的 AI 编程 Agent,它本身不卖模型,而是把你已有的各种模型订阅 / API 全接进来,再配上一整套”豪华工具箱”。

你可以把它理解成一个开源、不绑架、还自带外挂的 Claude Code。

项目信息

详情

项目名

oh-my-pi(CLI 命令:omp)

Stars

约 2.7k ⭐

Forks

248

三、作者来头:一个写过 VMProtect 脱壳机的逆向大神

这是我觉得整个项目最有”反差感”的地方。

oh-my-pi 的作者是 Can Bölük(GitHub ID:can1357)。如果你混过逆向工程 / 软件安全圈,这个名字你多半听过——他是个安全研究员兼逆向工程师,主攻 Windows 内核开发、底层编程、静态程序分析和密码学。

他最出名的作品包括:

• NoVmp —— 一个针对 VMProtect x64 3.x 的静态反虚拟化(脱壳)引擎。VMProtect 是业界最硬的代码保护壳之一,能把它的虚拟机静态还原出来,是相当硬核的活儿;
• VTIL —— 一个虚拟指令翻译中间层(二进制分析框架);
• 还有一堆 Hex-Rays 反编译插件、x86-64 指令集探测的研究文章……

简单说:这是一个平时在跟 CPU 指令、内核漏洞、代码混淆死磕的人。这种人写应用层工具,往往有种”降维”般的扎实——尤其体现在他用 ~7500 行 Rust 给这个 Agent 写了个原生引擎。

四、几个让我眼前一亮的”杀手锏”

🎯 Hashline 编辑:把弱模型的成功率”原地翻十倍”

这是全项目最值得吹的一个设计,也是最能体现作者功底的地方。

问题背景:AI 改代码时,主流做法是让模型输出”把这段旧文本替换成这段新文本”(str_replace)。但模型经常把空格、缩进、原文记错一个字,导致”找不到要替换的字符串”,一轮就废了。越弱、越便宜的模型越容易翻车。

oh-my-pi 的解法:给文件的每一行都打上一个内容哈希锚点(Hashline)。模型只需要引用那个锚点,而不用一字不差地复述原文。如果文件在它上次读取后被改动过,哈希对不上,这次编辑会在”搞坏文件之前”直接被拒绝。

效果有多猛?作者在 16 个模型、180 个任务、各跑 3 遍的基准测试里给出了数据:

• Grok Code Fast 1:成功率从 6.7% 飙到 68.3%——整整十倍,原来它不是笨,是一直卡在机械的格式错误上;
• Grok 4 Fast:输出 token 减少 61%,因为不再陷入”改失败→重试→再失败”的死循环;
• MiniMax:成功率直接翻倍还不止;
• 几乎对所有测试模型都追平或超过传统 str_replace,而越弱的模型收益越大。

一句话:它让你能放心地用便宜的小模型干活,省下的是真金白银的 token 钱。

🧰 一个终端,接管你所有的模型订阅

它支持的接入方式多到夸张:Anthropic(Claude Pro/Max)、ChatGPT Plus/Pro(Codex)、GitHub Copilot、Gemini、Cursor、Kimi、MiniMax、Qwen、Z.AI(GLM)、以及一大堆本地方案(Ollama、LM Studio、llama.cpp、vLLM)……

更实用的是:

• 多凭证轮询:你可以把多个 API key 丢进去,它自动轮换、撞到限流就切下一个,不再被单账号额度卡住;
• 模型角色分工:给”日常干活””快速探索(smol)””深度推理(slow)””做计划(plan)””写 commit”分别指派不同模型——杂活用便宜的,硬骨头用最强的。

🔌 把别的工具的配置”白嫖”过来

如果你已经在用 Claude Code、Cursor、Windsurf、Gemini、Codex、Cline、Copilot……oh-my-pi 能自动发现并加载这 8 个工具的配置:MCP 服务器、规则、skill、hook、slash 命令、上下文文件全都认。

也就是说,你迁移过来几乎零成本,连 ~/.claude/commands/ 里的命令都能直接读。

🦀 7500 行 Rust 原生引擎,不靠”喊外部命令”

很多终端 Agent 干活靠 child_process 去 shell 里调 grep、ls。oh-my-pi 直接用 Rust 写了个原生模块(N-API),内置了:

ripgrep 内核级的正则搜索、嵌入式 bash 执行、语法高亮、glob 文件发现、跨平台进程树管理、火焰图性能分析……连剪贴板读写都不用再依赖 xclip/pbcopy。快、稳、依赖少,这就是逆向佬的”手感”。

🤖 子 Agent 并行 + 真·IDE 级代码智能

• 子 Agent 系统(Task):内置 explore、plan、reviewer 等 6 种专用 agent,能并行跑、实时流式输出;还能把任务隔离在 git worktree / 文件系统覆盖层里跑,互不污染;
• LSP 集成:接入语言服务器,40+ 语言开箱即用,写完文件自动格式化、自动报诊断错误——相当于给 AI 配了一双”IDE 的眼睛”;
• 内置浏览器(带 14 个反检测脚本)、Python(IPython 内核)、SSH、Web 搜索、AST 结构化改写……工具箱属实有点”全家桶”了。

⏱️ TTSR:只在”快要犯错时”才花钱的规则

还有个小而妙的设计叫 TTSR(时间旅行流式规则):你定义的规则平时完全不占上下文,只有当模型的输出开始匹配到某个危险模式(比如开始写一个废弃 API)时,它才”时间倒流”——中断生成、注入提醒、再重试。规则本身零成本,只在真正需要时才上场。

五、和官方 CLI 怎么选?

它不是要取代谁,而是给”既要又要”的人多一个选择。简单决策:

`你的诉求是什么?
├─ 就用一家模型,要最稳的官方体验      → 官方 Claude Code / Codex CLI
├─ 手里有多家订阅,想一个终端全用上    → oh-my-pi ★
├─ 想用便宜小模型省钱,又怕它改文件翻车 → oh-my-pi(Hashline 是关键)
├─ 重度依赖 Rust/Go/底层、要原生级性能  → oh-my-pi
└─ 不碰命令行、只想图形界面点点点      → 都不合适,去用 Cursor/IDE 插件`

维度

官方 Claude Code 等

oh-my-pi

模型绑定

基本绑自家

几乎全都能接 ✅

弱模型改文件成功率

一般

Hashline 大幅提升 ✅

复用其他工具配置

各自为政

自动发现 8 家 ✅

开源 / 可魔改

多为闭源

MIT 全开源 ✅

上手门槛 / 稳定性

低、稳

略高、迭代猛 ⚠️

六、诚实说说局限(别只听我吹)

再硬核的工具也有边界,几条得提前讲清楚:

• ⚠️ 门槛不低,功能多到”劝退”:它几乎把能想到的功能都塞进来了——子 agent、LSP、隔离后端、TTSR、多凭证……新手很容易被淹没。建议照着 README 的”前 15 分钟”流程一步步来,别一上来就全开。
• ⚠️ 迭代极快 = 可能踩到 bug:300 多个 release、还在高速往前冲,意味着新功能多但也可能不稳。生产关键环境里,建议固定版本号、别盲目追最新。
• ⚠️ 它只是个壳,模型钱还得自己掏:oh-my-pi 本身免费开源,但它不送你算力。你还是得有 Claude/GPT/Gemini 的订阅或 API key,或者自己跑本地模型。它省的是”工具费”和”token 浪费”,不是”模型费”。
• ⚠️ 纯终端 / 命令行:基于 Kitty 键盘协议,在 Kitty、iTerm2、Ghostty 上体验最好;Windows Terminal 有些快捷键(比如 Shift+Enter)受限。不习惯命令行的人会不适应。
• ⚠️ 内置浏览器带”反检测”能力,注意合规:它的浏览器工具内置了 14 个规避机器人检测的 stealth 脚本。这在做正经自动化时很方便,但用来绕过网站反爬 / 风控可能违反对方服务条款,请自行把握边界。

七、它适合谁?

✅ 适合:

• 同时养着多家 AI 订阅、受够了”一个模型一个工具”的重度用户
• 想用便宜模型省钱、但被”改文件老失败”折磨过的人
• 喜欢折腾、爱自定义工作流(hook / 自定义工具 / skill)的极客
• 做 Rust / Go / 底层开发,在意原生性能的工程师

❌ 可能不适合:

• 只用一家模型、追求”零配置开箱即用”的轻度用户
• 完全不碰命令行、只想要图形界面的人
• 需要极致稳定、不能容忍任何 bug 的关键生产流水线(可先固定版本试用)

八、三分钟上手

安装(推荐 Bun,需 Bun ≥ 1.3.7):

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

或用一键脚本(Linux / macOS):

1	`curl -fsSL https://raw.githubusercontent.com/can1357/oh-my-pi/main/scripts/install.sh \| sh`

⚠️ 老规矩:curl | sh 这种”管道直接执行”的安装方式,建议先把脚本下载下来扫一眼再跑,别盲目信任任何来源。

配置与启动:

`omp            # 启动交互界面
/login         # 登录你的 Claude / GPT / Gemini 等账号
/model         # 给"日常/快速/深度/计划/commit"分配不同模型
/plan          # 大改动前,先让它出个方案`

不想配环境变量的,直接在界面里 /login 走 OAuth 即可。

九、写在最后

oh-my-pi 这个项目,我觉得它真正有意思的,不只是功能堆得多。

💭 第一,它代表了一种”用户主权”的态度。 当各家都想把你锁进自己的 CLI、只用自己的模型时,有人愿意做一个”谁的都能用、还把你旧配置全继承过来”的工具。它把”用哪个模型”的选择权,重新交还给了用户。

💭 第二,它证明了”工程功底”在 AI 时代依然稀缺。 Hashline 把弱模型成功率拉高十倍,靠的不是更大的模型,而是一个朴素到聪明的工程设计——给每行打个哈希锚点。一个逆向佬用对待二进制的严谨,去对待”AI 怎么改文件”这件小事,结果就是降维打击。

大模型决定了 AI 能多聪明,而工具决定了这份聪明有几成能真正落到你的代码里。前者要花钱买,后者——有人已经免费开源给你了。

如果你也受够了”一个模型一个工具”的拧巴,去给它点个 star、试一试吧。

📚 参考资料

1. oh-my-pi GitHub 仓库:https://github.com/can1357/oh-my-pi
1. npm 包:https://www.npmjs.com/package/@oh-my-pi/pi-coding-agent
1. 作者 Can Bölük GitHub 主页:https://github.com/can1357
1. 作者博客(逆向工程):https://blog.can.ac
1. 上游项目 pi-mono(by Mario Zechner):https://github.com/badlogic/pi-mono
1. 项目 Discord 社区:https://discord.gg/4NMW9cdXZa

📖 相关阅读 / 同类工具

• Claude Code / Codex CLI —— 模型厂商官方的终端 Agent,体验稳但绑定自家模型
• pi-mono —— oh-my-pi 的上游,更精简的原始版本
• aider / OpenCode —— 另外两个流行的开源终端 AI 编程工具,可横向对比

📌 本文信息基于 2026 年 5 月公开资料整理。开源项目迭代极快,具体版本号、功能与命令请以官方仓库 README 为准。

⚠️ 安全提示:① curl | sh 安装前请先审阅脚本;② 内置浏览器的反检测功能请勿用于绕过网站风控 / 反爬,注意遵守对方服务条款;③ 各模型的 API / 订阅费用需自行承担。

觉得有用的话,点个赞、在看、转发给那个”同时开了三个 AI 订阅还在反复横跳”的同事 🙌 也别忘了去 GitHub 给原项目点颗 star。

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。