MLJ_DSPmods

欢迎来到这里！这是由萌泪制作的戴森球计划MOD合集。 本项目主要由萌泪开发，同时感谢乡下来的喵的大力支持。

Welcome to this place! This is a collection of Dyson Sphere Program mods made by MengLei. This project was primarily developed by MengLei, with special thanks to xxdlm for his tremendous support.

反馈问题与建议 Issue or Idea Feedback

如果有任何bug或建议，点击这里反馈，万分感谢。

If there are any bugs or suggestions, click here to give feedback. I would be appreciated.

模组列表 Mods List

Get Dsp Data 获取游戏数据

仅供MOD开发者使用，可以将游戏内物品、配方、模型、科技等信息导出至指定文件。

For mod developers only, you can export in-game items, recipes, models, technology and other information to a specified file.

Fractionate Everything 万物分馏

包含多个新分馏塔，大量分馏配方，还有可以直接与数据中心交互的物流交互站！尽情享受分馏的乐趣吧！

Featuring multiple new fractionators, a vast array of distillation recipes, and Interaction Stations that interact directly with the data centre! Have fun with fractionation!

模组安装说明 Mod Installation Guide

你可以在thunderstore查看我发布的所有模组。

建议通过r2modman模组管理器进行安装。

You can view all the mods I've released at thunderstore.

It is recommended to install them using the r2modman mod manager.

oh-my-openagent 相关

项目目前使用oh-my-openagent辅助开发。 开源AI智能体框架，根据各个AI擅长的方向定向发布任务。

AI简介

现在的AI付费模式就两种，即订阅付费或者按量付费。

• 订阅付费：按月/按季/按年付费。通常会有每5小时额度、以及每周额度/每月额度。 便宜中转站的话可能只有每天额度，甚至还能当天没用完的结转到第二天。
• 按量付费：用多少付多少，通常比订阅要贵——正常来讲确实是这样，但是某些中转站可以1块钱5刀……

下面是部分AI的介绍：

• OpenCode（大杂烩）

  • 订阅：OpenCode Go
    • 10刀/月，我没用过
  • 按量：OpenCode Zen
    • 生成API-Key后使用（可以生成一个key然后无限用免费的Minimax-M2.5-Free）
  • 支付：可用国内卡或link，20刀额度收取1.23刀手续费用于维护OpenCode
  • 说明：能用国内卡支付，而且与别的AI供应商有合作，要真说从正版考虑的话这个确实是最优解

• Anthropic（Claude）

  • 订阅：claude.ai
    • 登录使用（Claude账号直接登录，不需要API-Key；配置Key后可以在超出限制的情况下临时使用按量计费）
  • 按量：platform.claude.com
    • 生成API-Key后使用，Key只走按量
  • 支付：没有太好的方式，直接买成品号。Claude消耗用量比较快，我的pro订阅只用sonnet都不够日常开发。建议至少买max 5x（太贵了）。
  • 说明：极度不推荐，近期有史无前例的大风控，根据使用时间和语言会自动检测封号。

• OpenAI（ChatGPT）

  • 订阅：chatgpt.com，用量在Codex里面看
    • 登录使用
  • 按量：platform.openai.com
    • 生成API-Key后使用，Key只走按量
  • 支付：可以用自己的ios订阅 ，也可以在星际放映厅买成品号。
  • 说明：GPT改代码很强，但是成本考虑的话建议走白嫖的free号池（下面有说），就算有需求也去linux.do看看各种拼车team席位啥的。

• Google（Gemini）

  • 订阅：Google One AI订阅 虽然只能在网页用，但是可以用opencode-antigravity-auth 实现使用以及多账号使用经测试发现还是不好用，不推荐
  • 按量：aistudio.google.com
    • 生成API-Key后使用，Key只走按量
  • 支付：没看到合适的。
  • 说明：极度不推荐买任何官方的，谷歌对于账号地区、IP地址非常敏感，很容易触发封号。建议直接找个中转站。

• DeepSeek（DeepSeek）

  • 订阅：无
  • 按量：platform.deepseek.com
    • 生成API-Key后使用，Key只走按量
  • 支付：没啥说的，国产模型随便付。
  • 说明：价格虽然说确实低，但是一方面有点笨，另一方面价格不如中转站。没有选择的理由= =

• Kimi（Kimi）

  • 订阅：Kimi Code
    • 生成API-Key后使用
  • 按量：Kimi Code Console
    • 生成API-Key后使用，Key先走订阅再走按量
  • 支付：没啥说的，国产模型随便付。
  • 说明：支持国产的话，买就完事了。用它替代Claude的角色。目前没看到有中转站搞Kimi中转的。

• Z.AI / Z.AI Coding Plan（GLM）

  • 订阅（Z.AI Coding Plan）：国内站便宜，国际站贵
    • 生成API-Key后使用
  • 按量（Z.AI）：一样的网址
    • 生成API-Key后使用，Key先走订阅再走按量
  • 支付：可以用国内的卡（无论是国内站还是国际站都行），毕竟也是国产模型。
  • 说明：支持国产的话，买就完事了。用它替代Claude的角色。目前有一部分中转站有提供GLM中转的。 有一点必须说明：GLM5改代码真的不行！！！如果他不能一次改好，他就会删除各种东西，甚至把文件里面内容都删了！

实测说明：

• Claude Sonnet综合能力高，理解需求很准确。缺点就是贵，而且会各种封号。 可以考虑用中转站，然后再搞个Kimi备用（这个不是必须的，全用GPT效果也很棒）
• Chat GPT改代码顶尖，非常好用。 而且现在还有很多公益站，可以白嫖GPT或者低价使用GPT。
• Gemini视觉设计最好。UI方面，可以使用Gemini Pro + ui-ux-pro-max（一个视觉方面的skill），非常强。 这个只推荐中转站。

下面是部分推荐的，可以在opencode使用的中转站：

• QuicklyAPI

  • 免费GPT号池。真是救命了！YYDS！

• RightCode

  • 有Claude、GPT、Gemini。非常便宜，1块=5刀。

• PackyCode

  • 有Claude、GPT、Gemini、Kimi、GLM、豆包、千问等等很多模型。便宜，1块=1刀。 他们也卖GPT，好像一个月30-90R，反正GPT能从QuicklyAPI白嫖，就不管了。

omo安装说明

下面是Windows系统安装oh-my-openagent（简称omo）的说明。

omo是opencode的一个插件。opencode主打的是可用多家AI，而omo则是在一次会话中，自动调用不同家的AI，扬长避短。

根据opencode官网的说明，opencode最好装在Linux系统下。 所以当我们是Windows系统的时候，需要先装wsl，再在wsl中安装一个Linux系统（下面以在wsl中安装Ubuntu为例）。

1.安装WSL并配置一些与其相关的内容

1.1 安装wsl

wsl相当于Linux框架，可以模拟Linux环境，方便在Windows上运行Linux命令和软件。

# 安装wsl
wsl --install
# 安装完成后，重启电脑以使wsl生效
# 通过wsl安装Ubuntu（你也可以换成别的Linux系统）
wsl.exe --install Ubuntu

# 进入Ubuntu系统，有两种方式：
# 方式1：先打开PowerShell，然后输入wsl即可进入
# 方式2：打开PowerShell，可与看到+的右边还有一个v，点一下这个v，选择Ubuntu即可

1.2 解决wsl中使用apt会卡住的问题

先测试一下网络连通性。

# 注意要在wsl里面测，不要在PowerShell里面测
# 依次执行，按ctrl+c终止
# 先看看网络连接是否正常，这两个ping一般不会出问题
ping www.baidu.com
ping www.google.com
# 再看一下apt是否可用
sudo apt update
# 如果卡死在第一个网址，试一下这个
sudo apt-get -o Acquire::http::Proxy="http://127.0.0.1:7890" update

根据你是否有 VPN，处理方式不一样：

• 无 VPN：直接换 apt 源，别的不用做。
• 有 VPN：如果 apt 仍然卡住，再继续看下面的代理/TUN通道配置。

1.2.1 无 VPN：直接换 apt 源

如果你平时不用 VPN，最简单的方式就是直接换国内 apt 源，不要折腾代理。

先确认你当前 Ubuntu 的版本代号，不要直接照抄下面的 noble。

# 推荐：直接看 Ubuntu 代号
lsb_release -cs

# 备选：从系统信息里看
grep VERSION_CODENAME /etc/os-release

常见代号举例：

• Ubuntu 22.04：jammy
• Ubuntu 24.04：noble

下面给一个 Ubuntu 的常见示例（清华源）。如果你的版本不是 noble，把下面所有 noble 都替换成你自己的版本代号：

# 先备份
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 用编辑器打开 sources.list
sudo nano /etc/apt/sources.list

将里面内容替换成你对应 Ubuntu 版本的国内源，例如：

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-security main restricted universe multiverse

保存之后执行：

sudo apt update
sudo apt upgrade -y

如果 apt update 正常，就说明无 VPN 场景已经处理完了，后面关于代理的内容都不用看。

1.2.2 有 VPN：让 WSL 的 apt 正常走代理

假如用apt的时候必须要显式设置Proxy（就是上面的最后一行指令，添加-o参数），大概率是wsl没有走代理的TUN通道。

我们先不说怎么解决，先讲清楚为什么要解决。

试想一下，如果AI遇到了“需要用apt安装某个东西”的场景，它会遇到两个问题：

• sudo需要root账户密码，但是AI不知道密码是什么，它只能告诉你“我没有权限，你来执行xxx指令”
• apt必须显式指定代理，但是AI不知道需要显式指定，它只会认为你的网络有问题

这两个问题都是可以解决的。

• 新开终端不需要输入sudo（这个视情况决定要不要，毕竟给AI最高级权限很危险，而且用到sudo的场景没那么多）

# 使用visudo打开sudoers编辑器（visudo会在保存前检查语法错误，防止把自己锁在系统外）
sudo visudo
# 滚动到文件结尾，添加。mlj是用户名
mlj ALL=(ALL) NOPASSWD: ALL
# 按 Ctrl + O 然后回车保存，再按 Ctrl + X 退出
# 新开终端，验证效果
sudo ls

• apt无需显式指定代理

这个步骤比较多，一步步来。

第一步：将wsl设置为镜像模式

在镜像模式下，WSL 和 Windows 共享网络栈，直接用 127.0.0.1 就能访问宿主机的代理。

按下 Win + R，输入 %UserProfile% 并回车。在该目录下寻找或新建一个名为 .wslconfig 的文件。 用记事本打开，添加以下配置：

[wsl2]
networkingMode=mirrored

文件保存好之后，打开PowerShell，重启wsl终端。

# 在PowerShell中执行此操作
wsl --shutdown

第二步：确认代理状态

代理要开启“允许局域网”，不然wsl访问不到。 下面的教程中，端口用7890，你可以在代理中确认你用的端口（clash的第一行就是端口的设置）。

第三步：在wsl中设置apt使用的Proxy

# 在wsl中执行此操作
sudo tee /etc/apt/apt.conf.d/99proxy <<EOF
Acquire::http::Proxy "http://127.0.0.1:7890";
Acquire::https::Proxy "http://127.0.0.1:7890";
EOF

# 测试不显式指定代理的情况下，apt能不能用
sudo apt update

此时应该可以不附加任何参数使用apt了。

2.安装opencode、oh-my-openagent（下面简称omo）

重点：下面的内容都是在wsl里面执行的！！！

2.1 安装一些前置工具

先安装nvm，通过nvm安装最新版Nodejs和npm。

# 回到用户目录
# 这一点非常关键，如果不回，比如你在/mnt/c/xxx的这种位置，就可能直接安到Windows里面而不是linux，后面就各种MCP连不上啥的
cd ~
# 安装nvm
curl -o- https://raw.githubusercontent.com | bash
# curl 用不了的话，也可以使用 wget 安装nvm
# wget -qO- https://raw.githubusercontent.com | bash
# 安装好之后刷新使命令生效
source ~/.bashrc
# 安装最新LTS版Nodejs和npm
nvm install --lts
# 查阅版本
node -v
npm -v
# 查阅路径
# 这一步一定要做，确认目录是在/home/mlj/.nvm/versions/node/v24.14.0/bin/node这样的位置，而不是在/mnt/c/xxx的这种位置
which node
which npm

安装一些小工具，dotnet-sdk包（不要问为什么8.0和10.0都要装，照做就是了），然后再安装opencode。

# 更新包列表
sudo apt-get update
# 安装一堆东西
sudo apt-get install -y \
    dotnet-sdk-8.0 dotnet-sdk-10.0 \
    unzip curl git ca-certificates

2.2 手动安装opencode

安装opencode。

# 安装opencode
curl -fsSL https://opencode.ai/install | bash

将opencode加入PATH中，方便后续调用。

# 确认路径：
~/.opencode/bin/opencode --version
# 加入path
echo 'export PATH="$HOME/.opencode/bin:$PATH"' >> ~/.bashrc
# 刷新配置
source ~/.bashrc
# ctrl+d退出wsl
# 检查能不能找到opencode
wsl bash -ic "opencode --version"
# 此时应该显示opencode版本号

2.3 打开opencode，让AI安装oh-my-openagent

# 打开opencode
opencode

此时应该显示为build模式，模型可以用免费的Minimax-M2.5-Free（opencode自带）。 然后发如下消息，让AI帮忙安装omo：

Install and configure oh-my-opencode by following the instructions here:
https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/refs/heads/dev/docs/guide/installation.md
使用中文回答。

等待一会，当其询问“你有哪些订阅”的时候，根据实际情况回复即可。 不要说多余的话，后面可以自行调整配置文件。

继续等待安装完成。完成后，ctrl+z退出opencode。

此时重新再打开opencode，就是omo的界面了。但是在这之前，应该先编辑配置文件。

3.修改opencode配置文件，配好所有模型

3.1 配置opencode已经提供好的厂商

如果你是在各个官网订阅的AI，那么就通过这个方式配置。这种方式不需要修改配置文件。

# 打开opencode的内置统一配置登录大部分官方AI的页面
opencode auth login

在这个页面中，可以直接搜索对应AI厂商的名字（最上面有search），也可以上下切换慢慢找。

选中某一个AI之后，回车之后可能要登录账号（比如Claude），也可能要输入API Key。

一次只能录入一个AI的信息。当你有多个官方的AI，就多执行几次opencode auth login，全配置好就可以了。

3.2 打开opencode配置文件

默认会在这里生成一个配置文件：~/.config/opencode/opencode.json

可以在Linux系统里面编辑，但是我更推荐直接从Windows的资源管理器打开，然后用记事本之类的工具编辑。

# 打开Ubuntu系统的位置
# 先打开Windows资源管理器，然后在地址栏输入以下内容并回车：
\\wsl.localhost\Ubuntu

根据配置文件的路径，很容易就找到它在Windows系统下的路径：\\wsl.localhost\Ubuntu\home\用户名\.config\opencode\opencode.json

这个文件可以配置：

• Skill，也就是AI所能使用的技能，相当于一些简短的提示词
• MCP，上下文协议，相当于教会AI如何使用Skill
• 第三方的一些中转站的接口和他们的模型

3.3 配置一些第三方中转站、Skill、MCP

涉及到这些内容的配置，建议使用手动修改配置文件的方式。目前的一些opencode配置工具我感觉都不好用。

如果你是用了一些中转站，它们会给你以下内容，有了这些就可以配置了：

• url
• 模型类型（anthropic/google/opanai/openai-comtiable）
• 具体可用模型的名称

当然也有一些中转站会直接给你配置文件，复制粘贴就行了。

下面是一个样例，格式自己研究，添加新的第三方也是一样的道理：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "context7": {
      "command": [
        "npx",
        "-y",
        "@upstash/context7-mcp"
      ],
      "enabled": true,
      "type": "local"
    },
    "memory": {
      "command": [
        "npx",
        "-y",
        "@modelcontextprotocol/server-memory"
      ],
      "enabled": true,
      "type": "local"
    },
    "sequential-thinking": {
      "command": [
        "npx",
        "-y",
        "@modelcontextprotocol/server-sequential-thinking"
      ],
      "enabled": true,
      "type": "local"
    }
  },
  "plugin": [
    "oh-my-opencode@latest"
  ],
  "provider": {
    "packycodegoogle": {
      "models": {
        "gemini-3-flash-preview": {
          "name": "Gemini 3 Flash Preview"
        },
        "gemini-3.1-pro-preview": {
          "name": "Gemini 3.1 Pro Preview"
        }
      },
      "name": "PackyCode",
      "npm": "@ai-sdk/google",
      "options": {
        "apiKey": "此处填写API-Key",
        "baseURL": "https://www.packyapi.com/v1"
      }
    },
    "quicklyapiopenai": {
      "models": {
        "gpt-5.3-codex": {
          "limit": {
            "context": 400000,
            "output": 128000
          },
          "name": "GPT-5.3 Codex",
          "options": {
            "store": false
          },
          "variants": {
            "high": {},
            "low": {},
            "medium": {},
            "xhigh": {}
          }
        },
        "gpt-5.4": {
          "limit": {
            "context": 1050000,
            "output": 128000
          },
          "name": "GPT-5.4",
          "options": {
            "store": false
          },
          "variants": {
            "high": {},
            "low": {},
            "medium": {},
            "xhigh": {}
          }
        },
        "gpt-5.4-mini": {
          "limit": {
            "context": 200000,
            "output": 100000
          },
          "name": "GPT-5.4 Mini",
          "options": {
            "store": false
          },
          "variants": {
            "high": {},
            "low": {},
            "medium": {}
          }
        }
      },
      "name": "QuicklyAPI_OpenAI",
      "npm": "@ai-sdk/openai",
      "options": {
        "apiKey": "此处填写API-Key",
        "baseURL": "https://sub.jlypx.de/v1"
      }
    },
    "rightcodeanthropic": {
      "models": {
        "claude-haiku-4-5": {
          "attachment": true,
          "cost": {
            "cache_read": 0.1,
            "cache_write": 1.25,
            "input": 1,
            "output": 5
          },
          "id": "claude-haiku-4-5",
          "limit": {
            "context": 200000,
            "output": 64000
          },
          "modalities": {
            "input": [
              "text",
              "image",
              "pdf"
            ],
            "output": [
              "text"
            ]
          },
          "name": "Claude Haiku 4.5",
          "options": {
            "thinking": {
              "budgetTokens": 32000,
              "type": "enabled"
            }
          },
          "reasoning": true,
          "release_date": "2025-10-15",
          "temperature": true,
          "tool_call": true
        },
        "claude-opus-4-6": {
          "attachment": true,
          "cost": {
            "cache_read": 0.5,
            "cache_write": 6.25,
            "input": 5,
            "output": 25
          },
          "id": "claude-opus-4-6",
          "limit": {
            "context": 200000,
            "output": 64000
          },
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "name": "Claude Opus 4.6",
          "options": {
            "thinking": {
              "budgetTokens": 32000,
              "type": "enabled"
            }
          },
          "reasoning": true,
          "release_date": "2025-11-24",
          "temperature": true,
          "tool_call": true
        },
        "claude-sonnet-4-6": {
          "attachment": true,
          "cost": {
            "cache_read": 0.3,
            "cache_write": 3.75,
            "input": 3,
            "output": 15
          },
          "id": "claude-sonnet-4-6",
          "limit": {
            "context": 200000,
            "output": 64000
          },
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "name": "Claude Sonnet 4.6",
          "options": {
            "thinking": {
              "budgetTokens": 32000,
              "type": "enabled"
            }
          },
          "reasoning": true,
          "release_date": "2025-09-29",
          "temperature": true,
          "tool_call": true
        }
      },
      "name": "RCode_ClaudeCode",
      "npm": "@ai-sdk/anthropic",
      "options": {
        "apiKey": "此处填写API-Key",
        "baseURL": "https://right.codes/claude-aws/v1"
      }
    },
    "rightcodegoogle": {
      "models": {
        "gemini-3-flash-preview": {
          "attachment": true,
          "cost": {
            "cache_read": 0.05,
            "context_over_200k": {
              "cache_read": 0.05,
              "input": 0.5,
              "output": 3
            },
            "input": 0.5,
            "output": 3
          },
          "family": "gemini-flash",
          "id": "gemini-3-flash-preview",
          "limit": {
            "context": 1048576,
            "output": 65536
          },
          "modalities": {
            "input": [
              "text",
              "image",
              "video",
              "audio",
              "pdf"
            ],
            "output": [
              "text"
            ]
          },
          "name": "Gemini 3 Flash Preview",
          "reasoning": true,
          "release_date": "2025-12-17",
          "temperature": true,
          "tool_call": true
        },
        "gemini-3-pro-preview": {
          "attachment": true,
          "cost": {
            "cache_read": 0.2,
            "context_over_200k": {
              "cache_read": 0.4,
              "input": 4,
              "output": 18
            },
            "input": 2,
            "output": 12
          },
          "family": "gemini-pro",
          "id": "gemini-3-pro-preview",
          "limit": {
            "context": 1048576,
            "output": 65536
          },
          "modalities": {
            "input": [
              "text",
              "image",
              "video",
              "audio",
              "pdf"
            ],
            "output": [
              "text"
            ]
          },
          "name": "Gemini 3 Pro Preview",
          "reasoning": true,
          "release_date": "2025-11-18",
          "temperature": true,
          "tool_call": true
        },
        "gemini-3.1-pro-preview": {
          "attachment": true,
          "cost": {
            "cache_read": 0.2,
            "context_over_200k": {
              "cache_read": 0.4,
              "input": 4,
              "output": 18
            },
            "input": 2,
            "output": 12
          },
          "family": "gemini-pro",
          "id": "gemini-3.1-pro-preview",
          "limit": {
            "context": 1048576,
            "output": 65536
          },
          "modalities": {
            "input": [
              "text",
              "image",
              "video",
              "audio",
              "pdf"
            ],
            "output": [
              "text"
            ]
          },
          "name": "Gemini 3.1 Pro Preview",
          "reasoning": true,
          "release_date": "2025-11-18",
          "temperature": true,
          "tool_call": true
        }
      },
      "name": "RCode_Google",
      "npm": "@ai-sdk/google",
      "options": {
        "apiKey": "此处填写API-Key",
        "baseURL": "https://right.codes/gemini/v1"
      }
    },
    "rightcodeopenai": {
      "models": {
        "gpt-5.3-codex": {
          "attachment": true,
          "cost": {
            "cache_read": 0.175,
            "input": 1.75,
            "output": 14
          },
          "headers": {
            "conversation_id": "opencode-stable-user",
            "session_id": "opencode-stable-user",
            "x-session-id": "opencode-stable-user"
          },
          "limit": {
            "context": 272000,
            "output": 128000
          },
          "name": "GPT-5.3 Codex",
          "options": {
            "include": [
              "reasoning.encrypted_content"
            ],
            "promptCacheKey": "opencode-stable-user",
            "reasoningEffort": "high",
            "reasoningSummary": "auto",
            "store": false,
            "textVerbosity": "medium"
          },
          "reasoning": true,
          "temperature": false,
          "tool_call": true,
          "variants": {
            "high": {
              "reasoningEffort": "high",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "low": {
              "reasoningEffort": "low",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "medium": {
              "reasoningEffort": "medium",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "xhigh": {
              "reasoningEffort": "xhigh",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            }
          }
        },
        "gpt-5.4": {
          "attachment": true,
          "cost": {
            "cache_read": 0.175,
            "input": 1.75,
            "output": 14
          },
          "headers": {
            "conversation_id": "opencode-stable-user",
            "session_id": "opencode-stable-user",
            "x-session-id": "opencode-stable-user"
          },
          "limit": {
            "context": 272000,
            "output": 128000
          },
          "name": "GPT-5.4",
          "options": {
            "include": [
              "reasoning.encrypted_content"
            ],
            "promptCacheKey": "opencode-stable-user",
            "reasoningEffort": "high",
            "reasoningSummary": "auto",
            "store": false,
            "textVerbosity": "medium"
          },
          "reasoning": true,
          "temperature": false,
          "tool_call": true,
          "variants": {
            "high": {
              "reasoningEffort": "high",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "low": {
              "reasoningEffort": "low",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "medium": {
              "reasoningEffort": "medium",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "xhigh": {
              "reasoningEffort": "xhigh",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            }
          }
        },
        "gpt-5.4-mini": {
          "attachment": true,
          "cost": {
            "cache_read": 0.175,
            "input": 1.75,
            "output": 14
          },
          "headers": {
            "conversation_id": "opencode-stable-user",
            "session_id": "opencode-stable-user",
            "x-session-id": "opencode-stable-user"
          },
          "limit": {
            "context": 272000,
            "output": 128000
          },
          "name": "GPT-5.4 Mini",
          "options": {
            "include": [
              "reasoning.encrypted_content"
            ],
            "promptCacheKey": "opencode-stable-user",
            "reasoningEffort": "high",
            "reasoningSummary": "auto",
            "store": false,
            "textVerbosity": "medium"
          },
          "reasoning": true,
          "temperature": false,
          "tool_call": true,
          "variants": {
            "high": {
              "reasoningEffort": "high",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "low": {
              "reasoningEffort": "low",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "medium": {
              "reasoningEffort": "medium",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            },
            "xhigh": {
              "reasoningEffort": "xhigh",
              "reasoningSummary": "auto",
              "textVerbosity": "medium"
            }
          }
        }
      },
      "name": "RCode_OpenAI",
      "npm": "@ai-sdk/openai",
      "options": {
        "apiKey": "此处填写API-Key",
        "baseURL": "https://right.codes/codex/v1",
        "setCacheKey": true
      }
    }
  }
}

4.修改oh-my-openagent配置文件

4.1 查看所有能用的模型

先看看现在你能用什么模型：

# 查看当前能使用的所有model
opencode models

此时会显示格式为“厂商/模型名”的“model字符串”，我们就知道模型对应的字符串是什么了。例如：

deepseek/deepseek-chat -> deepseek日常对话模式，按量付费
deepseek/deepseek-reasoner -> deepseek深度推理模式，按量付费
zai/glm-5 -> glm5，按量付费
zai-coding-plan/glm-5 -> glm5，按订阅付费

注意：如果没有找到对应的ai字符串，说明你在第5步中没有配置好。只有配好的才会在这里显示。

记下来这些字符串，这就是接下来我们给omo配置时会用到的东西。

4.2 打开并修改omo配置文件

默认会在这里生成一个配置文件：~/.config/opencode/oh-my-opencode.json

根据配置文件的路径，很容易就找到它在Windows系统下的路径： \\wsl.localhost\Ubuntu\home\用户名\.config\opencode\oh-my-opencode.json

这个文件可以配置：

• 每个角色应该使用什么模型
• 当模型不可用时，根据回退链的配置依次调用其他模型
• 一些omo的实验性功能开关

注意，这个文件允许使用jsonc格式。根据omo的文档，.jsonc文件后缀优于.json文件后缀。 所以，可以直接将这个文件后缀名修改为.jsonc。

jsonc格式允许添加注释，并且结尾可以使用逗号。

对于每个角色所使用的模型如何选择，以及实验性功能有哪些，可以参考configuration.md

下面是一个样例：

{
  "$schema": "https://raw.githubusercontent.com/code-yeongyu/oh-my-opencode/master/assets/oh-my-opencode.schema.json",
  "agents": {
    "atlas": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "使用中文思考并回答。",
      "variant": "xhigh"
    },
    "explore": {
      "model": "opencode/minimax-m2.5-free",
      "prompt_append": "使用中文思考并回答。"
    },
    "hephaestus": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.3-codex"
      ],
      "model": "quicklyapiopenai/gpt-5.3-codex",
      "prompt_append": "使用中文思考并回答。",
      "variant": "medium"
    },
    "librarian": {
      "model": "opencode/minimax-m2.5-free",
      "prompt_append": "使用中文思考并回答。"
    },
    "metis": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "使用中文思考并回答。",
      "variant": "medium"
    },
    "momus": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "使用中文思考并回答。",
      "variant": "xhigh"
    },
    "multimodal-looker": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.3-codex"
      ],
      "model": "quicklyapiopenai/gpt-5.3-codex",
      "prompt_append": "使用中文思考并回答。",
      "variant": "medium"
    },
    "oracle": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "使用中文思考并回答。",
      "variant": "high"
    },
    "prometheus": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "Leverage deep & quick agents heavily, always in parallel. 使用中文思考并回答。",
      "variant": "xhigh"
    },
    "sisyphus": {
      "model": "rightcodeanthropic/claude-sonnet-4-6",
      "prompt_append": "使用中文思考并回答。",
      "variant": "medium"
    }
  },
  "categories": {
    "artistry": {
      "fallback_models": [
        "rightcodegoogle/gemini-3.1-pro-preview",
        "packycodegoogle/gemini-3.1-pro-preview"
      ],
      "model": "rightcodegoogle/gemini-3-pro-preview",
      "prompt_append": "使用中文思考并回答。"
    },
    "deep": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.3-codex"
      ],
      "model": "quicklyapiopenai/gpt-5.3-codex",
      "prompt_append": "使用中文思考并回答。",
      "variant": "medium"
    },
    "quick": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4-mini"
      ],
      "model": "quicklyapiopenai/gpt-5.4-mini",
      "prompt_append": "使用中文思考并回答。"
    },
    "ultrabrain": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "使用中文思考并回答。",
      "variant": "xhigh"
    },
    "unspecified-high": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.4"
      ],
      "model": "quicklyapiopenai/gpt-5.4",
      "prompt_append": "使用中文思考并回答。",
      "variant": "high"
    },
    "unspecified-low": {
      "fallback_models": [
        "rightcodeopenai/gpt-5.3-codex"
      ],
      "model": "quicklyapiopenai/gpt-5.3-codex",
      "prompt_append": "使用中文思考并回答。",
      "variant": "medium"
    },
    "visual-engineering": {
      "fallback_models": [
        "rightcodegoogle/gemini-3.1-pro-preview",
        "packycodegoogle/gemini-3.1-pro-preview"
      ],
      "model": "rightcodegoogle/gemini-3-pro-preview",
      "prompt_append": "使用中文思考并回答。"
    },
    "writing": {
      "fallback_models": [
        "packycodegoogle/gemini-3-flash-preview"
      ],
      "model": "rightcodegoogle/gemini-3-flash-preview",
      "prompt_append": "使用中文思考并回答。"
    }
  },
  "experimental": {
    "aggressive_truncation": true,
    "auto_resume": true,
    "disable_omo_env": true,
    "dynamic_context_pruning": {
      "enabled": true,
      "notification": "detailed",
      "protected_tools": [
        "task",
        "todowrite",
        "todoread",
        "lsp_rename",
        "session_read",
        "session_write",
        "session_search"
      ],
      "strategies": {
        "deduplication": {
          "enabled": true
        },
        "purge_errors": {
          "enabled": true,
          "turns": 5
        },
        "supersede_writes": {
          "aggressive": false,
          "enabled": true
        }
      },
      "turn_protection": {
        "enabled": true,
        "turns": 3
      }
    },
    "task_system": true,
    "truncate_all_tool_outputs": false
  },
  "google_auth": false,
  "runtime_fallback": true,
  "sisyphus": {
    "tasks": {
      "claude_code_compat": false,
      "storage_path": ".sisyphus/tasks"
    }
  }
}

omo使用说明

如何使用web界面开发

opencode支持很多终端，例如命令行（感觉还可以）、Web端（非常好用，推荐）、用户端（跟Web一样但是功能好像有点少，不推荐）。

# 使用命令行
opencode

# 使用Web端（前台）
opencode web

# 使用Web端（后台）
nohup opencode web > /dev/null 2>&1 &
# 查找后台运行的opencode的PID
pgrep -a opencode
# 终止后台运行的opencode
kill -9 <PID>

除此之外，opencode还支持远程连接（只要你有自己的服务器）。配置好之后，就可以在手机上打开opencode的Web端界面了。

# 在你的 WSL Linux 环境里启动 OpenCode 的 Web 服务
opencode web --hostname 0.0.0.0 --port 4096
# --hostname 0.0.0.0：让服务监听所有网络接口。这很重要，因为 Windows 宿主机需要通过虚拟网卡访问 WSL 里的这个服务。
# --port 4096：服务运行在本地的 4096 端口。

# 在PowerShell中执行以下指令，从而完成核心的“穿透”步骤，达到远程转发的目的
ssh -R 4096:127.0.0.1:4096 root@你的服务器的ip
# 4096 (第一个)：告诉公网服务器（你的服务器的ip）监听它自己的 4096 端口。
# 127.0.0.1:4096：告诉 SSH，一旦公网服务器的 4096 端口收到流量，就把它发回到你本地电脑的 127.0.0.1:4096。
# root@你的服务器的ip：登录到你的云服务器。
# 服务器别忘了开放4096端口的限制，别拦截了

如何用omo处理一个项目

先执行 /init-deep 来生成一些 Agents.md，这样后续AI协作更好。

.sisyphus文件夹建议加入到.gitignore中。

• 如果你比较懒，不知道一个东西是什么样子，那么可以用 ulw 模式。
  • 切换到 Sisyphus，在输入的内容中添加 ulw 这三个字母（必须显式添加），即可触发ulw进行全自动编排。
  • 例子：向 Sisyphus 发送“ulw 帮我设计一个成就系统”
  • 如果不添加ulw，那就是正常处理，但是这样的话建议用GPT，也就是 Hephaestus。
• 日常使用就是 Hephaestus，这个角色只允许使用GPT——刚好GPT可以白嫖。
• 如果遇到了很复杂的内容，而且你想先规划一下，确认各种细节再执行，那么：
  • 切换到 Prometheus，这个角色只会指定计划，不会执行。
  • 等到计划执行好了，切换到 Atlas，这个角色只能执行 Prometheus 定好的计划。
  • 特别注意：同一时间只能运行一个计划！！！并且计划的执行步骤比较繁琐，需要耗时很久。

额外附加内容1：wsl安装中文字体

# 默认下载的是没中文字体的，中文都是方块
sudo apt-get install -y fonts-noto-cjk fonts-wqy-microhei
# 安装完之后在Powershell里面执行重启命令
wsl --shutdown

git push不需要登录账户，直接使用Windows的git登录状态

# 没配置之前，AI只能本地Commit；跟远程仓库交互的时候总是需要验证身份，很麻烦
# 配置之后，AI就能跟远程仓库交互了
# 假设你安装了Git（不是GithubDesktop），位置是C:\Program Files\Git\mingw64\bin\git-credential-manager.exe
# 那么在wsl里面执行：
git config --global credential.helper "/mnt/c/Program\ Files/Git/mingw64/bin/git-credential-manager.exe"
# 原理是Git身份认证直接使用Windows的Git的身份认证，所以只要Windows的Git登陆了，wsl里面就可以直接用了
# 这个时候让AI测试一下，应该就不需要密码了