oh-my-pi实战：手写AI编码代理Skill

如果你还在让AI直接丢给你整段代码然后手动粘贴，那就错过了自动化编码的下一阶段。oh-my-pi（今天GitHub 9518 stars）把AI编码代理做成了终端原生工具，核心亮点是hash-anchored edits（哈希锚定编辑）和tool harness（工具集线器）。这篇文章不是翻译README，而是把它拆解成一个可复用的AI Skill，让你在自己的项目里也能搭出同样的能力。

1. 这个Skill解决什么具体问题

传统AI代码编辑器（比如Cline、Aider）依赖行号或正则定位修改位置，一旦代码有微小偏移（比如上面插了一行注释），AI就会改错地方。oh-my-pi的hash-anchored edits做法是：在修改指令里嵌入代码块的SHA256哈希，代理先定位哈希再执行替换，从根本上避免了上下文漂移。

你遇到的问题：AI给你改了第42行，实际代码第42行已经不是原来的内容了，结果改完编译都不通过。
oh-my-pi的解法：AI生成的edit指令包含原始代码段的哈希值，agent在文件里找到匹配的哈希段，然后替换。哈希冲突概率极低，定位绝对稳定。

hash-anchored code editing diagram

2. 触发条件和适用场景

oh-my-pi作为终端代理，可以通过自然语言触发：

  • 直接输入任务：oh-my-pi "把src/main.py里calculate函数改成返回浮点数"
  • 管道模式：cat bug_report.txt | oh-my-pi "根据报告修改对应代码"
  • 交互模式：oh-my-pi 进入对话，连续提问

适用场景：

  • 需要对代码做精准手术式修改，不能容忍AI“猜位置”
  • 多文件重构，需要原子化提交（hash保证了编辑的幂等性）
  • 与CI/CD集成，自动修复lint错误

不适用场景：

  • 完全从零生成项目（它更适合修改，而非创造）
  • 对非文本文件（二进制）无效

3. 完整Skill结构（基于oh-my-pi设计模式）

oh-my-pi本身不是Skill，但我们可以把它的核心流程封装成一个可复用的AI Skill模板。以下是SKILL.md示例，你会看到如何定义触发词、工具依赖和执行步骤。

markdown
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 
# SKILL.md
## Name: hash-edit
## Trigger
当用户说“修改代码”或“改某函数”时，自动调用此Skill。

## Requires
- oh-my-pi 已安装
- 当前目录是git仓库

## Steps
1. 用户输入修改需求（如“把logger级别从INFO改为DEBUG”）
2. AI推理需要修改的文件和代码块
3. AI生成hash-anchored edit指令（格式见下）
4. 执行 `oh-my-pi -e "<edit指令>"`
5. 验证：运行测试，如果失败则回滚git reset

## Edit指令格式
{
  "target": "<文件路径>",
  "old_hash": "sha256(<原始代码块>)",
  "new_code": "<替换后的代码块>"
}

## Example
用户：“把src/utils.py的get_version函数改成返回git标签”
AI输出：
```json
{
  "target": "src/utils.py",
  "old_hash": "a3f2b1c...",
  "new_code": "def get_version():\n    import subprocess\n    return subprocess.check_output(['git', 'describe', '--tags']).strip()\n"
}

Safety

  • 每次编辑前备份文件
  • 使用 git diff 预览变更
    ```

这个SKILL.md可以放进你的AI工作流（比如OpenAI functions或LangChain工具），让任何AI助手学会精准修改代码。

4. 实际案例演示

差的做法：直接用AI修改行号

Prompt: “把第23行的print改成logging.warning”

结果：AI返回 src/app.py 第23行改为 logging.warning(old_content)。但实际第23行是空行，AI把注释部分改了。因为你昨天加了条import，行号全变了。

好的做法：使用hash-anchored edit

操作步骤：

  1. 在终端运行oh-my-pi：
    bash
    1 
    oh-my-pi "把src/app.py里 'print(f\"Processing {file}\")' 改成 'logging.warning(f\"Processing {file}\")'"
  2. oh-my-pi内部计算 print(f"Processing {file}") 的SHA256哈希，在文件中找到精确匹配，替换为 logging.warning(...)。
  3. 输出：[hash-edit] 1 file changed, 2 lines patched (hash: a3f2b1c...)

效果对比：
| 方法 | 准确率（100次测试） | 平均耗时 |
|------|-------------------|----------|
| 行号定位 | 68% | 2.3s |
| 哈希锚定 | 99% | 1.1s |

数据来源：oh-my-pi README引用内部测试。实际准确率取决于代码块唯一性，但哈希锚定天然抗漂移。

5. 复用和组合技巧

技巧1：将oh-my-pi封装为子Agent

oh-my-pi支持subagents（子代理），你可以让一个主agent调度多个oh-my-pi实例并行修改不同文件。配合tool harness，你可以定义：

bash
1 2 3 4 5 6 7 8 
# tool harness 配置片段
- name: "parallel-edit"
  type: "subagent"
  agents:
    - command: "oh-my-pi \"更新接口文档\""
      file: "docs/api.md"
    - command: "oh-my-pi \"修复类型错误\""
      file: "src/types.ts"

技巧2：与LSP集成做语法安全检测

oh-my-pi内置了LSP（Language Server Protocol）集成。你可以在edit后自动触发LSP诊断：

bash
1 
oh-my-pi --lsp-check "修改src/main.ts的add函数"

如果LSP报语法错，edit会被拒绝并回滚。这个机制可以避免AI生成语法错误的代码。

技巧3：创建项目级模板库

把你的常用编辑指令写成模板文件，方便快速复用。例如：

text
1 2 3 4 
# add-logging.template
old: "console.log($ARG)"
new: "logger.info($ARG)"
file: "*.ts"

然后执行：

bash
1 
oh-my-pi --template add-logging "stats.ts"

等价于批量把所有console.log替换为logger.info，且基于哈希精准匹配。

变体扩展

  1. 远程仓库编辑：结合git，先clone再edit最后push。
  2. 代码审查辅助：让oh-my-pi根据review comment自动修改代码，例如“把循环复杂度降到5以下”。
  3. 多语言微调：Python项目优先用ast工具生成代码块，确保哈希匹配的是AST树节点而非原始文本。

为什么这样写有效

  • 哈希锚定：行号是位置相关，插入/删除会漂移；哈希是内容相关，内容不改哈希不变。这对增量开发尤其重要。
  • tool harness：把子进程管理、环境变量、超时、重试封装起来，避免每个工具都写一遍脚本。
  • LSP检查：闭环验证，阻止AI生成编译不过的代码，减少人工纠错成本。

你可以把oh-my-pi看作一个专为代码修改优化的AI代理。如果不想安装整个项目，也可以只借鉴它的hash-anchored edit算法，封装成你自己的AI Skill —— 我上面给的SKILL.md模板就是为了这个目的。

最后提醒：今天星星数涨幅惊人，但项目还在早期，依赖Node 18+。如果你要生产环境使用，建议加上--dry-run预览变更。