跨平台 AI 協調的挑戰

在實際的團隊開發中，不同的工程師可能使用的是不同的 AI 開發平台或終端 CLI：

• 一部分工程師使用高吞吐量、自主能力極強的 OpenCode (Ultimate Edition)。
• 另一部分工程師可能更偏好簡潔、與終端深度綁定的 Codex CLI (Light Edition)。

這會帶來一個痛點：「如何讓使用不同 AI CLI 的開發團隊，在同一個專案上共用同一套變更計畫、設計規格與長期記憶庫？」

Oh My OpenAgent (OMO) 針對此需求實作了 跨平台雙通道協調器 (Multi-Platform Orchestration)，完美打通了 OpenCode 與 Codex CLI 的界限。

雙通道協調架構

OMO 在底層設計了一套平台無關的抽象代理接口 (Abstract Agent Interface)，將不同的 LLM CLI 包裝為標準的 Worker 節點。

               ┌──────────────────────────────────┐
               │         OMO Orchestrator         │
               └────────────────┬─────────────────┘
                                │ 
                ┌───────────────┴───────────────┐
                │                               │
                ▼ (OpenCode Channel)            ▼ (Codex CLI Channel)
     ┌─────────────────────┐         ┌─────────────────────┐
     │    OpenCode Agent   │         │   Codex CLI Agent   │
     │  (Ultimate Edition) │         │   (Light Edition)   │
     └─────────────────────┘         └─────────────────────┘

雙通道的三大核心同步機制：

1. 統一規格協議 (.planning / .specs)

不論是 OpenCode 還是 Codex CLI 啟動的 OMO 實例，都會在本地寫入統一格式的 proposal.md 與 specs/ 目錄。這保證了兩者所面臨的「驗收 Scenario 與任務定義」是 100% 鏡像一致的。

2. 共享記憶線程 (Shared Memory Store)

雙通道共用同一個本地 SQLite 記憶庫。OpenCode Agent 寫入的 C# 風格約束，Codex CLI Agent 在重啟後也能立刻調用 get_observations 進行檢索，實現大腦智慧的無縫交接。

3. 多平台任務委派 (Delegation Engine)

當 OpenCode Agent 面臨需要本地資安合規審計的任務時，它可以通過 OMO 的委派引擎，直接調用 Codex CLI 本地特有的 Sparkshell 運行安全掃描，並將結果回傳，實現跨平台的「強強聯手」。