编程智能体如何失败
把编程智能体投入真实工作，失败大多呈三种形态。第一，只实现一半就宣称完成，在跳过测试、遗漏边界情况的情况下报告结束。第二，从讨论不足的设计直接倾倒代码，事后才发现方向错了。第三，照单全收某一个模型的判断，连同它的盲区一起陷进去。
这三者都不是模型智能的问题，而是驱使工作的方式即框架的问题。oh-my-claudecode(OMC)针对这三个缺口各提供一套工作流。
ralplan 在动代码前强制共识
ralplan 是基于共识的规划工作流。Planner 梳理原则、决策驱动因素和两个以上选项，Architect 提出最强的反论，Critic 审查验证标准与可测试的验收条件。
关键在于循环。Planner、Architect、Critic 最多重跑五次直到 Critic 批准，计划通过前不碰一行代码。它在设计阶段的错误被翻译成代码之前就将其拦截。
ralph 把完成当作需要被验证的事
ralph 是持续性循环。它把工作拆成可测试的用户故事写入 prd.json，对每条反复迭代直到通过。进展与学习在会话之间保留，因此即便中途停下也能接续。
最关键的区别是对完成的定义。ralph 不会因为自己说完成就结束。只有在独立评审者按验收条件验证之后，才认可完成。这一结构阻止了把半成品伪装成完成，或删掉测试以使其通过。
ccg 是不依赖单一模型的交叉评审
ccg 是跨 Claude、Codex、Gemini 三个模型的交叉评审。它就同一个问题，同时向 Codex 询问架构、正确性、风险与测试策略，向 Gemini 询问可用性、替代方案与文档清晰度。
随后由 Claude 综合两份回答。两个模型结论分歧之处最有价值，因为一个模型遗漏的盲区会被另一个揭示。它在结构上削减了单一模型评审的确认偏误。
安装与 AX 视角
安装有两条路径。插件方式为 /plugin install oh-my-claudecode，npm 方式为 npm i -g oh-my-claude-sisyphus@latest，两者随后都用 /oh-my-claudecode:omc-setup 进行配置。要使用交叉评审，还需安装 Codex CLI(npm install -g @openai/codex)与 Gemini CLI(npm install -g @google/gemini-cli)。
在企业 AX 现场，'试过 AI 但也就那样'这句话大多源自框架，而非模型。同一个模型，没有共识地奔跑会原地打转，没有验证地停下会堆积假性完成，只信一个模型会看不到盲区。在换模型之前，先改驱动工作的方式。