AI 工具实测对比：OMP vs Claude Code
核心结论：非模型能力退化，而是宿主环境干扰。切换至 OMP 后，问题迎刃而解。
近期 DeepSeek 表现出现显著下滑：执行技能频繁报错、步骤遗漏、输出质量断崖式下跌。初期推测为服务器过载，遂花费两晚优化技能约束与 fallback 机制，虽略有改善，但始终无法恢复原有水准。
随着 Claude Code“间谍门”事件曝光——其被指注入假提示词、探测时间及消耗非自家模型 Token，疑点浮出水面：究竟是 DeepSeek 变蠢，还是 Claude Code 在背后作祟？
经朋友推荐，尝试使用 Oh My Pi（OMP）搭配 DeepSeek 运行同一公众号技能。测试结果显示，此前所有异常均未复现，流程顺畅。
结论明确：问题根源不在 DeepSeek，而在 Claude Code。
技术选型本质：立场决定成败
基于在字节与阿里的基础设施构建经验，技术选型的核心并非功能对比，而是判断提供方是否存在伤害用户的动机与能力。
Claude Code 对非 Anthropic 模型的干扰、探测与限制行为，表明其设计初衷并非提供最佳体验，而是构建生态壁垒，迫使用户依赖其自家模型。当工具兼具“裁判”与“运动员”双重身份时，偏见难以避免。
相比之下，OMP 不售卖模型，仅提供支持自由选择的编程环境。多 Provider 支持是其架构基石而非营销噱头。在 AI 超级个体的构建中，选择权远比单一功能更重要。
Oh My Pi 重构工作流的三大核心设计
持久化内核
Claude Code 每次 Bash 启动新进程会导致上下文数据丢失。OMP 的 eval 机制维护跨调用持久状态，前序命令生成的 DataFrame 可直接被后续步骤调用。这在数据分析场景中代表了两种截然不同的工作范式。
多角色分工协作
打破“单一模型包办”的逻辑，OMP 主张“专模专用”：轻量任务由 smol 模型处理，重度推理交由 slow 模型，输出审查则由独立 advisor 负责。会话内一键切换，相当于配备了一名零成本的代码审查搭档。
可编程扩展能力
OMP 开放 Hooks 与自定义工具接口，支持拦截工具调用、审查输出及编写 TS 模块直接调用新模型。相较于 Claude Code 的封闭体系，OMP 允许用户通过代码保护工作流自主权，防止模型越俎代庖。
此外，OMP 还具备会话树分支探索、Snapcompact 上下文压缩、跨会话记忆提取、路径感知配置及多 Profile 隔离等进阶功能。上述三点则是其改变工作方式的核心所在。
最终建议
这并非简单的工具优劣之争，而是立场之选。工具的价值不取决于其参数规模，而取决于它是否真正站在用户一侧。
建议高频使用 DeepSeek 的用户尽快从 Claude Code 迁移至 OMP。在一个无干扰、无“投毒”的环境中，模型才能发挥其应有的能力。
安装地址：https://github.com/can1357/oh-my-pi
快速部署方式：在 Codex 或 Claude Code 中输入以下指令：
查看 https://github.com/can1357/oh-my-pi，分析该项目并给出安装及使用方案