🤝 “The most capable agent surface that ships.”

🤝 “The most capable agent surface that ships.”

นี่คือ tagline ของ omp — oh-my-pi Coding Agent สาย Terminal ที่ไม่ได้มาแค่ “พอใช้ได้” แต่มาแบบจัดเต็มแทบทุกอย่างที่ Dev ต้องการไว้ในกล่องเดียว

omp คือ fork ของ Pi โดย Mario Zechner ที่ถูก can1357 นำไปต่อยอดให้กลายเป็น Coding Agent ที่ครบเครื่องขึ้นมาก

สิ่งที่เพิ่มเข้ามาไม่ใช่แค่ฟีเจอร์เล็ก ๆ แต่เป็นของที่ Coding Agent ควรมีตั้งแต่แรก เช่น

• LSP • Debugger • Browser • Subagents • Hash-anchored edits • Stream rules • ACP protocol • 40+ providers • 32 built-in tools

ทั้งหมดขับเคลื่อนด้วย Rust core ประมาณ 27,000 บรรทัด ทำงานแบบ in-process ไม่ต้อง fork/exec บ่อย ๆ ไม่ต้อง shell out ไปหา grep, rg, find ตลอดเวลา

พูดง่าย ๆ คือ มันพยายามทำให้ Coding Agent “เร็วขึ้น แน่นขึ้น และอยู่ใน Terminal ได้จริง”

จุดที่ทำให้ omp น่าสนใจ

1. Hashline — แก้โค้ดด้วย content hash ไม่ใช่ line number แทนที่ Agent จะจำแค่เลขบรรทัดซึ่งพังง่ายเวลาไฟล์เปลี่ยน omp ใช้ hash ของเนื้อหาเป็นตัวยึดตำแหน่ง

ผลคือถ้าไฟล์ถูกแก้ก่อนหน้า ระบบจะ reject ทันที ลดโอกาสแก้ผิดจุดหรือทำไฟล์ corrupt

ที่น่าสนใจคือมีเคลมว่า Grok 4 Fast ใช้ output token น้อยลงถึง 61% กับวิธีนี้

2. LSP + DAP ในตัว นี่คือของที่ทำให้มันต่างจาก Agent ที่แค่ “อ่านไฟล์แล้วเดา”

LSP ช่วยให้ rename, import, re-export, barrel file, alias ต่าง ๆ แม่นขึ้น ส่วน DAP ทำให้ debug ได้จริง เช่น lldb, dlv, debugpy เหมาะกับงานที่ต้องไล่ bug ลึก ๆ ไม่ใช่แค่ให้ AI เดา patch จาก error log

3. Code execution พร้อม tool-calling omp มี Python kernel และ Bun worker แบบ persistent แปลว่า session อยู่ต่อได้ ไม่ต้องเริ่มใหม่ทุกครั้ง

ที่โหดคือสามารถเรียก tool เช่น tool.read จากใน Python ได้ แล้วสลับไปทำ chart หรือ logic ฝั่ง JavaScript ใน session เดียวกัน

นี่เริ่มใกล้ภาพของ “AI Dev Workspace” มากกว่าแค่ CLI ธรรมดา

4. Subagents ที่แยกงานจริงจัง omp ให้แยก task ไปยัง worker ได้ แต่ละตัวมี worktree และ tool surface ของตัวเอง

ผลลัพธ์ที่ส่งกลับมาเป็น schema-validated object ไม่ใช่ prose ยาว ๆ ที่ต้องมานั่ง parse เองอีกที

สำหรับงานใหญ่ เช่น refactor, audit, test, research แนวนี้น่าสนใจมาก เพราะมันทำให้ Agent ทำงานเป็นทีมย่อยได้เป็นระบบขึ้น

สิ่งที่ผมว่าน่าสนใจที่สุดคือ Time-Traveling Stream Rules

ปกติถ้าเราใส่ rule ให้ Agent เยอะเกินไป มันจะกิน context ทุก turn

แต่แนวคิดของ omp คือ rule จะไม่ถูกยัดเข้าไปตลอดเวลา มันจะรอจน model เริ่มออกนอกทางก่อน

เมื่อ regex match พฤติกรรมที่ผิด ระบบจะ abort กลาง token inject rule เข้าไป แล้ว retry จากจุดเดิม

พูดง่าย ๆ คือ ไม่ต้องแบกกฎทุกข้อไว้ตั้งแต่ต้น แต่ค่อยดึงกฎมาใช้ตอน Agent เริ่มหลุด

นี่เป็นแนวคิดที่ดีมากสำหรับ Coding Agent ที่ต้องทำงานยาว ๆ เพราะช่วยลด context tax และลดอาการ “จำกฎเยอะจนทำงานช้า”

มองในมุมคนที่ใช้ Coding Agent ทุกวัน omp เอาจุดแข็งของ Pi เรื่อง terminal-first และ performance มาต่อยอดด้วยของที่ Agent สายเขียนโค้ดควรมีครบกว่าเดิม

LSP, Debugger, Browser, Subagents, Tool Execution ทุกอย่างอยู่ใน box เดียวกัน

เปิด Terminal แล้วเริ่มทำงานได้เลย

นี่อาจไม่ใช่เครื่องมือสำหรับผู้ใช้ทั่วไป แต่สำหรับสาย Dev ที่อยากได้ Coding Agent แบบลึก เร็ว และควบคุมได้ ตัวนี้น่าจับตามากครับ

ติดตามเพจไว้ครับ เดี๋ยวผมจะเอา Coding Agent / Terminal AI / Dev Tool ที่น่าสนใจมาเล่าให้เรื่อย ๆ

👇 ลิงก์ repo + website ไว้ในคอมเมนต์แรกครับ

#SynapTechAI #OhMyPi #CodingAgent #TerminalAI #OpenSource

---

📖 อ่านบทความเต็มบน Facebook | 🔔 ติดตาม SynapTech