是怎么识别的，原理是什么
OMC 的关键词识别，原理其实很朴素——不是模型智能判断，是静态映射表 +
我自己做字符串匹配。拆开说：
1. 触发表存在哪里
在 ~/.claude/CLAUDE.md 里有一段固定内容：
Keyword triggers: "autopilot"→autopilot, "ralph"→ralph, "ulw"→ultrawork,
"ccg"→ccg, "ralplan"→ralplan, "deep interview"→deep-interview,
"deslop"/"anti-slop"→ai-slop-cleaner, "deep-analyze"→分析模式,
"tdd"→TDD模式, "deepsearch"→代码库搜索, "ultrathink"→深度推理,
"cancelomc"→cancel
这段内容在每次会话开始时就被加载进我的系统提示词（CLAUDE.md
是"用户全局私有指令"，每个项目会话都会带上）。所以我不是运行时去查表，而是这张表
本身就"长在"我的上下文里。
2. 匹配靠谁做
靠我（模型）自己在读用户消息时做语义/字面匹配——本质上和我识别"用户想要我读文件"
还是"用户想要我改代码"是同一种能力，没有额外的规则引擎或正则在背后跑。所以：
- 精确关键词（"ralph"、"ulw"）命中率高，因为词本身罕见、无歧义。
- 但这也意味着触发不是 100% 确定性的——它依赖我"注意到"了关键词并决定要响应，理论
上如果关键词出现在无关上下文里（比如讨论"ralph
是希腊神话人物"），我应该不触发，但这个判断本身是我推理出来的，不是硬编码开关。
3. 触发后发生了什么
一旦我判定要触发，会调用 Skill 工具，传入 skill:
"<name>"。这一步才是确定性的——Skill 工具接到调用后，会去加载该 skill
目录下的定义文件（类似你刚才看到的 omc-reference
那种），把里面的详细指令注入到我的下一轮上下文，然后我按那份指令继续执行。
你刚才那句里的 "ultrathink" 就是个例子：它没有走 Skill 工具（deep reasoning
不是一个独立 skill
文件，而是直接改变我的推理力度），但系统在检测到这个词后，往对话里插了一条
<system-reminder>：
<system-reminder>：
The user included the keyword "ultrathink", requesting deeper reasoning on this
turn.
这条提醒不是我自己加的，是harness（运行时环境）在处理你的消息时，用更底层、确定
性的字符串检测做的，然后作为系统提醒注入进来——这一层和 CLAUDE.md
里那张"软性"触发表是两套机制：
-CLAUDE.md表：软规则，靠我读到后自己决定要不要调用 Skill 工具。
-Harness检测（如 ultrathink、PreToolUse/PostToolUse hook 提示）：硬编码在外部
程序里，命中就无条件注入提醒，我没有选择权，只能"知晓并配合"。
一句话总结：Skill名的触发靠我基于CLAUDE.md里的表做语义识别，是"软"匹配；而像
ultrathink这种影响推理强度的触发，是harness
层做的确定性字符串检测，是"硬"匹配——两者共同构成你看到的"说一个词就变身"的效果。