Skills Catalog for Codex 实战指南把 AI 代理调教成团队的熟练工【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills每天被同一个问题折磨让 AI 代理重启即失忆每次都要重新解释一遍项目的目录结构、代码规范、部署流程Skills Catalog for Codex 就是为解决这个问题而生的技能目录——它把 AI 代理的临时工记忆升级成一套可以沉淀、共享、复用的能力包。这篇指南会从零开始带你安装、使用、甚至亲手创建属于自己的 Codex 技能。一个让所有开发者血压升高的场景想象一下你花了一个小时向 AI 代理讲清楚我们这个项目的 PR 评论该怎么处理它终于像模像样地干完了一单。可明天换个新会话它又什么都不记得了。你只能再讲一遍再调一遍再生气一遍。问题的根源在于通用 AI 代理有智商但没有职业记忆。它不懂你团队的特殊约定不认识你的内部工具也不知道你的部署脚本应该按什么顺序跑。好消息是这类重复劳动完全可以被封装起来。你只需要把做事的步骤、脚本和资料打包成一个文件夹让代理每次上手时自动翻看。这就是 Codex 技能Skill的核心思路一次编写到处使用。它到底是什么给 AI 的入职说明书Skills Catalog for Codex项目路径GitHub_Trending/skills4/skills是这套技能的官方货架。仓库里的每一个技能本质上都是一个自包含的文件夹里面装着说明文档告诉代理遇到什么情况该怎么做类似入职手册脚本把容易出错的操作固化下来代理直接执行不用现写参考资料数据库表结构、API 文档、公司规范等按需翻阅的知识库素材文件模板、图片、示例代码等产物资源。打个比方没装技能时AI 代理是个聪明但没经验的新人装完技能它就成了带着笔记本入职的熟手上手速度天差地别。维度没有技能有技能领域知识每次会话重新讲解自动加载永久有效易错操作反复现写、反复出错脚本固化一次通过团队规范靠人肉口述沉淀成文档共享协作成本随人数线性增长随技能库摊销递减谁最该关心这套技能不挑技术栈不挑团队规模只要你在用 Codex 干活这套技能目录就值得关注独立开发者把常用工作流截图、PDF 处理、语音转写做成技能一个人顶一个团队小团队把内部约定写进技能新人上手快AI 助手也不跑偏效率爱好者让 AI 代理替你盯着 GitHub PR 评论、CI 报错这些琐事愿意磨刀的人花一小时封装技能换未来每周省下的好几小时。先别急着装搞懂技能的三个货架打开仓库的skills/目录你会发现三个不同等级的存放位置。它们不是随便分区的而是对应了三种不同的信任程度和使用场景目录定位安装方式适合谁skills/.system/系统级基础技能无需操作新版 Codex 自动内置所有用户skills/.curated/官方精选技能在 Codex 里用$skill-installer按名字装大多数场景skills/.experimental/实验性技能需指定技能文件夹或目录地址想尝鲜的进阶用户.system里的技能比如图片生成、插件创建、技能创建器属于出厂自带你什么都不用做。.curated是主力装完就能用。.experimental则适合胆子大、喜欢尝新的朋友。第一次上手克隆目录装一个精选技能动手之前先把整个技能仓库拉到本地方便以后查看和离线使用git clone https://gitcode.com/GitHub_Trending/skills4/skills接下来进入 Codex试着安装精选技能库里最常被推荐的gh-address-comments。这个技能的作用是自动找到当前分支对应的 GitHub PR拉出所有 review 评论帮你逐个处理。只需要一句话$skill-installer gh-address-comments装完后别忘了一步重启 Codex。和装新软件一样重启后技能才会被识别并加载。装实验性技能会稍微麻烦一点因为名字不是唯一标识。两种方式任选$skill-installer install the create-plan skill from the .experimental folder或者直接提供技能所在目录的 URL让安装器自己去取。实验性技能稳定性打折如果发现问题别犹豫随时可以卸载或换回精选版。装好了怎么用一个真实工作流以gh-address-comments为例看看一个技能在你和 Codex 之间是怎么跑起来的。第一步确认环境。技能要求你本机装好 GitHub CLIgh并完成登录跑一次gh auth status确认没掉线。第二步拉取评论清单。你只需要对 Codex 说帮我把当前分支 PR 上的评论都处理一下技能会调用自带的fetch_comments.py脚本把 PR 上所有 review 线程和评论一次性打出来。第三步你来做选择题。Codex 会把这些评论按编号列出来并附上每条评论需要怎么改的简短说明然后问你哪几条要处理。你挑重点它动手改配合非常明确。第四步遇到问题就重来。如果中途gh报出鉴权或限流错误技能会提醒你重新登录然后接着跑。整套流程下来你只需要做决策剩下全是体力活。进阶技能内部长什么样如果你想让技能长出自己的样子先花五分钟看看标准结构。每个技能都长这样skill-name/ ├── SKILL.md # 必须说明文档 YAML 元数据 ├── agents/ │ └── openai.yaml # 推荐列表和菜单里展示的名称、简介 ├── scripts/ # 可选可直接执行的脚本 ├── references/ # 可选按需加载的参考资料 └── assets/ # 可选输出时用到的模板和素材SKILL.md顶部的 YAML 元数据name和description是最关键的部件——Codex 就是靠 description 判断什么时候该用这个技能。描述写得越具体、越覆盖触发场景技能被正确调用的概率就越高。这里有个值得学习的核心设计渐进式披露。技能的内容分三层加载——元数据始终在上下文里约 100 词只有技能被触发时才加载SKILL.md正文只有当确实需要时才去翻references/里的资料。这样做的好处是省 token代理不会一上来就背下几百页文档而是用到了再看。想自己创建技能.system里内置了skill-creator它提供了一套完整流程先想清楚使用场景 → 规划要复用哪些脚本和资料 → 用init_skill.py初始化目录 → 写SKILL.md→ 用quick_validate.py校验格式。整个过程有脚手架兜底比从零手写容易得多。避坑指南五个新手常见问题装完不重启技能没生效先重启 Codex 再说话九成问题出在这。description 写得太笼统Codex 不知道什么时候该用你的技能等于白写。把触发场景写清楚、写具体。什么都要塞进 SKILL.md正文一长上下文窗口就遭殃。能放references/的别放正文能写成脚本的别写成文字。技能目录里堆 README 和安装指南技能只需要能干活的文件多余文档只会干扰代理判断。一次性问太多问题创建技能时别把需求一次问完先问最重要的一两个问题边做边补充。另外提醒一句技能里的脚本都会访问网络在沙箱环境里跑记得申请提权否则会被拦在门外。贡献与许可证把好东西传下去这个技能目录欢迎社区共建而且门槛不高。社区氛围讲究三点友善包容遵循贡献者公约、假设对方是好意书面沟通容易误会宽容一点、教学相长看不懂的地方就提 issue 或 PR改进本身就是学习。如果你发现的是安全漏洞或对模型输出有担忧别在公开渠道讨论直接发邮件到securityopenai.com官方会及时响应。关于版权每个技能的许可证并不统一授权信息就放在技能目录里的LICENSE.txt文件中。使用或二次分发前记得先看一眼你要用的那个技能。下一步行动到这里你已经知道了这套技能目录的完整脉络。接下来按这三步走今晚就能见效克隆仓库把目录结构整体过一遍看看.curated里有哪些合你胃口的技能装一个高频技能比如gh-address-comments在真实任务里跑通一次完整的安装 → 使用闭环模仿一个技能把你日常最烦的重复操作封装成你的第一个自定义技能然后分享给队友。记住技能的价值不在于多而在于准。先把一两个真正高频的工作流打磨好你就能真切感受到AI 代理变成熟练工的快乐。【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Skills Catalog for Codex 实战指南：把 AI 代理调教成团队的熟练工
Skills Catalog for Codex 实战指南把 AI 代理调教成团队的熟练工【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills每天被同一个问题折磨让 AI 代理重启即失忆每次都要重新解释一遍项目的目录结构、代码规范、部署流程Skills Catalog for Codex 就是为解决这个问题而生的技能目录——它把 AI 代理的临时工记忆升级成一套可以沉淀、共享、复用的能力包。这篇指南会从零开始带你安装、使用、甚至亲手创建属于自己的 Codex 技能。一个让所有开发者血压升高的场景想象一下你花了一个小时向 AI 代理讲清楚我们这个项目的 PR 评论该怎么处理它终于像模像样地干完了一单。可明天换个新会话它又什么都不记得了。你只能再讲一遍再调一遍再生气一遍。问题的根源在于通用 AI 代理有智商但没有职业记忆。它不懂你团队的特殊约定不认识你的内部工具也不知道你的部署脚本应该按什么顺序跑。好消息是这类重复劳动完全可以被封装起来。你只需要把做事的步骤、脚本和资料打包成一个文件夹让代理每次上手时自动翻看。这就是 Codex 技能Skill的核心思路一次编写到处使用。它到底是什么给 AI 的入职说明书Skills Catalog for Codex项目路径GitHub_Trending/skills4/skills是这套技能的官方货架。仓库里的每一个技能本质上都是一个自包含的文件夹里面装着说明文档告诉代理遇到什么情况该怎么做类似入职手册脚本把容易出错的操作固化下来代理直接执行不用现写参考资料数据库表结构、API 文档、公司规范等按需翻阅的知识库素材文件模板、图片、示例代码等产物资源。打个比方没装技能时AI 代理是个聪明但没经验的新人装完技能它就成了带着笔记本入职的熟手上手速度天差地别。维度没有技能有技能领域知识每次会话重新讲解自动加载永久有效易错操作反复现写、反复出错脚本固化一次通过团队规范靠人肉口述沉淀成文档共享协作成本随人数线性增长随技能库摊销递减谁最该关心这套技能不挑技术栈不挑团队规模只要你在用 Codex 干活这套技能目录就值得关注独立开发者把常用工作流截图、PDF 处理、语音转写做成技能一个人顶一个团队小团队把内部约定写进技能新人上手快AI 助手也不跑偏效率爱好者让 AI 代理替你盯着 GitHub PR 评论、CI 报错这些琐事愿意磨刀的人花一小时封装技能换未来每周省下的好几小时。先别急着装搞懂技能的三个货架打开仓库的skills/目录你会发现三个不同等级的存放位置。它们不是随便分区的而是对应了三种不同的信任程度和使用场景目录定位安装方式适合谁skills/.system/系统级基础技能无需操作新版 Codex 自动内置所有用户skills/.curated/官方精选技能在 Codex 里用$skill-installer按名字装大多数场景skills/.experimental/实验性技能需指定技能文件夹或目录地址想尝鲜的进阶用户.system里的技能比如图片生成、插件创建、技能创建器属于出厂自带你什么都不用做。.curated是主力装完就能用。.experimental则适合胆子大、喜欢尝新的朋友。第一次上手克隆目录装一个精选技能动手之前先把整个技能仓库拉到本地方便以后查看和离线使用git clone https://gitcode.com/GitHub_Trending/skills4/skills接下来进入 Codex试着安装精选技能库里最常被推荐的gh-address-comments。这个技能的作用是自动找到当前分支对应的 GitHub PR拉出所有 review 评论帮你逐个处理。只需要一句话$skill-installer gh-address-comments装完后别忘了一步重启 Codex。和装新软件一样重启后技能才会被识别并加载。装实验性技能会稍微麻烦一点因为名字不是唯一标识。两种方式任选$skill-installer install the create-plan skill from the .experimental folder或者直接提供技能所在目录的 URL让安装器自己去取。实验性技能稳定性打折如果发现问题别犹豫随时可以卸载或换回精选版。装好了怎么用一个真实工作流以gh-address-comments为例看看一个技能在你和 Codex 之间是怎么跑起来的。第一步确认环境。技能要求你本机装好 GitHub CLIgh并完成登录跑一次gh auth status确认没掉线。第二步拉取评论清单。你只需要对 Codex 说帮我把当前分支 PR 上的评论都处理一下技能会调用自带的fetch_comments.py脚本把 PR 上所有 review 线程和评论一次性打出来。第三步你来做选择题。Codex 会把这些评论按编号列出来并附上每条评论需要怎么改的简短说明然后问你哪几条要处理。你挑重点它动手改配合非常明确。第四步遇到问题就重来。如果中途gh报出鉴权或限流错误技能会提醒你重新登录然后接着跑。整套流程下来你只需要做决策剩下全是体力活。进阶技能内部长什么样如果你想让技能长出自己的样子先花五分钟看看标准结构。每个技能都长这样skill-name/ ├── SKILL.md # 必须说明文档 YAML 元数据 ├── agents/ │ └── openai.yaml # 推荐列表和菜单里展示的名称、简介 ├── scripts/ # 可选可直接执行的脚本 ├── references/ # 可选按需加载的参考资料 └── assets/ # 可选输出时用到的模板和素材SKILL.md顶部的 YAML 元数据name和description是最关键的部件——Codex 就是靠 description 判断什么时候该用这个技能。描述写得越具体、越覆盖触发场景技能被正确调用的概率就越高。这里有个值得学习的核心设计渐进式披露。技能的内容分三层加载——元数据始终在上下文里约 100 词只有技能被触发时才加载SKILL.md正文只有当确实需要时才去翻references/里的资料。这样做的好处是省 token代理不会一上来就背下几百页文档而是用到了再看。想自己创建技能.system里内置了skill-creator它提供了一套完整流程先想清楚使用场景 → 规划要复用哪些脚本和资料 → 用init_skill.py初始化目录 → 写SKILL.md→ 用quick_validate.py校验格式。整个过程有脚手架兜底比从零手写容易得多。避坑指南五个新手常见问题装完不重启技能没生效先重启 Codex 再说话九成问题出在这。description 写得太笼统Codex 不知道什么时候该用你的技能等于白写。把触发场景写清楚、写具体。什么都要塞进 SKILL.md正文一长上下文窗口就遭殃。能放references/的别放正文能写成脚本的别写成文字。技能目录里堆 README 和安装指南技能只需要能干活的文件多余文档只会干扰代理判断。一次性问太多问题创建技能时别把需求一次问完先问最重要的一两个问题边做边补充。另外提醒一句技能里的脚本都会访问网络在沙箱环境里跑记得申请提权否则会被拦在门外。贡献与许可证把好东西传下去这个技能目录欢迎社区共建而且门槛不高。社区氛围讲究三点友善包容遵循贡献者公约、假设对方是好意书面沟通容易误会宽容一点、教学相长看不懂的地方就提 issue 或 PR改进本身就是学习。如果你发现的是安全漏洞或对模型输出有担忧别在公开渠道讨论直接发邮件到securityopenai.com官方会及时响应。关于版权每个技能的许可证并不统一授权信息就放在技能目录里的LICENSE.txt文件中。使用或二次分发前记得先看一眼你要用的那个技能。下一步行动到这里你已经知道了这套技能目录的完整脉络。接下来按这三步走今晚就能见效克隆仓库把目录结构整体过一遍看看.curated里有哪些合你胃口的技能装一个高频技能比如gh-address-comments在真实任务里跑通一次完整的安装 → 使用闭环模仿一个技能把你日常最烦的重复操作封装成你的第一个自定义技能然后分享给队友。记住技能的价值不在于多而在于准。先把一两个真正高频的工作流打磨好你就能真切感受到AI 代理变成熟练工的快乐。【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考