Codex 使用指南

搜索全站

输入关键词开始搜索。
页面更新：事实核验：

Codex 生态榜单

Codex 相关高 stars 开源仓库

这页先给出按 GitHub codex-cli 主题页 Most stars 排序、于 2026-07-12 核验的生态 Top 10，再保留几个适合深入学习的 skills 仓库说明。星标只是发现信号，不是安全、质量或兼容性背书。

星标快照：2026-07-12 Top 10：Codex CLI 生态 高 star ≠ 推荐

是什么

先按任务 fit 选仓库

不要把所有 skills 仓库一次性塞进同一个请求。普通 Codex Desktop 用户先回答三个问题：我要做工程交付、工程思考、学术工作，还是长时间研究自动化？然后只选一个主仓库，最多加一个辅助仓库。

小黑把任务纸条分拣到工程闭环、需求拷问、学术套件和自动科研四个托盘
图意：先按工程、需求澄清、学术和自动研究分拣任务，再选一个主仓库；图片不替代正文中的精确仓库名与安装路径。

选择器

30 秒选择表

多步骤工程功能 / 复杂 bug首选：Compound Engineering辅助：mattpocock/skills要完整 brainstorm-plan-work-review 闭环时用 Compound；只想先拷问需求时用 Matt。
需求模糊 / 想被追问首选：mattpocock/skills辅助：Compound Engineering先用 $grill-with-docs 或 $ask-matt 收紧语言，再进入重流程。
文献 / 写作 / 审稿 / 实验计划首选：academic-research-skills-codex辅助：ARIS想在 Codex 里用单个 suite 入口时选 ARS；需要更长流水线时再看 ARIS。
睡眠式研究自动化首选：ARIS辅助：academic-research-skills-codex长时间研究、自动评审、研究 wiki 和实验监控适合 ARIS；普通学术任务先选 ARS。
前端视觉 / 页面重设计首选：leonxlnx/taste-skill辅助：现有项目的测试与无障碍检查用 design-taste-frontend 或 redesign-existing-projects 处理视觉方向；它不替代功能、响应式和无障碍验收。
中文文章 / 方法论配图首选：helloianneo/ian-xiaohei-illustrations辅助：无先提炼认知锚点和 shot list，再生成 16:9 小黑手绘图；不把它当 PPT 模板或可编辑矢量工具。
中文 prompt / 快速起步首选：plexpt/awesome-chatgpt-prompts-zh辅助：Codex Desktop 任务合同把角色或场景 prompt 当作起点，再补齐仓库上下文、范围、权限、验收和停止条件；它不是可直接执行的 Codex skill。
完全不知道选哪个首选：mattpocock/skills辅助：Compound Engineering先让任务变清楚，再决定是否需要完整工程流水线。

证据标签

先看案例证据等级

历史案例有可核验的计划、Git、测试或公开产物只主张证据覆盖的阶段不能把局部使用扩写成完整交付
历史复合案例多个已核验片段重排成教学流程必须标明组合性质完整示例见 团队协作规范
演示场景基于上游能力设计的可复制输入帮助读者起步不声称本项目已经执行

星标快照

Codex CLI 生态 Top 10

榜单口径是 GitHub codex-cli 主题页的 Most stars 结果，再逐一核对仓库页是否确实涉及 Codex CLI、skills、plugins、MCP、客户端或 agent workflow。GitHub 页面只显示约数，因此正文也使用约数；后续维护应重新核验，而不是把这次快照当成永久排名。

#1 HKUDS/nanobot其他 / agent runtime约 45.3k stars轻量级 self-hosted agent，包含 WebUI、聊天渠道、MCP、memory 和 automation；它是独立 runtime，不是给 Codex 加 skill。（外部链接）仓库
#2 sickn33/agentic-awesome-skillsSkills约 42.9k stars1,900+ 个可安装的 SKILL.md playbooks，README 给出 --codex 安装路径；适合先挑单个 skill，再检查脚本和权限。（外部链接）仓库
#3 wshobson/agentsSkills / Plugins / MCP约 37.8k stars多 harness plugin marketplace；Codex 通过 committed registry 和 plugin manifest 安装，适合按能力安装 plugin，而不是一次加载全部内容。（外部链接）仓库
#4 slopus/happy其他 / 移动客户端约 22.6k stars给 Claude Code 和 Codex 使用的移动/Web 客户端与 CLI wrapper；happy codex 可以远程查看和控制本地 Codex，先评估远程同步与权限边界。（外部链接）仓库
#5 mksglu/context-modeMCP / Hooks / Plugin约 18.8k stars用 MCP 与 hooks 做上下文压缩和工具输出路由；仓库提供 .codex-plugin，安装后要重启 Codex，并单独确认 hooks 是否可信。（外部链接）仓库
#6 ComposioHQ/awesome-codex-skillsSkills约 14.9k stars专门面向 Codex CLI/API 的 skills 目录，提供 skill-installer 路径；把它当目录逐项审查，不要把星标当作所有子 skill 的质量证明。（外部链接）仓库
#7 Wei-Shaw/claude-relay-service其他 / 模型代理约 12.3k stars模型代理 / 中转服务，仓库明确提供 Codex CLI 配置；涉及凭据、服务条款和多账号会话，默认不建议直接接入生产环境。（外部链接）仓库
#8 AgentWrapper/agent-orchestrator其他 / 编排约 8.2k stars并行 coding agents、CI 修复、冲突处理与 review；适合在 worktree 隔离和人工 checkpoint 下做实验，不能替代审批。（外部链接）仓库
#9 htdt/godogenSkills / 游戏开发约 4.6k stars领域化的游戏生成工作流；选择 Codex 作为 agent 时会生成 AGENTS.md 与 .agents/skills/，只适合 Godot、Bevy 或 Babylon.js 场景。（外部链接）仓库
#10 Galaxy-Dawn/claude-scholarSkills / 学术研究约 4.6k stars学术研究助手；Codex branch 提供 config.toml、40 个 skills 和 14 个 agents，研究结论仍必须经过人工来源核验。（外部链接）仓库
  • 官方基准（外部链接）openai/codex 是 Codex CLI 本身的官方开源仓库；它不混入社区生态 Top 10。产品能力和安全边界以 OpenAI 官方资料为准。
  • MCP 基础设施（外部链接）modelcontextprotocol/servers 是官方 MCP reference servers 仓库；Codex 可以作为 MCP client，但具体 server 仍要按权限、网络和凭据逐项审查。
  • 排名来源打开 （外部链接）GitHub codex-cli 主题页 可重新查看 Most stars 结果；主题归类由仓库维护者设置，不能替代 README 和代码审查。
  • 安装前检查先读 README、许可证、SKILL.md、plugin manifest、scripts、hooks、MCP 配置和凭据说明；先在测试仓库或 worktree 试运行，再决定是否进入日常环境。

工程工作流

Compound Engineering

EveryInc 的 Compound Engineering plugin 适合把工程任务组织成一套可重复的流程：brainstorm、plan、work、simplify、review、compound。它更像工程流程插件，而不是单独的提示词集合。

能力

用 /ce-brainstorm、/ce-plan、/ce-work、/ce-simplify-code、/ce-code-review、/ce-compound 串起长任务。

最适合

多文件功能、复杂 bug、PR 前审查、长期维护同一仓库的工程知识。

安装路径

Codex Desktop 里添加 custom marketplace，Source 填 EveryInc/compound-engineering-plugin，ref 填 main，安装 compound-engineering 后重启。

/ce-brainstorm
目标：把这个产品改动先讨论清楚。
仓库：当前 Codex Desktop 打开的仓库。
边界：只讨论需求、风险和验收，不改文件。
输出：给出 requirements-only 计划和下一步问题。
历史案例

案例：从需求到 PR #1

本指南先确认单页范围与读者顺序，再在同一计划中补齐实施单元，通过 LFG 完成页面、图片、检查和 PR #1。重要恢复是收紧 staging，避免把忽略的过程记录带入公开提交。证据包括公开计划、提交、PR、make check 和默认分支合并；完整交付门禁见 团队协作规范。

工程约束

mattpocock/skills

mattpocock/skills 当前上游为 v1.2.2（2026-08-05 发布），已经从一组独立 prompt 扩成有明确路由的工程技能套件：按 user-invoked / model-invoked 分层，把 shared language、需求拷问、TDD、调试、架构改进和代码审查串成可组合流程。它适合先把“我要做什么”问清楚，再决定是否进入更重的交付流程。

能力

$ask-matt 负责路由；常见主线是 $grill-with-docs → $to-spec → $to-tickets → $implement，后者内部用 $tdd 驱动并在收尾前运行 $code-review。大型跨会话工作再用 $wayfinder。

最适合

需求不稳、术语混乱、想先被高质量追问，或需要把工程任务拆成可独立推进的决策 / tickets。Bug、原型和领域语言分别看 $diagnosing-bugs、$prototype、$domain-modeling / $codebase-design；非代码问题用 $grill-me。

启用路径

Codex / 其他 Agent Skills harness：通过 skills.sh 运行 npx skills@latest add mattpocock/skills，在交互中选择目标 skills 和 agent，并确保选择 setup-matt-pocock-skills；每个仓库运行一次。上游目前没有原生 Codex plugin；Claude Code 的 claude plugins install mattpocock-skills 是另一条官方插件路径，不要混作 Codex 安装方式。

$ask-matt
仓库：当前 Codex Desktop 打开的仓库。
目标：我想做一个新的导出功能。
请先判断应走 $grill-with-docs、$prototype、$diagnosing-bugs 还是 $wayfinder；
先读 AGENTS.md、README 和相关源码，只追问会改变范围或验收的问题。
不要开始实现。
  • 调用边界user-invoked skills 需要显式调用；model-invoked skills 可在任务匹配时由 agent 自动触发。先用 $ask-matt 或 $setup-matt-pocock-skills 选路径，不要一次加载全部。
  • 近期变化review 已由上游改名为 code-review，writing-great-skills 改为 writing-for-agents；$prototype 现在以可分享的单文件 HTML 作为主要证据。
  • 仓库链接（外部链接）github.com/mattpocock/skills
历史案例

案例：先建立上下文，再 grill

一次仓库任务先运行 setup 选择所需 skills，再读取 AGENTS.md、README、相关源码和 dirty 状态，只追问会改变范围或验收的问题。发现无关未提交文件后，明确把它们排除在写域之外，再形成计划。该证据只支持“上下文准备与需求澄清”，不声称自动完成实现、PR 或 merge。

学术套件

academic-research-skills-codex

academic-research-skills-codex 是 Academic Research Skills 的 Codex-native sibling distribution。仓库名是 academic-research-skills-codex，Codex skill path 是 skills/academic-research-suite，页面里简称 ARS。

小黑在工程台和研究台之间分工，避免把所有 skills 混成一袋
图意：工程台和研究台解决的问题不同：代码交付看工程流程，文献、论文和实验看学术 suite，不要把全部 skills 混进同一个请求。

能力

一个 academic-research-suite 入口路由 deep research、paper writing、review、academic pipeline 和 experiment planning。

最适合

文献综述、新颖性检查、论文草稿、审稿意见模拟、实验计划和结果到 claim 的边界整理。

安装路径

Codex CLI / 本地文件系统安装路径：仓库与 path 已明确时，可运行 python3 ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py --repo Imbad0202/academic-research-skills-codex --path skills/academic-research-suite。安装器位置或上游结构变化时，以（外部链接）官方上游 README为准，不要把 Claude Code 分发里的多个 skills 当成 Codex 安装路径。

$academic-research-suite
任务：为这个 AI/ML 论文想法做 deep research 和实验计划。
主题：[你的方法一句话]
边界：先输出研究问题、相关工作、可验证 novelty 和最小实验矩阵，不写论文正文。
证据：列出需要人工确认的来源和假设。
演示场景

场景：先做 novelty 与最小实验矩阵

输入一个方法想法和证据边界，让 suite 先返回研究问题、closest work、可证伪 novelty、最小实验与人工核验来源。来源不足或 baseline 不可复现时输出 blocked 研究回执，不进入论文正文。本项目没有该场景的执行记录，因此不标为历史案例。

自主研究

ARIS / auto-claude-code-research-in-sleep

ARIS 更像一套“睡眠式科研”的方法论和工具集合，而不是单个 Codex skill。它强调计划、资料收集、写作或实验、反向评审、迭代和持久化，适合已经有清晰研究目标和验证边界的高级用户。

能力

覆盖 idea discovery、literature、auto review loop、paper writing、experiment run、results analysis、experiment monitoring 等研究环节。

最适合

长时间研究流水线、自动审稿循环、实验监控、研究知识库和多轮论文改进。

启用路径

Codex CLI / 本地文件系统安装路径：克隆仓库后在仓库根目录运行 bash tools/install_aris_codex.sh；更新脚本为 bash tools/smart_update_codex.sh。脚本行为可能随上游变化，请先阅读（外部链接）当前 README和脚本再执行，不假定额外参数。

$auto-review-loop
目标：对我的论文方法和实验计划做一轮 adversarial review。
输入：当前草稿路径、实验日志路径、需要保护的 claim。
边界：只输出问题、证据缺口和下一轮实验建议；不要自动改论文或提交外部结果。
演示场景

场景：夜间循环保留人工闸门

把已确认的研究 brief、预算、停止条件和输出目录交给长循环，每轮只生成日志、证据缺口和下一轮建议；修改论文、提交结果或启动高成本实验前必须等待人工授权。本项目没有该场景的执行记录，因此不标为历史案例。

前端视觉

leonxlnx/taste-skill

leonxlnx/taste-skill 是一个第三方、可移植的前端视觉 skill 集合。它会先读 brief，再处理布局变化度、动效强度和视觉密度，并提供 design-taste-frontend、gpt-taste、image-to-code、redesign-existing-projects 等入口。Codex 可以使用它，但它不是 OpenAI 官方设计规范。

能力

把页面 brief 转成设计方向、布局与视觉系统，再按需要处理动效、图片生成和现有页面重设计。

最适合

landing page、portfolio、营销页和需要视觉重做的前端页面；后台、数据表、多步骤产品 UI 仍要以产品约束和可用性为主。

安装路径

先装单个 skill：npx skills add https://github.com/Leonxlnx/taste-skill --skill "design-taste-frontend"；需要 Codex 全套时再按上游说明使用 npx skills add Leonxlnx/taste-skill -a codex。

$design-taste-frontend
仓库：当前 Codex Desktop 打开的仓库。
目标：重做这个 landing page 的视觉层，不改变 URL、字段名和业务行为。
先读现有页面、AGENTS.md 和品牌资产；先输出 design read、方向和风险，不要立即改文件。
验收：响应式、键盘操作、WCAG 对比度、真实内容和现有测试都不能退化。

中文内容配图

helloianneo/ian-xiaohei-illustrations

helloianneo/ian-xiaohei-illustrations 是面向 Codex 的中文文章配图 Skill。它先提炼文章中的认知锚点，再输出 shot list、低科技物理隐喻和 16:9 小黑手绘图；它不是 PPT 信息图、商业 KV、架构图或可编辑矢量图。

能力

从文章抽取主题、核心含义、结构、小黑动作和短标注，形成约 4–8 张图的 shot list，并在生成后做可读性和构图检查。

最适合

中文知识、方法论、AI workflow、研究笔记、Notion 或博客正文配图；每张图只保留一个核心动作和一条清晰认知。

安装路径

按上游 README 克隆仓库，把其中的 ian-xiaohei-illustrations 目录复制到 ${CODEX_HOME:-$HOME/.codex}/skills/。

Use $ian-xiaohei-illustrations 先不要生图。
请读下面这篇文章，输出 5 张左右 shot list；每张写放置段落、认知锚点、结构、小黑动作和短中文标注。

中文 Prompt 库

plexpt/awesome-chatgpt-prompts-zh

plexpt/awesome-chatgpt-prompts-zh 是中文 ChatGPT prompt 集合，README 和 prompts-zh.json 提供大量可复制的角色、写作、翻译、学术、编程和内容创作提示词。它适合作为 prompt 起点，但不会自动读取当前仓库、AGENTS.md、源码、测试或权限状态，因此不是原生 Codex skill、MCP server 或 plugin。

能力

按场景提供角色设定、任务模板和输出格式，适合快速比较不同的表达方式和工作入口。

最适合

中文写作、翻译、论文润色、内容创作、头脑风暴和需要先找一个表达起点的轻量任务。

Codex 适配

复制 prompt 后，补上仓库上下文、改动范围、权限边界、验收标准和停止条件，再交给 Codex Desktop。

请把下面这个中文 prompt 改写成当前仓库可执行的 Codex Desktop 任务。
先读 AGENTS.md、README 和相关源码；只输出目标、范围、风险、验收标准和需要确认的问题，不要修改文件。
原始 prompt：
[把 plexpt/awesome-chatgpt-prompts-zh 中选出的 prompt 粘贴在这里]
  • 使用边界不要直接照搬“忽略之前的对话”、无限角色扮演或无验收的自动执行指令；先改写成当前仓库可审查、可验证的任务合同，也不要把密钥或敏感上下文粘贴到不必要的外部服务。
  • 仓库链接（外部链接）github.com/plexpt/awesome-chatgpt-prompts-zh

开放格式技能目录

pproenca/dot-skills

dot-skills 是第三方 Agent Skills 开放格式集合：仓库按 curated 与 experimental 分层提供可复用的 SKILL.md 工作流。它不是 OpenAI 官方目录，也不是一个 Codex Plugin 或 MCP server；对 Codex，README 描述的安装目标是项目内 .codex/skills/<name>/。

先按成熟度选

上游把 curated 标为已筛选的技能，把 experimental 标为进行中的工作。把这当作目录导航，不当作安全、兼容性或适合当前仓库的保证。

先列出，再单项安装

用 npx add-skill pproenca/dot-skills --list 了解候选项，再用 --skill <skill-name> 安装一个明确需要的 skill。全局安装会影响多个项目，应先确认范围。

安装前审查内容

逐项阅读 SKILL.md、scripts、references 与 assets，确认触发条件、文件写入、网络访问、凭据和验证命令。第三方 skill 不能扩大当前任务授权。

只读选择流程：
- npx add-skill pproenca/dot-skills --list
- 阅读候选 skill 的 SKILL.md 与附带脚本
- 确认项目范围、权限和验证要求
- 再决定是否安装一个 --skill <skill-name>
- 安装后在新任务中确认 catalog 是否发现它

证据优先工作流

WhoJay0609/whojay-skill

whojay-skill 是第三方的工程与学术双工作流 Skill：它将 Work（诊断、实现、验证、Git 交付、研究与实验治理）和 Persona（证据优先、边界清楚、直接纠偏、闭环交付）合并为 Codex 可调用入口 $colleague-whojay。它不是 OpenAI 官方功能，也不替代项目的 AGENTS.md、测试、审批或人工结论。

先标注证据状态

把结论区分为已验证、合理推断和未知或阻塞。计划、子代理汇报、进度条或单次实现不应冒充正式完成证据。

工程与研究同样收口

工程上从权威链、最小修复到分层验证；研究上从问题、协议账本到结果与主张。两条路径都要求说明实际产物、验证和剩余风险。

授权仍由用户决定

Skill 不会自动授权删除、远程发布、外部消息、付费调用或 GPU 运行。只有用户明确授权时，提交、push、PR、合并和清理才构成交付闭环。

$colleague-whojay

先读取本仓库的 AGENTS.md、当前 Git 状态和失败证据。
目标：解释问题并给出最小可验证的修复路径。
约束：先做只读分析；不要修改、提交或发布。
  • 适合什么有真实仓库、实验或交付边界，需要把事实、推断、未知、验证和外部副作用写清的工程或学术任务。
  • 隐私与身份边界上游说明该 Skill 来自去重、隐私过滤后的会话模式分析，不包含原始会话、凭据、会话 ID、私人标识符或本机绝对路径；没有可靠证据支持的身份属性保持未设置。
  • 仓库链接（外部链接）github.com/WhoJay0609/whojay-skill

互联网能力路由

Panniantong/Agent-Reach

Agent Reach 是第三方 CLI + Skill 互联网能力路由器：它为网页、GitHub、视频、RSS、搜索和部分需要登录态的平台维护候选后端、安装与诊断路径；Codex 可通过 $agent-reach 按任务选择当前可用的读取或检索工具。它不是 OpenAI 官方功能，不是原生 Codex、Plugin，也不是单一 MCP server；平台权限、账号状态和外部写操作仍由用户明确授权。

先诊断，再选后端

先运行 agent-reach doctor --json，再按该平台的 active_backend 选择命令。诊断结果是本机此刻的健康信号，不是对未来可用性、账号权限或平台条款的保证。

把“读”与“写”分开

它主要帮助 agent 获取和搜索公开或已授权的互联网内容；创建 Issue/PR、发帖、评论、登录、导出 Cookie 或配置凭据属于不同的外部副作用，必须先取得用户授权并遵守对应平台规则。

安装前先预览

上游提供 agent-reach install --dry-run 和 --safe。先审查将安装的 CLI、MCP 配置、Skill 文件和浏览器登录态边界；不要把某个平台的可用后端或凭据方案照搬到其他机器。

$agent-reach

请通过 Agent Reach 核对这个 GitHub 仓库的公开 README 和开放 Issue。
先运行 agent-reach doctor --json，并只使用 GitHub 当前 active_backend。
约束：只读；不要登录、Fork、创建 Issue/PR、安装工具或修改本机配置。
  • 适合什么需要在多个互联网渠道之间进行可追踪的读取、搜索或资料核验，并希望先知道当前后端是否真的可用的任务。单一、已知链接的阅读任务可直接用相应的最小工具。
  • 登录与隐私边界部分渠道依赖浏览器登录态、Cookie 或单独配置；上游说明凭据保留在本机，但仍应使用专用账号、最小权限和明确的凭据处理边界。未配置、警告或关闭状态应报告为不可用，而不是猜测替代路径。
  • 仓库链接（外部链接）github.com/Panniantong/Agent-Reach

本地模型路由

lidge-jun/opencodex

OpenCodex 是第三方本地 provider proxy：它把 Codex 的 Responses API 转接到已配置的 provider，使 Codex CLI、App、SDK 和 Claude Code 可以使用相应的模型。它不是 OpenAI 官方功能，也不是 Codex Skill、Plugin 或 MCP server；启用前应把它视为会接触本机 Codex 配置、provider 凭据和请求流量的基础设施。

它解决什么

在你控制的本机环境中，通过 ocx init 配置 provider，并由本地代理处理 Codex 的模型路由；先确认 provider、模型、凭据和费用边界，再开始任务。

适合什么

需要在既有 Codex 工作流中试用明确允许的第三方或本地模型，并愿意自行维护代理、配置与升级的人。它不替代 Codex 的任务范围、审批、测试或 Git 验收。

先看安全边界

上游默认绑定 127.0.0.1；若显式暴露到 LAN，必须配置 bearer token。凭据只应交给已审查的 provider；连接前检查其服务条款，尤其不要把代理路由等同于官方支持。

先做只读核验：
- 阅读上游 README 与配置文档
- 确认代理绑定地址、provider、凭据和费用边界
- 运行 ocx doctor / ocx status
- 再决定是否执行 ocx init 或启动代理
- 不再需要时，用 ocx restore 恢复原生 Codex 配置
  • 恢复路径ocx stop 会停止代理并恢复原生 Codex；只想恢复配置时使用 ocx restore。先保存你的现有配置和运行证据，再做切换。
  • 账户与条款OpenCodex 是独立社区项目，未获 OpenAI 或其他 provider 认可；provider 可能限制第三方代理流量，账号、配额与服务条款风险由使用者核对。
  • 仓库与文档（外部链接）github.com/lidge-jun/opencodex · （外部链接）上游文档

提示词重构

WhoJay0609/refine-user-prompt

refine-user-prompt 是基于 OpenAI GPT-5.6 prompting guidance 设计的第三方 Codex skill。本节是指南配套介绍，不属于上面的 Top 10 星标排名。它把原始输入重构成精简、结果优先、可验收的提示词，必须先向用户展示重构结果，再按原始授权决定只润色、回答、执行，或为确实需要持久状态的工作创建 Codex Goal。

能力

保留事实、范围、授权、证据和输出要求；删掉重复过程；补齐成功标准与停止条件；推荐一个 GPT-5.6 model variant 和 reasoning effort。

最适合

用户说“梳理、优化、改写提示词”或“润色后执行”，但原始输入仍混有背景、约束、验证和授权边界的任务。

安装路径

克隆仓库后，把 skills/refine-user-prompt 复制到 ~/.codex/skills/，再开启新的 Codex 任务刷新 skill catalog。

$refine-user-prompt

请重新梳理下面的用户输入，保留原意和授权边界：
[原始输入]

进阶

高级用户：按阶段组合，不要一锅端

组合这些仓库时，按阶段串联，不要在一个 prompt 里同时要求所有 skills 工作。每一段都要写清输入、停止条件和验证证据。

小黑在夜间研究循环里盖检查点章，外部输出前有人工确认闸门
图意：自动化循环可以很长，但每一轮都应留下检查点；发布、发送或写入外部系统前仍要人工确认并保留可复核证据。
工程计划Compound Engineering/ce-brainstorm、/ce-plan产物：范围、U-ID、验证合同。
工程纪律mattpocock/skills$grill-with-docs、$tdd、$code-review产物：更清楚的需求语言、测试思路、审查问题。
学术工作academic-research-skills-codex$academic-research-suite产物：research brief、paper review、experiment plan。
自动研究ARISresearch pipeline / auto review loop产物：长循环记录、反审结果、实验监控和人工审批点。
提示词重构refine-user-prompt$refine-user-prompt产物：先展示的任务合同、执行模式和模型建议。

边界

使用边界

  • 非官方这些第三方 skills 仓库不是 OpenAI 官方功能。涉及 Codex Desktop 能力边界时，以 OpenAI 官方文档为准。
  • 星标快照Top 10 的 star 数是 2026-07-12 的约数快照；GitHub star 会变化，后续更新必须重新抓取并标注日期。
  • 官方与第三方openai/codex 和 MCP 基础设施单独标出；其余仓库都不是 OpenAI 官方功能，安装前要审查代码、权限和供应链。
  • 指南来源refine-user-prompt 的方法来源可追溯到 OpenAI GPT-5.6 prompting guidance，但仓库本身仍是第三方实现。
  • 长任务要可验收高级自动化仍要写 objective、范围、验证、停止条件、外部写操作审批和人工 closeout。

真实实例

真实实例：历史案例

历史案例公开仓库证据

输入

用户要求把 Compound Engineering、Matt Pocock skills、ARS 和 ARIS 放在一页，说明能力、使用方式和示例，并生成小黑配图。

先读

先读四个上游 README、本仓库页面模式、scripts/check_site.py 和 ian-xiaohei-illustrations 风格要求。

应动文件

skills-repositories.html、入口页、README.md、三张 figures/high-stars-*.png 和静态检查脚本。

验证

make check 检查 HTML、导航、锚点、文本和图片链接；再用 diff 检查是否误改全站顶栏。

最终回答

报告新增页面、图片路径、静态验证结果、未做 PDF 以及是否还有未提交改动。

失败停止

上游事实无法确认、图片无法保存、页面链接断裂，或第三方能力被误写成 OpenAI 官方功能时停止发布。