awesome-codex-subagents

GitHub
3.8k 437 简单 1 次阅读 今天MITAgent语言模型
AI 解读 由 AI 自动生成，仅供参考

awesome-codex-subagents 是一个专为 OpenAI Codex 打造的开源资源库，汇集了超过 136 个针对特定开发场景优化的子代理（Subagents）。它将复杂的软件开发工作流拆解为精细化的专业角色，涵盖核心开发、代码审查、安全审计、架构设计等十大类别，旨在解决通用 AI 助手在垂直领域深度不足、指令理解不够精准的问题。

通过引入“专家分工”机制，开发者可以在处理具体任务时调用专属代理，例如让"backend-developer"专注后端逻辑，或指派"security-auditor"进行漏洞扫描，从而显著提升代码生成的质量与安全性。该项目特别适合需要高效利用 AI 辅助编程的软件工程师、技术团队及全栈开发者使用。

其技术亮点在于采用了原生的 .toml 配置文件格式，安装简便且易于集成。用户只需将配置文件放入全局或项目目录，即可在 Codex 中灵活调用。更值得一提的是，每个子代理内置了智能模型路由功能，能根据任务复杂度（如深度推理或快速编码）自动匹配最合适的模型版本，在保障输出质量的同时有效平衡计算成本。无论是构建大型系统还是维护日常项目，awesome-codex-subagents 都能帮助开发者将 Codex 的能力发挥到极致，实现更专业的自动化协作。

使用场景

某全栈开发团队正在紧急重构一个遗留的电商微服务系统，需要在两天内完成代码审查、安全漏洞修复及核心支付逻辑的重写。

没有 awesome-codex-subagents 时

  • 角色切换成本高：开发者需在同一个通用 AI 对话中反复提示“现在你是安全专家”或“现在你是后端架构师”，导致上下文混乱，AI 经常混淆任务目标。
  • 审查深度不足：通用模型倾向于给出泛泛的代码建议，难以像专业审计员那样深入检查竞态条件或特定的金融逻辑漏洞。
  • 配置重复劳动：每次开启新项目或新会话，都要重新编写复杂的 Prompt 来定义代码规范和检查清单，浪费大量启动时间。
  • 模型资源浪费：无论任务难易都使用同一高算力模型，导致简单的格式调整也消耗高昂的 Token 成本，而复杂架构设计却可能因算力分配不足而思考不深。

使用 awesome-codex-subagents 后

  • 即插即用专家团：直接调用 reviewer.toml 和 fintech-engineer.toml 等预置子代理，AI 瞬间进入特定专家角色，无需任何额外的角色设定提示。
  • 深度专项攻坚：security-auditor 自动路由至强推理模型（gpt-5.4），精准定位支付模块中的并发安全隐患；backend-developer 则高效处理常规业务逻辑重写。
  • 标准化作业流程：每个子代理内置了详细的检查清单和执行规范，确保不同成员调用的 AI 输出风格一致、质量可控，消除人为提示词差异。
  • 智能成本优化：利用子代理内置的智能路由机制，简单任务自动匹配轻量模型，复杂任务自动升级算力，在保障质量的同时显著降低运行成本。

awesome-codex-subagents 将通用的 AI 助手转化为了一支分工明确、配置最优的虚拟专家团队，让开发者从“提示词工程师”回归到真正的“系统架构师”。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes本工具并非独立的 AI 模型或需要本地计算资源的软件，而是 OpenAI Codex CLI 的自定义子代理（Subagents）配置文件集合。运行前提是用户已安装并配置好 OpenAI Codex 命令行工具。安装方式是将 .toml 配置文件复制到指定目录（~/.codex/agents/ 或项目下的 .codex/agents/），无需安装 Python 依赖包、GPU 或特定内存。实际运行时的资源消耗取决于调用的云端模型（如 gpt-5.4 等）。
python未说明
Codex CLI
awesome-codex-subagents hero image

快速开始

codex

涵盖10大类、超过136个Codex子代理的精彩合集。

Awesome 子代理数量 最近更新 Discord


更多面向开发者的精彩合集

代理技能 Claude代码子代理 OpenClaw技能 AI代理论文

令人惊叹的Codex子代理

本仓库是Codex子代理的权威合集，这些子代理是专为特定开发任务设计的AI助手。它们专为Codex打造，并与官方文档保持一致。

安装

请严格按照文档说明使用Codex自定义代理目录：

  • ~/.codex/agents/ 用于全局代理（在所有项目中可用）
  • .codex/agents/ 用于项目专用代理（在该仓库中优先级更高）
  1. 克隆本仓库。
  2. 将您需要的.toml代理文件复制到上述任一目录中。
  3. 如有必要，重启或刷新您的Codex会话。
  4. 在提示中明确委派（Codex不会自动启动自定义子代理）。

示例：

mkdir -p ~/.codex/agents
cp categories/01-core-development/backend-developer.toml ~/.codex/agents/

mkdir -p .codex/agents
cp categories/04-quality-security/reviewer.toml .codex/agents/

如果您在Codex中使用代理配置，请将其保留在.codex/config.toml的[agents]部分，具体说明见官方文档。

子代理存储位置

类型 路径 可用性 优先级
项目子代理 .codex/agents/ 仅当前项目 更高
全局子代理 ~/.codex/agents/ 所有项目 更低

注意：当出现命名冲突时，项目专用子代理将覆盖全局子代理。

子代理结构

每个子代理都采用Codex原生的.toml格式：

name = "subagent-name"
description = "何时应调用此代理"
model = "gpt-5.3-codex-spark"
model_reasoning_effort = "medium"
sandbox_mode = "read-only"

[instructions]
text = """
你是一名[角色描述和专业领域]...

[代理特有的检查清单、模式和指南]...
"""

智能模型路由

每个子代理都包含一个model字段，可自动将其路由到合适的模型——在质量和成本之间取得平衡：

模型 使用场景 示例
gpt-5.4 深度推理——架构评审、安全审计、金融逻辑 security-auditor、architect-reviewer、fintech-engineer
gpt-5.3-codex-spark 快速扫描、综合及较轻的研究任务 search-specialist、docs-researcher、agent-installer

沙盒模式理念

每个子代理的sandbox_mode字段控制其对文件系统的访问权限：

  • 只读代理（评审员、审计员）：sandbox_mode = "read-only"——仅分析而不修改
  • 工作区写入代理（开发者、工程师）：sandbox_mode = "workspace-write"——创建和修改文件

分类

01. 核心开发

适用于日常编码任务的核心开发子代理。

02. 语言专家

具备深厚框架知识的语言特定专家。

03. 基础设施

DevOps、云和部署专家。

04. 质量与安全 — 测试、安全和代码质量专家（16 个代理）

04. 质量与安全

05. 数据与人工智能 — 数据工程、机器学习和人工智能专家（12个代理）

05. 数据与人工智能

06. 开发者体验 — 工具链与开发者生产力专家（13个代理）

06. 开发者体验

07. 专业领域 — 领域特定技术专家（12个代理）

07. 专业领域

08. 商业与产品 — 产品管理和商业分析（11个代理）

08. 业务与产品

09. 元与编排 — 代理协调与元编程（12个代理）

09. 元与编排

10. 研究与分析 — 研究、搜索与分析专家（7个代理）

10. 研究与分析

子代理的理解

子代理是专门化的AI助手，通过提供特定任务的专业知识来增强Codex的能力。它们充当Codex在遇到特定类型工作时可以调用的专用助手。

子代理有何特别之处？

独立的上下文窗口 每个子代理都在自己的隔离上下文空间内运行，防止不同任务之间的交叉污染，并保持主对话线程的清晰度。

领域特定智能 子代理配备了针对其专业领域的精心设计指令，从而在专业任务上表现出色。

跨项目共享 创建子代理后，您可以在各个项目中使用它，并将其分发给团队成员，以确保一致的开发实践。

明确委托 Codex不会自动生成子代理。请使用明确的委托提示来指定要生成哪些代理、如何分工以及结果应呈现的形式。

核心优势

  • 内存效率：隔离的上下文可防止主对话因任务特定细节而变得混乱。
  • 更高的准确性：专门化的提示和配置使子代理在特定领域取得更好的效果。
  • 工作流一致性：团队范围内共享子代理可确保对常见任务采取统一的方法。
  • 原生支持Codex：使用与官方Codex子代理文档一致的.toml代理文件。

示例工作流

PR评审工作流：

使用并行子代理评审此分支。让reviewer检查代码正确性、安全性及是否缺少测试。让docs_researcher验证此补丁所依赖的框架API。等待两者完成，并附带文件引用总结发现。

Bug调查工作流：

调查设置流程中的故障。让code_mapper追踪相关代码路径，browser_debugger在浏览器中复现该Bug，frontend_developer在理解故障原因后提出最小修复方案。先等待读取密集型代理完成，再继续。

代码库探索与规划工作流：

使用search_specialist查找与支付重试相关的代码，knowledge_synthesizer总结当前设计，refactoring_specialist提出最小重构计划。返回具体的行动清单。

贡献

我们欢迎您的贡献！请参阅CONTRIBUTING.md了解指南。

  • 通过PR提交新的子代理
  • 改进现有定义
  • 报告问题和漏洞

许可证

MIT许可证 - 请参阅LICENSE

本仓库是由维护者和社区共同贡献的子代理定义精选集合。所有子代理均按“现状”提供，不提供任何保证。我们不对任何子代理的安全性或正确性进行审计或担保。使用前请仔细审查，维护者对因其使用而产生的任何问题概不负责。

如果您发现已列出的子代理存在问题，或希望移除您的贡献，请在此仓库中提交问题，我们将尽快处理。

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|6天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 151.3k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 108.3k|★★☆☆☆|2天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

★ 100.8k|★★☆☆☆|2天前
插件Agent图像

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备

★ 90.1k|★★★☆☆|6天前
语言模型图像Agent