skills
skills 是专为 Codex 打造的能力扩展目录，旨在让 AI 智能体能够发现并执行特定任务。它本质上是一套标准化的指令、脚本和资源集合，遵循“一次编写，处处复用”的理念，帮助团队和个人将复杂能力封装成可重复调用的模块，从而解决 AI 在处理专业或定制化任务时缺乏标准化流程的难题。
无论是希望提升开发效率的工程师、探索智能体边界的科研人员，还是需要自动化工作流的设计师，都能通过 skills 快速集成所需功能。其独特亮点在于建立了开放的"Agent Skills"标准，并将技能分为系统内置、精选推荐和实验性三类。用户不仅可以直接使用自动安装的系統技能，还能通过简单的命令（如 $skill-installer）按需安装精选或实验性技能，甚至支持直接引用 GitHub 仓库中的自定义技能目录。这种灵活的机制极大地降低了定制 AI 能力的门槛，让 Codex 能够像安装插件一样轻松拓展边界，适应更多样的应用场景。
使用场景
某电商平台的后端团队正在利用 Codex 快速迭代订单处理模块，需要频繁执行代码审查、生成单元测试及部署脚本等标准化任务。
没有 skills 时
- 每次新成员加入或切换项目时，都需要人工重复编写相同的提示词来规范代码风格，导致输出质量参差不齐。
- 团队积累的优质脚本和最佳实践散落在不同的文档或个人笔记中，AI 无法直接调用，造成知识复用率极低。
- 开发人员需花费大量时间手动拼接上下文信息（如数据库架构、API 规范），才能让 AI 生成可运行的代码片段。
- 缺乏统一的执行标准，不同人让 AI 生成的部署流程存在差异，增加了生产环境出错的風險。
- 每当业务逻辑微调，必须重新训练或大幅修改提示词，维护成本高昂且响应速度慢。
使用 skills 后
- 团队将标准化的代码审查规则封装为
code-reviewskill，Codex 自动加载该指令，确保所有生成的代码天然符合团队规范。 - 通过
$skill-installer一键安装内部 curated 技能库，AI 能直接调用经过验证的单元测试生成脚本，实现“一次编写，处处运行”。 - 预置的
db-schema和api-spec技能让 Codex 自动感知项目上下文，无需人工反复粘贴背景信息即可生成精准代码。 - 全员统一使用
deploy-prod技能包，保证了从开发到生产的部署流程高度一致，显著降低了人为操作失误。 - 当业务规则变更时，只需更新对应的 skill 文件夹，所有团队成员的 Codex 实例重启后即可立即生效，迭代效率大幅提升。
skills 通过将分散的团队智慧转化为可复用的标准化模块，让 AI 代理从“通用助手”进化为懂业务、守规范的“专属专家”。
运行环境要求
未说明
未说明
快速开始
代理技能
代理技能是一组指令、脚本和资源的文件夹，AI 代理可以发现并使用它们来执行特定任务。一次编写，随处可用。
Codex 使用技能来封装团队和个人可以用来以可重复的方式完成特定任务的能力。此仓库收录了可供 Codex 使用和分发的技能。
了解更多：
安装技能
位于 skills/.system/ 中的技能会自动安装到最新版本的 Codex 中。
要安装 精选 或 实验性 技能，您可以在 Codex 内部使用 $skill-installer 命令。
精选技能可以通过名称安装（默认为 skills/.curated）：
$skill-installer gh-address-comments
对于实验性技能，请指定技能文件夹。例如：
$skill-installer 从 .experimental 文件夹中安装 create-plan 技能
或者提供 GitHub 目录的 URL：
$skill-installer 安装 https://github.com/openai/skills/tree/main/skills/.experimental/create-plan
安装完技能后，请重启 Codex 以加载新技能。
许可证
单个技能的许可证信息可以直接在该技能目录内的 LICENSE.txt 文件中找到。
常见问题
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
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。
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
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。
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。
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