skill-codex

GitHub
1.1k 88 简单 1 次阅读 今天MIT语言模型Agent插件
AI 解读 由 AI 自动生成,仅供参考

skill-codex 是一款专为 Claude Code 设计的扩展技能,旨在让 Claude 能够直接调用 Codex CLI 工具。它的核心作用是打通两者之间的协作壁垒,使开发者可以在 Claude Code 的对话环境中,自动执行代码分析、重构和编辑等复杂任务,而无需手动切换终端或复制粘贴指令。

这一工具主要解决了 AI 编程工作流中“上下文断裂”的痛点。以往用户若需结合不同模型的优势,往往需要繁琐的手动操作;skill-codex 则实现了自动化委托,让 Claude 能根据需求智能选择 Codex 的模型版本、推理强度及沙箱模式(如只读分析),并自动汇总执行结果供用户决策。此外,它还贴心地默认屏蔽了冗余的思考过程输出,以保持对话上下文的整洁,仅在用户需要调试时才显示详细日志。

skill-codex 非常适合经常使用 Claude Code 进行软件开发的工程师和技术研究人员。对于希望构建更自主代理工作流(Agentic Workflows)的高级用户,它提供了一个轻量且高效的集成方案。其技术亮点在于将复杂的命令行参数配置(如模型选择、沙箱权限)封装为自然的对话交互,让用户只需通过简单的自然语言指令,即可触发强大的底层代码处理能力,显著提升了编码效率与体验。

使用场景

一位全栈开发者正在维护一个包含数十个微服务的复杂仓库,急需对其中遗留的 Python 模块进行深度重构和性能优化。

没有 skill-codex 时

  • 工具切换繁琐:开发者必须手动离开 Claude Code 对话环境,打开终端单独运行 Codex CLI,复制粘贴上下文后再将结果传回,打断心流。
  • 配置容易出错:每次调用都需人工指定模型版本(如 gpt-5.3-codex)和推理强度,容易因参数遗漏导致分析深度不足或成本失控。
  • 上下文割裂:Codex 生成的详细分析报告与 Claude Code 当前的项目理解是隔离的,开发者需要自行整合两份独立的智能建议,效率低下。
  • 安全顾虑难平衡:难以在“只读分析”和“自动执行”之间快速切换,要么不敢让 AI 动代码,要么担心误操作破坏现有逻辑。

使用 skill-codex 后

  • 无缝原生集成:直接在 Claude Code 对话框中指令其调用 Codex,系统自动处理底层 CLI 交互,实现从“分析”到“建议”的一站式闭环。
  • 智能参数决策:skill-codex 能根据任务复杂度自动推荐合适的模型和推理等级(如自动选择 high 模式处理复杂重构),无需人工干预配置。
  • 上下文深度融合:Codex 的深度分析结果直接被 Claude Code 吸收并总结,开发者可立即基于此结论发起后续的代码修改指令,逻辑连贯。
  • 灵活沙箱控制:默认以“只读”模式运行分析确保存量代码安全,确认方案后可一键升级为自动执行模式,兼顾了安全性与自动化效率。

skill-codex 通过打通两大顶级编码智能体的壁垒,将割裂的工具链转化为流畅的自主开发工作流,显著提升了复杂重构任务的执行效率与安全性。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具是 Claude Code 的插件或独立技能,而非独立的 AI 模型。核心依赖是已安装并配置好有效凭证的 `codex` 命令行工具(需存在于系统 PATH 中)。运行前需执行 `codex --version` 确认安装无误。默认会抑制思考令牌输出以节省上下文窗口,如需调试可手动要求显示。
python未说明
codex CLI
skill-codex hero image

快速开始

注意:如果您希望为代理工作流搭建更自主的环境,请查看 klaudworks/ralph-meets-rex

Claude Code 的 Codex 集成

skillcodex

目的

使 Claude Code 能够调用 Codex CLI(codex exec 及会话恢复)来实现自动化代码分析、重构和编辑工作流。

先决条件

  • 已安装 codex CLI,并确保其位于系统的 PATH 中。
  • Codex 已配置有效的凭据和设置。
  • 通过运行 codex --version 确认安装是否成功;如有任何错误,请先解决后再使用此技能。

安装

本仓库以 Claude Code 插件 的形式组织,并提供市场供用户使用。您可以将其作为 插件 安装(推荐),也可以将其提取为 独立技能

选项 1:插件安装(推荐)

通过 Claude Code 的插件系统进行安装,以便自动更新:

/plugin marketplace add skills-directory/skill-codex
/plugin install skill-codex@skill-codex

选项 2:独立技能安装

手动提取技能文件夹:

git clone --depth 1 git@github.com:skills-directory/skill-codex.git /tmp/skills-temp && \
mkdir -p ~/.claude/skills && \
cp -r /tmp/skills-temp/plugins/skill-codex/skills/codex ~/.claude/skills/codex && \
rm -rf /tmp/skills-temp

使用方法

重要提示:思考标记

默认情况下,此技能会通过 2>/dev/null 来抑制思考标记(stderr 输出),以避免填充 Claude Code 的上下文窗口。如果您希望查看这些思考标记,以便进行调试或了解 Codex 的推理过程,可以明确要求 Claude 显示它们。

示例工作流

用户提示:

使用 Codex 分析这个仓库,并为我的 Claude Code 技能提出改进建议。

Claude Code 的回应: Claude 将激活 Codex 技能,并执行以下步骤:

  1. 询问要使用的模型(gpt-5.4gpt-5.3-codex-sparkgpt-5.3-codex),除非您的提示中已明确指定。
  2. 询问推理力度级别(lowmediumhigh),除非您的提示中已明确指定。
  3. 选择合适的沙盒模式(默认为只读模式用于分析)。
  4. 运行类似如下的命令:
codex exec -m gpt-5.3-codex-spark \
  --config model_reasoning_effort="high" \
  --sandbox read-only \
  --full-auto \
  --skip-git-repo-check \
  "全面分析这个 Claude Code 技能仓库..." 2>/dev/null

结果: Claude 将总结 Codex 的分析输出,突出关键建议,并询问您是否希望继续执行后续操作。

详细说明

完整的操作说明、CLI 选项及工作流指南,请参阅 plugins/skill-codex/skills/codex/SKILL.md

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|★★★☆☆|2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|★★★☆☆|3天前
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

145.9k|★★☆☆☆|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。

108.1k|★★☆☆☆|今天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|2天前
插件开发框架

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|★★★☆☆|2天前
语言模型图像Agent