- 📁 agents/
- 📁 docs/
- 📁 image/
- 📄 .gitignore
- 📄 CONTRIBUTING.md
- 📄 LICENSE
codex-autoresearch
Codex CLI 的自主长时间运行迭代。当用户希望 Codex 计划或运行无人值守的改进验证循环以获得可测量或可验证的结果时使用,特别是对于夜间运行;它还涵盖重复调试、修复、安全审核和交付准备工作流程。请勿用于普通的一次性编码帮助或随意的问答。
Codex CLI 的自主长时间运行迭代。当用户希望 Codex 计划或运行无人值守的改进验证循环以获得可测量或可验证的结果时使用,特别是对于夜间运行;它还涵盖重复调试、修复、安全审核和交付准备工作流程。请勿用于普通的一次性编码帮助或随意的问答。
作为独立专家咨询法典。向 codex exec 发送问题或任务并返回响应。
通过 Codex 优先的多代理协作 (Codex + Opus 4.6) 向现有代码库添加功能。 Codex CLI 在范围分析、架构设计和实施规划的每个阶段都会进行参考。
将 Claude Code 的本地 Codex CLI 与用户现有的 Codex 登录名或 API 密钥结合使用。用于 Codex 审查、第二意见分析、实施委托或当前工作区中的非交互式 Codex 运行。
当用户要求调用、委派 Codex 或与 Codex 协作执行任何任务时使用。当 Codex 的独立的、非克劳德的观点会增加价值时,也应主动使用——对代码、计划、架构或设计决策的第二意见。
使用 gpt-5.2-codex 默认值创建新的 OpenCode 代理。
用于探索和检查过去的 Claude Code 和 Codex 对话历史记录的 CLI 工具。在以下情况下使用此技能: - 您需要追上之前脱离上下文的对话 - 您想要回顾过去会话中讨论或完成的内容 - 您需要在对话历史记录中搜索特定主题 - 您想要生成过去工作的摘要以粘贴到新会话中 - 用户询问其 Claude Code 或 Codex 对话历史记录 - 用户想要从之前的会话恢复工作并需要上下文 --- # Agent History CLI 用于探索过去 Claude Code 的统一工具(`~/.claude/projects/`) 和 Codex (`~/.codex/sessions/`) 来自单个界面的对话。 ## 安装 ```bash pip install agent-history # 安装技能(默认:~/.claude/skills/) agent-history install-skill ``` ## 源标记
当 Codex 用户或 Codex 代理需要通过 MCP 安装、配置、验证、故障排除或操作 Mnemos 时,或者当他们在 Codex 中提及 Codex 内存、AGENTS.md 内存策略、Codex Automations 或 Mnemos 时使用。
此存储库的最小 Codex 适配器。
调用 OpenAI Codex CLI 进行代码分析、重构或自动化编辑。当用户要求运行 Codex CLI(codex exec / codex resume / codex review)或提及使用 Codex 进行代码审查、重构、自动化编辑时使用。
Claude 通过 MCP 实施代码更改和 Codex 审查,并做出结构化的批准/警告/阻止裁决。最适合:需要外部 Codex 审查的直接实施。触发:/claude-codex,实施和审查,通过 Codex 审查进行构建,通过外部审查进行代码。
管理多个 OpenAI Codex 帐户。捕获当前登录令牌,在它们之间切换,并根据配额预算评分自动选择最佳帐户。使用基于电子邮件的密钥将所有令牌同步到 OpenClaw 代理身份验证配置文件。 ⚠️ 读取和写入 ~/.codex/auth.json、~/.codex/accounts/*.json 和 ~/.openclaw/agents/*/agent/auth-profiles.json (敏感身份验证令牌)。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: