定位
codex-howto 是一个以工程实践为先的 OpenAI Codex 指南。它的目标是把 Codex 从代码生成器转变为可验证的工程工作流，让一个任务依次经过范围界定、实现、测试、审查和证据交付，并针对前端、后端、DevOps、安全和多智能体编排提供聚焦的工作流。
项目状态为 active，最新版本为 v0.6.0，内容已于 2026-07-31 对照官方 Codex 文档进行核对。由于 Codex 变化较快，仓库提醒通过标注为 Official source 的链接验证设置和命令。
主要内容
- 14 个渐进模块，覆盖安全、提示、AGENTS.md、技能、MCP、子智能体、编排、上下文效率、自动化，以及活知识维护。学习路径约 10–11 小时，建议从模块 00–03 开始，再选择与自身工作匹配的最短路线。
- 9 个可安装技能，覆盖端到端工程循环、前端、后端、DevOps、测试、代码审查、安全审查、编排，以及审查优先的知识维护；另有一个仅显式调用的路由技能作为教学示例。
- 一个维护者活 Wiki，具备登记来源、确定性 lint、审查门禁，以及可度量的晋升路径。
- 可直接复制的示例，涵盖项目配置、自定义智能体、提示、工程规格、依赖感知票据、交接、hooks、MCP 和本地插件。
- 一个无依赖演练场，内置预置缺陷，用于安全练习完整的实现—测试—审查循环。
使用方式
五分钟安全起步：用官方 quickstart 安装 Codex；打开一个小的、受版本控制的仓库；让 Codex 只读地解释该仓库如何构建和测试，要求返回确切的构建、测试、lint 和类型检查命令并引用定义它们的文件；审查结果；再通过 /init 生成起始 AGENTS.md，并用已验证命令替换通用文本。
工程循环：通过社区 skills.sh 安装器安装旗舰技能，在小而受版本控制的项目中启动新的 Codex 任务。预期得到基线、有界实现、聚焦且必需的检查、最终 diff 审查和证据交接，而不仅仅是生成的代码。
安装技能可以检查并复制到 .agents/skills/（单个项目）或 ~/.agents/skills/（个人复用），也可列出全部九个技能而不安装。显式路由技能和 maintain-codex-wiki 都保持仅显式调用：前者因为意外激活会增加协调开销，后者因为捕获、摄取、归档和晋升可能改变共享事实性指南。
编排规则：默认使用一个智能体；只有当工作有独立且有界的部分时才增加智能体。并行智能体通常改善耗时并保护主线程免受嘈杂日志影响，但通常使用更多总 token。效率目标是更少的失败循环和更干净的上下文，而不是最大数量的智能体。
度量结果
技能并非自动更高效。在受控的 GPT-5.6-sol 运行中，最佳选择随任务规模变化：在游戏任务上，精简的 engineering-loop 比 v0.2.0 少用 31.2% 的报告 token，比无仓库技能对照少用 54.0%；在较小的后端修复上，对照组仍然最便宜。仓库说明这只是两个受控种子任务，并非通用性能声明，建议在改变团队工作流前阅读后端结果、2048 结果和测量协议。交互式基准浏览器把六次运行转为任务规模切换、比例 token 比较、运行详情表、方法摘要和可见限制，其源码与渲染证据在 CI 中检查。
适用对象
- 能打开 Codex 但不确定如何组织真实任务的初学者。
- 希望在生产仓库中使用可重复工作流的在职工程师。
- 希望共享智能体指令和审查标准的技术负责人。
- 构建技能、插件、MCP 集成和 CI 自动化的平台团队。
限制与边界
仓库强调官方文档是产品行为的真实来源，本仓库把产品界面转化为可运行的课程。它的基准测试仅是两个受控种子任务，不构成通用性能声明；子智能体模型路由 hooks 和 JEV Router 试点均为实验性，需要设置和运行时验证，且未确立 token 节省。技能的安装、审查和采用应基于实际测量，而非营销声明。
相关项目
仓库说明其渐进模块思路受 luongnv89/claude-howto 启发，技能系统改进受 mattpocock/skills 启发，工作流校准配置也研究 obra/superpowers，自主循环控制参考 affaan-m/everything-claude-code，活 Wiki 模式受 Karpathy 的 LLM Wiki 思路启发。权威上游实现为 openai/codex。
