使用 AGENTS.md 在 Codex 中管理 Python 环境
本文介绍了如何通过配置全局和项目级别的 AGENTS.md 文件来解决编码代理在处理 Python 环境时的冷启动问题。作者详细说明了 Codex 如何根据该配置文件智能选择 .venv 环境或共享全局环境，并结合 uv 工具实现依赖管理，从而减少代理的猜测时间，提升开发效率与项目的可复现性。
相关文档
这周 GitHub 涨得最猛的十个 AI 开源项目
文章盘点了本周 GitHub 上增长最快的十个 AI 开源项目：REA 可用 AI 逆向分析任意应用；Matt Pocock 的 skills 提供工程化 AI 编程技能；diagram-design 教 AI 画出专业图解；OpenMontage 把编程助手变成 AI 视频工作室；claude-mem 为 AI 增加长期记忆并节省 token；free-claude-code 汇聚免费模型额度让 AI 编程工具零成本使用；Anthropic 官方 knowledge-work-plugins 面向非程序员岗位；AirLLM 让小显存跑超大模型；text-to-cad 一句话生成可加工的 3D 零件；OpenSRE 让 AI 承担线上运维值班工作。
Codex：0 基础从入门到精通【附完整路线】
本文是面向零基础用户的 Codex 入门教程，从下载桌面端、建立练习项目开始，通过制作一个本地待办小工具，讲解如何给 AI 下达明确任务、确认方案、验收结果和定点修改。文章进一步介绍如何将常用规则写入 AGENTS.md、把稳定流程封装为 Skill、按需接入插件，以及将重复工作设置为定时任务，帮助读者建立一套可复用的 AI 编程工作流程。
从设计稿到真实代码：高保真还原的工程闭环
本文介绍了一套将 Figma 设计稿高保真还原到既有前端工程的 Agent 自动化流程。作者总结了五类高频还原问题：设计语义丢失、多页面样式不统一、标注与真实界面混淆、素材导出策略模糊、旧页面局部改造被全量覆写。解决方案包括：通过项目级规范、知识索引和错误情况补充构建实现约束层；采用双层组件映射（语义判断 + 真实 API 确认）提升组件复用率至接近 100%；推行标注前缀协议与三类素材标签；引入时间戳版本快照机制避免循环中重复拉取设计数据以降低成本；并建立统一视口、状态流转、固定数据等五重比对前提，形成六步视觉闭环流程，最终差异率低于 0.15 阈值，还原度超过 90%。
你对 AGENTS.md 的理解几乎为零
文章探讨了开发者对 AGENTS.md 和 CLAUDE.md 等 AI 编程工具说明文件的普遍误解。作者指出，很多团队把所有希望 AI 做到的事都写进一个不断膨胀的文件，导致维护规则本身成了负担，本末倒置。正确的做法是让 AGENTS.md 保持精简（作者根文件不到 50 行），只写每次开工都需要知道的少数核心事项，再指向不同任务对应的规则文件，让 Agent 按需读取。作者引用西蒙'存储信息'与'需要时获取信息'的区分，并提醒只有在流程确实需要反复执行时才值得做成 Skill，不必急于按需调用。
小白教程｜用 Codex 自动上架闲鱼虚拟产品：百度网盘＋闲鱼 MCP 实测
本文是一篇面向小白的实操教程，介绍如何利用 Codex 结合百度网盘 MCP 和闲鱼 MCP 实现虚拟产品自动上架。文章详细讲解了从环境准备、MCP 握手、依赖版本锁定、浏览器配置、闲鱼登录到生成商品草稿的完整流程，并重点分析了 MCP 2.x 兼容性、登录假成功、百度网盘 Token 获取等常见坑点。作者强调该方案仅能自动化找资料和填草稿，不保证货源合法性与成交，用户需自行承担版权和风控责任。
每次WorkBuddy培训我都会讲的Agent底层认知——构建项目分身
文章介绍了用AI推进真实项目时面临的两大痛点：材料多且杂导致AI抓错文件，以及新开对话后进度全丢失。作者提出「项目分身」方法：一是将项目文件夹规范为四区（01原始材料只读、02过程草稿、03内容底稿、04交付成果）；二是在根目录建立两份核心文件——CODEBUDDY.md写长期规则、00_项目总览.md记录动态进度，实现规则与进度物理分离。文章还讲解了用户提示词与系统提示词的区别、AGENTS.md跨生态通用标准及全局与项目规则分层，附上开箱即用的初始化提示词，并以「换对话不换文件夹，AI 10秒无缝接手」作为硬验收标准。
Codex Skill 装机清单之通用必备 10 个 Skill
文章提出三个核心判断：装了 skill 不等于会被调用（Vercel 测试显示默认配置下 56% 的用例中 skill 未被触发，需显式指令）；Codex 兼容性不能靠猜，官方插件市场、npx skills CLI、git clone 三条安装路径可靠性递减；装多了会互相冲突。随后详细推荐 10 个通用 skill：superpowers、mattpocock/skills、addyosmani/agent-skills、ok-skills、graphify、archify、last30days、taste-skill、Anthropic-Cybersecurity-Skills 和用于环境校验的 agnix，并给出安装路径取舍建议与避坑清单，强调效率提升在于正确的工具链配置而非盲目堆砌插件。
Codex No.1教程：喝茶聊天谈合同，最速项目一天交付
文章提出一套基于蜂群OS（SwarmOS）的Codex多Agent工程方法论，超越传统提示词教程。核心理念是'人类控制目标，系统控制流程，模型负责执行，证据决定完成'。作者将Codex、Claude、Kimi等多家CLI视为可替换的工程员工，通过AGENTS.md定义身份权限、行为边界、工程规范和记忆沉淀四层治理架构，把合同、素材等原始输入'编译'为任务图、验收Oracle和可恢复的交付链，并通过角色资格、身份健康、可信额度、幂等保护四道调度门实现多模型动态派单与并行开发。
Rethinking skills and prompts for GPT-6 Astra
文章讨论了随着编码代理模型的快速演进，过去的提示与指令实践已不再适用。作者以 GPT-6 Astra 为例，指出项目中积累的大量臃肿指令（Skills、AGENTS.md、任务提示）需要重新审视。核心建议包括：Skill 描述应尽量简短、采用渐进式披露的文档结构、避免过度详细的流程式指导；AGENTS.md 中应移除不必要的文件阅读和测试要求，因为新模型已有更强的自主判断力；要注意决策边界的表述，明确任务完成定义以避免模型过早停止。作者建议借新模型发布之机对仓库指令做一次全面清理和审计。
AI Engineering Skills Map: Using coding agents
吴恩达撰文阐述AI工程师的核心技能之一——使用编码智能体。文章总结了与顶级AI工程师访谈得出的工作流程：规划（头脑风暴、撰写规格）、执行（构建、测试、验证）以及部署与监控（CI/CD门控、日志监控）。作者指出，有效使用编码智能体需要五大关键技能：掌控工作流程、赋予智能体自主性、审查工作成果、定制智能体及其环境，以及理解编码智能体的底层原理。文章强调，随着Claude Code、Codex、OpenCode等工具快速演进，这项技能也需要通过持续的实验、构建和学习来不断更新。
保姆级教学｜如何从0到1用Codex打造一支多Agent数字员工团队
本文是使用 Codex 从零搭建多 Agent 数字员工团队的教程。作者提出按工作职责划分 Agent 的方案：为内容创作、项目管理、财务等长期职责分别建立岗位 Agent，每个 Agent 拥有独立的文件夹，保存职责、规则、Skill 和工作流程。文章详细区分了项目与 Agent 的概念，介绍了以 Main Agent 作为数字总经理进行任务路由的使用方式，并给出判断是否需要新建 Agent 的标准。随后通过完整的目录结构示例，逐步讲解根目录规则、Main Agent、内容创作 Agent 的 AGENTS.md 配置方法，以及如何挂载长文写作 Skill，帮助读者构建可持续运转的个人数字员工体系。
让 Codex 与 Claude Code 联手分析 Codex 开源仓库：能学到什么
文章分析了 John Wang 对 OpenAI Codex 开源仓库的研究。Codex 从 2025 年 5 月的 98 个月提交、单一主作者，增长到 2026 年的 900+ 月提交、35 位常规贡献者，归因于大量使用 coding agent、团队扩招和对护栏规则的重投资。核心经验包括：AGENTS.md 把 review 踩过的坑编码成规则；规则按 Review → AGENTS.md → Lint/CI 三级演进；测试代码占 40%，分层执行保证速度；迁移通过 feature flag 推进并用 lint 锁定成果。结论是工程实现变便宜后，测试、边界、自动化和招人等经典工程要素反而更重要。
