20 个 Codex 替代不了的 GitHub 真神器 ✍ 0x小师妹🕐 2026-05-18📦 9.9 KB 🟢 已读 𝕏 文章列表 文章旨在寻找无法被 Codex 等通用 AI 编程工具替代的 GitHub 开源项目。作者确立了包括多 Agent 编排、本地化设备操作、特定硬技能及隐私保护在内的筛选标准,精选并介绍了 CrewAI、AppAgent、F5-TTS、Stable-Diffusion-WebUI 等 20 款工具,强调了它们在复杂协作、隐私安全和特定垂直领域的独特价值。 GitHub开源工具AgentLLM本地部署自动化多模态Codex评测TTS # 20 个 Codex 替代不了的 GitHub 真神器 **作者**: 0x小师妹 **日期**: 2026-05-18T07:29:55.000Z **来源**: [https://x.com/0xshimei/status/2056276077325193251](https://x.com/0xshimei/status/2056276077325193251) ---  现在很多Skill对Codex来说是没用的,因为Codex 一句话能干的事,下 Skill 多此一举。 所以我筛选了20条skill ,必须满足下面任一条才入选: 1. 大量预置领域数据/规则(Codex 不知道的) 2. 多 Agent 编排框架(Codex 单线程做不到) 3. 操作 Codex 碰不到的设备(手机 App、本地隐私文件) 4. 特定硬技能(音/视频/嵌入式/生物) 5. 长期记忆 / 本地化不上云 ## 📐 Codex 已经能干,不收录的(先列清单) ❌ 写代码 / 拆任务 / 跑命令 ❌ 控制浏览器抓数据 ❌ 写文件 / git commit / 跑测试 ❌ 当任何角色(产品/律师/医生) ❌ RAG 单文件问答 ❌ 单 Agent 自动化流程 ## 🧠 多 Agent 编排框架(Codex 单线程做不到) 1. CrewAI  > https://github.com/crewAIInc/crewAI 定义多个 AI 角色"组团干活",互相讨论、互相 review。 Codex 是一个人,CrewAI 是一个团。 真实场景:电商运营 + 数据分析师 + 美工三个 Agent 协作出选品报告。 2. LangGraph  > https://github.com/langchain-ai/langgraph 状态机式 Agent 编排,支持分支、循环、人工审核节点。 复杂业务流(贷款审批 / 客服分级处理)必备。 为什么 Codex 替代不了:Codex 一次任务一条线,LangGraph 可以是图状的。 3. AutoGen(微软)  > https://github.com/microsoft/autogen 微软出的多 Agent 框架,支持"对话式编排"。 Agent 之间能互相 @、互相纠错、群聊式解决问题。 真实场景:写代码 Agent + Code review Agent + 测试 Agent 三人小群聊出一份能上线的代码。 4. AgentScope(阿里)  > https://github.com/modelscope/agentscope 阿里达摩院开源的中文友好多 Agent 平台。 可视化拖拽,国内模型兼容性最好。 ## 📱 操作 Codex 碰不到的设备 5. AppAgent  > https://github.com/TencentQQGYLab/AppAgent 腾讯开源,让 AI 操作手机 App(不是浏览器)。 视觉模型识别 App 界面 + ADB 自动点击。 真实场景:让 AI 帮你刷抖音 / 自动签到 / 自动回微信。 Codex 不能做这个——它只能控制电脑浏览器。 6. Mobile-Agent(阿里 X-Lab)  > https://github.com/X-PLUG/MobileAgent 阿里开源,比 AppAgent 更精,专攻多 App 跨应用协作。 真实场景:在淘宝下单后自动切到支付宝付款再回微信发收货截图。 ## 🎙️ Codex 不会的硬技能 7. F5-TTS  > https://github.com/SWivid/F5-TTS 10 秒音频克隆任何人的声音,开源免费。 效果接近 ElevenLabs(付费版每月 $22)。 真实场景:用自己的声音给所有视频配音,0 成本。 8. fish-speech  > https://github.com/fishaudio/fish-speech 国产开源 TTS,中文质感比 F5 更接地气。 支持本地部署,不需要任何 API。 9. Whisper.cpp  > https://github.com/ggml-org/whisper.cpp OpenAI Whisper 的 C++ 版,本地跑,CPU 也能动。 为什么不让 Codex 调云端 Whisper API:本地跑不花钱、不上云、不限时长。 10. Stable-Diffusion-WebUI  > https://github.com/AUTOMATIC1111/stable-diffusion-webui 本地跑文生图,无审核、无配额、无月费。 Codex 调 DALL·E 一次几分钱,本地跑一次 0 元。 11. ComfyUI  > https://github.com/comfyanonymous/ComfyUI 节点式 AI 图工作流,比 WebUI 更专业。 真实场景:批量给 100 张产品图换背景、加水印、做尺寸适配——比让 Codex 写代码更可控。 ## 🗂️ 本地化 / 不上云 / 长期记忆 12. Khoj  > https://github.com/khoj-ai/khoj 接你的 Obsidian / Notion / 邮箱 / PDF,本地 RAG 问答。 为什么 Codex 不行:你的隐私文件不能丢给 Codex 上云。 13. LM Studio + Ollama 系列  > https://github.com/ggml-org/llama.cpp(核心库) 本地跑大模型,离线无网也能用。 数据 0 上云,律师 / 医生 / 涉密行业刚需。 14. AnythingLLM  > https://github.com/Mintplex-Labs/anything-llm 打包好的本地知识库 RAG 系统。 一键导入文档 + 多种本地模型支持 + 团队权限管理。 真实场景:一家公司 5 个人共用一个本地知识库,问答不外泄。 15. screenpipe  > https://github.com/mediar-ai/screenpipe 7×24 录屏 + 录音 + 索引你的所有数字痕迹。 支持本地查询"我上周三下午看了哪个文档"。 Codex 替代不了:它没法监听你的屏幕历史。 注意:纯本地,但公司电脑别用。 ## 🌐 大量预置数据/规则(Codex 不知道的) 16. awesome-cursorrules  > https://github.com/PatrickJS/awesome-cursorrules 200+ 行业的 Cursor 项目预设规则文件。 每个 .cursorrules 等于一份"老程序员的项目规范"。 为什么 Codex 不替代:这些规则是社区沉淀的,Codex 一句话给不全。 17. promptfoo  > https://github.com/promptfoo/promptfoo 提示词 A/B 测试 + 评测框架。 让 Codex 写 prompt 容易,但比 prompt 的好坏需要工程化——这就是它做的事。 18. Dify  > https://github.com/langgenius/dify 国产开源 LLM 应用平台,可视化拖拽搭 AI 应用。 非程序员的 Codex 平替——不会写代码也能搭 AI 工作流。 19. n8n  > https://github.com/n8n-io/n8n 开源 Zapier,可视化连接 500+ 工具(Notion / Slack / Telegram / Gmail / Shopify)。 为什么不让 Codex 一句话搭:n8n 是带 UI 的,工作流可视化、可改、可暂停。Codex 写一坨 Python 维护成本极高。 20. SearXNG  > https://github.com/searxng/searxng 开源元搜索引擎,不被 Google / 百度的算法绑架。 为什么 Codex 替代不了:Codex 自带 search 但用啥引擎你不知道,SearXNG 全程透明。 ## 师妹筛选原则: > Codex 一句话能干的 → 不收录 > 必须是 Codex 真做不到、或做不好的 → 才收录 挑选顺序:  > 开源工具的价值,不是"花哨",是"Codex 真替代不了"。 > 凡是 Codex 一句话能做的,下 Skill 都是给自己添堵。 ## 相关链接 - [0x小师妹](https://x.com/0xshimei) - [@0xshimei](https://x.com/0xshimei) - [3.9K](https://x.com/0xshimei/status/2056276077325193251/analytics) - [https://github.com/crewAIInc/crewAI](https://github.com/crewAIInc/crewAI) - [https://github.com/langchain-ai/langgraph](https://github.com/langchain-ai/langgraph) - [https://github.com/microsoft/autogen](https://github.com/microsoft/autogen) - [https://github.com/modelscope/agentscope](https://github.com/modelscope/agentscope) - [https://github.com/TencentQQGYLab/AppAgent](https://github.com/TencentQQGYLab/AppAgent) - [https://github.com/X-PLUG/MobileAgent](https://github.com/X-PLUG/MobileAgent) - [https://github.com/SWivid/F5-TTS](https://github.com/SWivid/F5-TTS) - [https://github.com/fishaudio/fish-speech](https://github.com/fishaudio/fish-speech) - [https://github.com/ggml-org/whisper.cpp](https://github.com/ggml-org/whisper.cpp) - [https://github.com/AUTOMATIC1111/stable-diffusion-webui](https://github.com/AUTOMATIC1111/stable-diffusion-webui) - [https://github.com/comfyanonymous/ComfyUI](https://github.com/comfyanonymous/ComfyUI) - [https://github.com/khoj-ai/khoj](https://github.com/khoj-ai/khoj) - [https://github.com/ggml-org/llama.cpp(核心库)](https://github.com/ggml-org/llama.cpp%EF%BC%88%E6%A0%B8%E5%BF%83%E5%BA%93%EF%BC%89) - [https://github.com/Mintplex-Labs/anything-llm](https://github.com/Mintplex-Labs/anything-llm) - [https://github.com/mediar-ai/screenpipe](https://github.com/mediar-ai/screenpipe) - [https://github.com/PatrickJS/awesome-cursorrules](https://github.com/PatrickJS/awesome-cursorrules) - [https://github.com/promptfoo/promptfoo](https://github.com/promptfoo/promptfoo) - [https://github.com/langgenius/dify](https://github.com/langgenius/dify) - [https://github.com/n8n-io/n8n](https://github.com/n8n-io/n8n) - [https://github.com/searxng/searxng](https://github.com/searxng/searxng) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [3:29 PM · May 18, 2026](https://x.com/0xshimei/status/2056276077325193251) - [3,913 Views](https://x.com/0xshimei/status/2056276077325193251/analytics) - [View quotes](https://x.com/0xshimei/status/2056276077325193251/quotes) --- *导出时间: 2026/5/18 20:31:25*
W What Comes After the Prompt 文章探讨了超越传统提示词的多模态交互技术,提出“任务”概念,通过结合语音、屏幕、文本等多种信息源,让代理更高效地完成复杂工作。该方法减少交互循环,提升并行工作能力,并通过存储执行痕迹逐步转化为可重用的技能,为未来全模型交互奠定基础。 技术 › Agent ✍ elvis🕐 2026-07-23 多模态Agent提示工程交互设计自动化LLM技能复用语音交互工作流
S Skill 工程化指南:解决不稳定与高 Token 消耗 文章指出 AI Skill 在应用中常因大模型的不确定性导致运行不稳定和 Token 消耗过高。作者提出应将确定性流程(如固定代码、参数)沉淀为脚本,仅让大模型负责逻辑判断与调度。通过视频字幕处理案例,详细演示了四步工程化法,并提供了可直接复制的工程化提示词,帮助用户实现流程稳定化与成本优化。 技术 › Skill ✍ 金尘马🕐 2026-06-03 AgentSkill工程化提示词DevOpsLLMCodexToken 优化工作流自动化
如 如何让 Codex 像牛马一样不停工作!新手教程端上来了 文章介绍了 Codex 新上线的 Goal 模式,通过明确目标、验收标准和边界条件,使 AI 能像“牛马”一样持续执行复杂任务,解决了传统模式下需人工频繁干预的痛点,并提供了 Prompt 编写技巧与原理解析。 技术 › Codex ✍ Russell🕐 2026-05-25 CodexGoal 模式AI 编程自动化教程AgentPrompt 技巧工作流LLM
A Agent + 豆包 Seed2.0 Lite 重做 Karpathy 的工作流 文章探讨了如何利用豆包 Seed-2.0-lite 多模态大模型和 Agent 技术,将 Andrej Karpathy 两年前提出的“视频转博客”构想变为现实。作者通过将多模态能力封装为 Skill,并设计了一套包含视频切片、结构化素材提取、关键帧智能挑选和 Markdown 生成的四步工作流,成功解决了传统 ASR+LLM 流水线中信息丢失的问题,实现了高质量、图文并茂的技术博客自动化生成。 技术 › LLM ✍ 宝玉🕐 2026-05-07 Agent多模态LLM工作流豆包视频处理自动化博客生成
告 告别繁琐指令:利用 Codex 记忆与 Chronicle 实现上下文感知编程 作者介绍了 Codex 推出的新功能(如 Chronicle 和 Memories)如何彻底改变了他的工作方式。通过结合自动化知识库和屏幕上下文感知,Codex 能像同事一样理解隐含背景、自主获取信息并执行复杂任务(如同步文档、发 PR、Slack 通知),极大地减少了思维负担和重复解释的成本。 技术 › Codex ✍ Dominik Kundel🕐 2026-04-21 CodexAI工作流AgentChronicle自动化效率提升上下文感知LLM技术实践OpenAI
装 装完 Codex 不知道干什么?这 6 个 GitHub Skills 让你做视频搞钱 文章介绍了 6 个适用于 Codex 的 GitHub Skills,涵盖动效生成、视频剪辑、批量制作、AI 生成及中文剪辑等工具,帮助用户构建自动化视频工作流以提升效率。 技术 › Codex ✍ Kay🕐 2026-07-30 Codex视频制作AgentSkill自动化HyperFramesRemotionAI剪辑工作流
浪 浪费20亿Token之后,我做了一个帮自己定义目标的Skill 作者分享了一个名为Leader.skill的开源工具,旨在解决Agent交互中目标定义模糊的问题。该工具基于“目标七问”方法论,将模糊需求转化为清晰的目标任务书,支持多模型组合(如Claude规划、GPT执行),显著提升长程任务的完成率与Token利用率。 技术 › Skill ✍ 数字生命卡兹克🕐 2026-07-27 AgentGoal Engineering目标定义自动化开源LLM效率工具方法论ClaudeGPT
如 如何利用AI构建和扩展单人企业 文章介绍了利用AI构建和扩展单人企业的完整蓝图。通过使用AI员工(如Viktor)在内容、项目、拓展、财务和广告五个领域实现自动化,只需保留决策环节。文章探讨了两种构建方式:快速路径和自定义构建,强调业务知识库和操作规则的重要性。 技术 › Agent ✍ Machina🕐 2026-07-26 AI单人企业自动化Agent生产力Viktor商业模式知识库LLM效率
管 管理 AI 员工团队:Ryan Carson 的高效工作系统 Ryan Carson 分享了如何作为唯一员工,通过管理云端 AI Agent 团队日处理 40 个 Pull Request 的经验。文章详细介绍了将工作迁移至云端、建立工作节奏、将重复检查自动化以及控制 Token 成本四个关键步骤,强调在 AI 时代,优秀的工程管理能力比以往任何时候都重要。 技术 › Agent ✍ The Startup Ideas Podcast (SIP)🕐 2026-07-25 AIAgentDevin工程管理自动化云端开发成本控制DevOpsLLM
A AI 视频剪辑/生成工具评测大全 本文全面评测了市面上的 AI 视频剪辑与生成工具,涵盖开源、半开源及主流商业平台。作者详细分析了各类工具的核心特性、适用场景及优缺点,如 Pireel 的本地编辑、剪映的生态优势、Descript 的文本驱动剪辑等,旨在帮助用户根据需求选择最合适的自动化剪辑方案。 技术 › 工具与效率 ✍ Modengsir AI🕐 2026-07-24 AI视频视频剪辑开源工具Descript剪映评测AIGC自动化播客制作
H How to master graph engineering 本课程教授如何构建 AI 智能体图,涵盖图的基本概念、关键模式(如菱形模式)、停止规则及人工审批环节。包含三个实战案例:深度研究台、SEO 内容生成器和市场推广套件,旨在提升业务效率并控制成本。 技术 › Agent ✍ Machina🕐 2026-07-23 AgentGraphLLMClaudeWorkflow工程化自动化架构设计效率实战
T The LLM Wiki: 3 Months of Letting Agents Run My Second Brain 文章分享了作者使用LLM代理管理和维护个人知识库(Obsidian Vault)的3个月实践经验。通过分离原始资料与生成内容、定义单一知识流向、统一页面模板以及基于情境的文件夹组织,作者成功将维护工作委托给代理,解决了传统第二脑因维护成本高而失效的问题。 技术 › Agent ✍ Sebastian Kehle🕐 2026-07-22 LLMAgent知识管理Obsidian第二脑自动化工作流