Skip to main content
正在检查视频权限

Agent、Skill、插件与 Codex 实践

这本小册是一份面向 AI 工程的资源导航和实践指南。它不追求收集最多链接,而是帮助你区分 Package、CLI、Skill、Plugin、MCP server、单 Agent 与多 Agent,找到可信资源,并把它们组合成可验证、可维护、可撤销的工作流。

小册结构​

部分核心问题实践产物
扩展系统与资源选型应该用包、Skill、Plugin、MCP 还是 Agent?候选资源评分卡与权限清单
Skill 资源与工程如何编写、触发、测试和迭代 Skill?一个仓库级 Skill
插件与 MCP如何连接工具并分发稳定能力?一个只读 MCP 工具与 Plugin 骨架
Agent 框架与工具如何选择框架、编程 Agent 和浏览器 Agent?一个有预算的最小 Agent
多 Agent 协作什么时候值得拆分,如何控制状态和冲突?一个可恢复的并行工作流
Codex 工程实践如何让 Codex 从需求走到验证和交付?AGENTS.md 与证据化交付回路
场景化 Skill 资源设计、幻灯片、知识、媒体有哪些优质资源?一条场景化生产流水线
评测安全与进阶如何度量、红队和发布 Agent 能力?一个可审计的团队工程插件

三条阅读路线​

想先用好 Codex​

阅读第1部分建立能力地图,然后直接进入第6部分。为当前仓库补齐 AGENTS.md、任务边界、验证证据,再按需回到 Skill 或 MCP 章节。

想开发 Skill 或插件​

依次阅读第2、3部分。先用一个真实任务做仓库级 Skill,经过正负样本测试后,再打包成 Plugin;只有确实需要外部工具或数据时才加入 MCP。

想构建 Agent 系统​

依次阅读第4、5、8部分。从单 Agent、窄工具和明确停止条件开始,建立 trace 与评测集,再判断多 Agent 是否真的缩短关键路径。

资源卡说明​

资源卡链接到官方文档或原始 GitHub 仓库。标签描述的是资源形态或主要技术栈,不代表质量评级。开源项目的维护状态、许可证、权限与兼容性会变化,接入前应按第1部分的评分卡重新核验。

不要直接运行陌生仓库的一键安装脚本,也不要把云密钥、模型密钥或登录凭证写进 Skill、Plugin manifest、AGENTS.md 和示例代码。先静态审计,再在隔离环境试用。

推荐实践方式​

每读完一部分,就在同一个真实仓库里交付一个小产物,并让 Codex运行构建、测试或真实交互验证。小册的最终目标不是“知道更多 Agent 名称”,而是能把一个重复任务变成边界清楚、结果可验证、失败可恢复的团队能力。