「from vibe coding to agentic engineering」——AI 编程领域最权威的实践仓库,系统化提升 Claude Code 用法。
Codex CLI 最佳实践
简介
适合人群
已经在用 Codex CLI(或想从 Claude Code 迁移过来)的开发者,想把终端 AI 编程从 vibe coding 提升到 agentic engineering。
核心内容
01它是什么:Codex CLI 版最佳实践,与 claude-code-best-practice 同源
作者 shanraisshan 同时维护 claude-code-best-practice(Claude Code)与本仓库(Codex CLI),两者是同一套方法论的两个载体,仓库之间互相引用、还提供 Claude Code + Codex 跨模型协作工作流。仓库用徽章标注每项能力属于 best-practice / implemented / orchestration-workflow / codex / community,并明确指出:Codex CLI 目前不支持自定义命令(.codex/commands/),所以 Claude Code 那套完整的 Command → Agent → Skill 模式还无法原样照搬。
02概念地图:Commands / Subagents / Skills 三件套 + 周边生态
内置斜杠命令覆盖 /plan、/fast、/fork、/review、/status、/mcp、/agent、/apps、/model、/permissions 等会话控制;Subagents 放在 .codex/agents/<name>.toml,用 [agents.<name>] 配置角色,支持并行编排(max_threads、max_depth 等全局设置);Skills 是 .agents/skills/<name>/SKILL.md,靠 name + description 元数据被自动发现,通过 scripts/、references/、assets/ 做渐进披露。周边还有 Plugins / Marketplace(可分发插件与技能)、Memories 跨会话记忆、MCP Servers、AGENTS.md(项目上下文,32 KiB 上限,AGENTS.override.md 个人覆盖)、Hooks 与 /review 代码审查。
03每项概念都「最佳实践 + 已实现」成对
这是与 claude-code-best-practice 一脉相承的学习法:best-practice/ 目录讲「应该怎么做、为什么」,.codex/ 目录给可直接照抄的配置实现,徽章一眼区分。仓库还自带一个编排工作流示例:一个 Agent 从 Open-Meteo 拉取温度,再调用 SVG 生成 skill 产出天气卡片——演示 Agent → Skill 的完整链路。
04开发工作流:收敛到 Research → Plan → Execute → Review → Ship
仓库把社区主流工作流全部拆解成同一条主线:Superpowers(头脑风暴 → 写计划 → 子代理驱动开发 → TDD → 请求代码审查)、Spec Kit、gstack(多级评审后实施)、Get Shit Done、oh-my-codex、Compound Engineering。黄色标记表示子循环(在父步骤内重复的步骤)。还有 Cross-Model 工作流:用 Claude Code 做计划与实现审查,Codex 执行,扬长避短。
0550 条 Tips:把经验落到日常操作
Tips 覆盖 Prompting、Planning、AGENTS.md、Agents、Skills、Hooks、Memories、Workflows、Git/PR、Debugging、Utilities、Daily 十三类。高频经验包括:把 AGENTS.md 写得让任何人第一次 `codex` 说「run the tests」就能成功;技能 description 是触发器不是摘要(写给模型看,而不是给人类看);用多 agent 分离上下文窗口——一个 agent 造 bug、另一个找 bug;用 hooks 做安全扫描与格式化兜底;用 iTerm/Ghostty/tmux 代替 IDE;小 PR + squash merge + 频繁提交。
实践建议
- 把仓库的 .codex/ 目录照抄进自己的项目,按「best-practice 文档 + 已实现配置」成对阅读,先落地再回看理论。
- 给一个多步任务先用 /plan 建立带测试门禁的分阶段计划,再逐步执行,对比直接一句 prompt 的结果。
- 建一个带 name + description 元数据的 skill(可先用内置 $skill-creator 脚手架),把重复工作固化并写一个 Gotchas 段。
- 读 Tips 的 AGENTS.md 与 Skills 两节,动手改写你自己的 AGENTS.md,让它精简到 150 行左右启发值(字节上限 32 KiB)。
配套工作流
同类资源
GLM-5 官方文档与思考:从 Vibe Coding 到 Agentic Engineering 的工程化落地。
微软出品的「更好的 agentic engineering」教练:把工程化 AI 编程拆成可练习的方法与反馈循环。