新闻详情

新闻详情

首页 / 资讯中心 / 详情

3条命令装好50多个Codex技能:awesome-codex-skills完整指南

发布时间:2026/11/19 9:47:40来源:尧图网络
3条命令装好50多个Codex技能:awesome-codex-skills完整指南
3条命令装好50多个Codex技能awesome-codex-skills完整指南【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skillsawesome-codex-skills 是一个 Codex 技能精选合集覆盖开发工具、办公协作、通信写作、数据分析等类别50 多个技能包开箱即用。仓库自带 skill-installer/ 安装器把看有什么可装、装到本地、去重检查压缩成两三条命令不用手动克隆仓库再逐目录拷文件。还在手动克隆仓库、逐目录拷技能这个仓库适合两类人一是用 Codex CLI 的你想给 agent 加会议笔记、表格公式、CI 修复这类技能但不想折腾目录结构二是团队里想统一技能版本、多人共用同一套技能的人。每个技能就是一个文件夹核心是一份带name和description元数据的 SKILL.mdCodex 读元数据决定何时触发命中后才加载正文上下文开销很小。克隆、列清单、装技能3 条命令走完git clone https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills cd awesome-codex-skills python skill-installer/scripts/list-curated-skills.py清单脚本从 OpenAI 官方技能仓库拉取精选列表逐行打印本地装过的会带(already installed)后缀大致长这样meeting-notes-and-actionsspreadsheet-formula-helper (already installed)它默认读openai/skills仓库main分支的skills/.curated目录可用--repo、--path、--ref换来源加--format json则输出机器可读格式。选好想装的用安装脚本按仓库路径落盘python skill-installer/scripts/install-skill-from-github.py \ --repo ComposioHQ/awesome-codex-skills \ --path meeting-notes-and-actions成功后终端打印一行Installed meeting-notes-and-actions to 路径技能落在$CODEX_HOME/skills默认~/.codex/skills。重启 Codex 才会加载新技能。私有仓库和批量安装靠这几个参数调skill-installer/scripts/ 里两个脚本承担全部能力安装脚本 install-skill-from-github.py 的参数如下参数控制什么示例--repo源仓库owner/repo格式ComposioHQ/awesome-codex-skills--url直接传 GitHub 树页面链接安装https://github.com/owner/repo/tree/ref/path--path仓库内技能路径可传多个实现批量meeting-notes-and-actions codebase-migrate--ref分支或标签默认仓库默认分支v1.0.0--methodauto自动回退 /download直连下载 /git稀疏检出git--dest自定义技能目录/opt/codex/skills--name自定义技能名仅单个技能时有效my-skill行为上有三条默认约定--method auto时公共仓库先走 zip 直连下载遇到 401/403/404 权限错误自动退回 git 稀疏检出先 HTTPS 再 SSH目标目录已存在会直接中止绝不覆盖私有仓库需先export GITHUB_TOKEN你的token也认GH_TOKEN。多个--path一次装多个目录名各取路径末段。装出报错时对照这份症状速查下载报权限/鉴权错误→ 加--method git改走稀疏检出通道私有仓库先导出GITHUB_TOKEN。提示Destination already exists→ 这是防重名保护--name换名或--dest换目录后重试。装完技能不生效→ 重启 Codex再ls ~/.codex/skills确认目录、head ~/.codex/skills/技能名/SKILL.md检查元数据。拉取清单失败GitHub API 不可达或 404→ 跳过清单环节把技能页面链接直接传给--url安装。脚本完全跑不起来→ 手动安装兜底把技能文件夹直接拷进~/.codex/skills重启即可。跑通之后做这两件事第一打开 README.md 的分类清单开发与代码工具、生产力与协作、通信与写作、数据与分析、元工具与实用程序把缺的技能一次补齐——多个路径写在同一条--path后面就行。第二现有技能不满足需求时自己造一个照 template-skill/ 的目录结构起骨架参考 skill-creator/ 里关于渐进式披露和描述写法的建议把长文档放进references/而不塞进 SKILL.md 正文。【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉