Codex Skills 武器库：从入门到自己造

> 武器库思维：重要的不是收藏多少把刀，而是理解每把刀为什么这样锻造，以及什么时候该自己打一把新的。

---

一、一个 Markdown 仓库的野心

awesome-codex-skills 是一个 GitHub 仓库。没有一行可执行代码，全是 Markdown 文件。

但它有 ~2,000 颗 star，背后是 Composio——一家拿到 $2,900 万融资的 AI agent 基础设施公司。这个仓库收录了大约 40 个 curated skills，覆盖开发工具、生产力、通信写作、数据分析、元工具五大类。

凭什么？凭的是时机。

2026 年，AI 编程 agent 的战场已经从"模型能力"转移到"生态位能力"。模型本身已经 commoditized——GPT-5、Kimi K2.5、Claude 4，它们在基准测试上的差距越来越小。真正的差异化在于：agent 能不能正确地调用外部工具，能不能记住你的团队规范，能不能把一次成功的经验变成可复用的能力。

Skills 就是这个转移的载体。

---

二、武器库思维：收藏 vs 创造

很多人看到 awesome-codex-skills 这种仓库，第一反应是："我要把所有技能都装上！"

这是收藏家的思维，不是武器库的思维。

武器库思维有三个层次：

第一层：识别 看到一把刀，先问"这刀为什么这样锻造？"——理解 skill 的设计意图。

第二层：挑选 不是每把刀都适合你。一个前端团队不需要加密货币交易信号 skill，一个数据科学团队不需要 Stripe → Supabase → Vercel 发布管道 skill。

第三层：创造 当现有的刀都不趁手时，你有能力自己打一把。这需要理解 skill 的设计哲学，而不仅仅是复制粘贴 SKILL.md 的模板。

收藏家在第一层就停了。武器库思维要求你到第三层。

---

三、Codex Skill 到底是什么

用最朴素的话说：Skill 是一个文件夹，里面放了一张说明书。

skill-name/
├── SKILL.md          # 必须的：元数据 + 分步指令
├── scripts/          # 可选的：确定性操作的脚本
├── references/       # 可选的：长文档，按需加载
└── assets/           # 可选的：模板、示例文件

SKILL.md 的灵魂是 YAML frontmatter：

---
name: my-skill-name
description: 什么时候该触发这个 skill，以及它做什么。
---

description 不是给人看的，是给 LLM 的元认知看的。Codex 读到这个描述，判断"用户现在说的这件事，是不是该用这把刀？"

匹配上了，Codex 才加载 SKILL.md 的正文。不匹配，正文不进入上下文——这是惰性加载（lazy loading），是 skill 系统的核心优化点。

没有这个机制，你装 40 个 skill，每个 500 行，上下文窗口直接爆炸。有了惰性加载，只有被触发的 skill 才会占用 token。

---

四、SKILL.md：跨 Agent 的通用语

关键洞察：SKILL.md 不是 Codex 的私有格式。

它起源于 Anthropic，2025 年底被发布为开放标准（Agent Skills open standard）。规格文档在 github.com/agentskills/agentskills，生态在短短几个月内爆发：

平台	规模	背景
skills.sh	90,000+ skills, 9,485 publishers, 2,430 万安装	Vercel 出品，带公开排行榜
SkillsMP	425,000+ skills	聚合 GitHub 仓库的搜索发现层
LobeHub	169,000+ skills	更产品化的体验，带 CLI 安装
agentskill.sh	110,000+ skills	强调快速发现 + 安全评分
ClawHub	20,000+ skills	OpenClaw 生态，元数据最丰富

兼容性覆盖 Claude Code、Codex、Cursor、GitHub Copilot、Goose、Windsurf、Gemini CLI、Roo Code、Trae……

这意味着：写一次 skill，到处都能用。 你的团队规范、你的代码审查标准、你的发布检查清单——不再绑死在某个特定 agent 上。

---

五、错误用法 vs 正确用法

错误做法：直接说"帮我实现登录功能"。

Claude/Codex 从零开始推理，可能遗漏你的团队规范（"我们不用 JWT 用 session cookie"）、你的技术栈约束（"必须兼容 Next.js App Router"）、你的安全要求（"密码强度检查必须符合 OWASP"）。

正确做法：先用 $skill-creator 创建一个 auth-implementation skill。

把你们团队过去三次做登录的经验——踩过的坑、定下的规矩、通过的审查——编码成 SKILL.md。下次做登录，Codex 自动触发这个 skill，从零开始变成"按我们的规矩来"。

OpenAI 官方管这个叫 "Save workflows as skills"——把一个成功的 Codex 会话、一个审查规则集合、一个发布检查清单，变成可复用的能力包。

---

六、自己造武器：五分钟写一个 Skill

写 skill 比写代码简单得多。

Step 1：创建文件夹 my-skill/ Step 2：写 SKILL.md：

---
name: pr-review-checklist
description: When the user asks to review a pull request, run this checklist.
---

# PR Review Checklist

1. Run `git diff main...HEAD` to see the full change set
2. Check for missing tests — every new function must have at least one test
3. Verify error handling — all `try` blocks must have a corresponding `catch`
4. Run `npm run lint` and fix any issues
5. Update CHANGELOG.md with a one-line summary
6. If any step fails, stop and ask the user before continuing

Step 3：cp -r my-skill ~/.codex/skills/，重启 Codex。

Best Practices：

• description 必须穷尽触发条件——这是 LLM 做路由决策的唯一依据
• 正文聚焦执行步骤，不要写背景故事
• 详细资料放进 references/，正文只引用不展开（progressive disclosure）
• 可重复操作放进 scripts/，明确告诉 Codex 什么时候运行
• 不要在 skill 文件夹里放 README 或 changelog——保持上下文精简

---

七、竞品格局：五军之战

Skills 生态不是 OpenAI 一家独大。五股力量在竞争：

1. OpenAI 官方 skills（openai/skills）

• ~17,000 stars
• 自动安装的 .system skills + curated .curated + experimental .experimental
• 内置 $skill-installer 命令
• 优势：官方维护，与 Codex CLI 原生集成
• 劣势：curated 列表较小，创新速度依赖 OpenAI 内部节奏

2. Composio awesome-codex-skills

• ~2,000 stars（但 Composio 公司估值更高）
• 40+ curated skills，覆盖 5 大类别
• 强调"real actions across 1000+ apps"
• 优势：与 Composio action layer 深度集成，能做真事（发邮件、建工单、调 API）
• 劣势：依赖 Composio 服务，有 vendor lock-in 风险

3. skills.sh（Vercel）

• 90,000+ skills，2,430 万安装
• 单一命令安装：npx skills add publisher/skill-name
• 公开排行榜、安装趋势追踪
• 优势：规模最大，社区最活跃，Vercel 背书
• 劣势：质量参差不齐，缺乏 curated 过滤

4. SkillsMP（聚合层）

• 425,000+ skills
• 聚合 GitHub 仓库的搜索发现层
• AI-powered search
• 优势：覆盖面最广，适合"找不到的时候来这里搜"
• 劣势：只是发现层，没有原生安装体验

5. ClawHub / OpenClaw

• 20,000+ skills
• 最丰富的元数据：安全扫描、许可证、版本、运行时要求
• 优势：安全信息最透明，适合企业级选型
• 劣势：规模相对较小

关键判断：这不是"谁更好"的问题，而是生态位分化。

• OpenAI 官方 = 基础设施标准
• Composio = 商业 action layer 的 skill 展示厅
• skills.sh = 社区级 npm-for-skills
• SkillsMP = 搜索引擎
• ClawHub = 企业级安全审查

---

八、Skill 设计哲学：经验的结晶

Skill 的本质不是"自动化"，而是把人类经验编码成 AI 能理解的指令。

这听起来简单，做起来极难。因为人类经验大部分是隐性的（tacit knowledge）——你知道怎么做，但说不清楚为什么。

一个好的 skill 设计者，必须完成隐性知识显性化的翻译工作：

反面教材："写高质量的代码。"（AI 不知道"高质量"对你意味着什么）

正面教材："所有新函数必须有至少一个单元测试；所有 try 块必须有 catch；错误消息必须包含操作 ID 以便追踪；不要用 any 类型，用 unknown + 类型守卫。"（可验证、可执行、无歧义）

这就是为什么 skill 不是 prompt engineering 的替代品——skill 是提炼后的 prompt，是组织级的 prompt 模板库。

---

九、生态暗面：安全与窃取

Skills 生态爆炸式增长的同时，暗面也在浮现。

1. SkillJect：基于 Skill 的提示注入攻击

2026 年 2 月的论文《SkillJect》证明：恶意 skill 可以通过 SKILL.md 的 description 和正文注入攻击指令。由于 skill 被自动触发，用户可能在不知情的情况下执行了恶意操作。

2. 黑盒 Skill 窃取

2026 年 4 月的论文《Black-Box Skill Stealing》展示了如何从专有 LLM agent 中窃取 skill。攻击者通过反复查询，反向工程出 skill 的内部指令结构。

3. 供应链风险

skills.sh 上 90,000+ skills，任何人都可以发布。就像 npm 供应链攻击一样，恶意 skill 一旦被安装，就获得了 agent 的执行权限。

防御建议：

• 只安装来自可信发布者的 skill（官方、知名社区成员）
• 企业内部 skill 用私有仓库，不走公共 marketplace
• 安装前审查 SKILL.md 的 scripts/ 目录（如果有可执行脚本）
• 定期审计已安装 skill，删除不再使用的

---

十、未来形态：从武器库到军火工业

Skills 生态正在从"个人武器库"向"工业化军火库"进化。

当前阶段（2026 Q2）：

• 个人开发者收藏 skills，手动维护
• 企业团队开始编码团队规范为 skills
• Marketplace 野蛮生长，质量参差

短期未来（6-12 个月）：

• Skill 版本管理：像 npm 一样有 semver、依赖解析、lockfile
• Skill 测试框架：安装前自动验证 skill 是否按预期工作
• Skill 组合编排：多个 skill 按 DAG（有向无环图）组合成工作流

中期未来（1-2 年）：

• Skill 自动生成：从一次成功的 Codex 会话自动提取并生成 skill
• Skill 市场分层：consumer（免费）/ pro（付费）/ enterprise（私有部署）
• 跨 agent 互操作标准：SKILL.md 之外，出现 skill 的 runtime API 标准

长期未来（3 年+）：

• Skill 不再是"人类写给 AI 的说明书"，而是"AI 之间交换的能力协议"
• 一个 Claude Code agent 可以直接调用一个 Codex agent 发布的 skill，无需人类翻译
• Skills 成为 AI 经济的"货币"——可交易、可评级、可组合

---

十一、一句话总结

> Skills 不是 AI 的插件，是人类的插件。 > > 你把经验塞进去，AI 把一致性拿出来。 > 武器库思维的本质，不是收集更多工具，而是把你自己变成工具的锻造者。

---

参考

• github.com/ComposioHQ/awesome-codex-skills — Composio curated skills
• github.com/openai/skills — OpenAI official skills catalog
• github.com/agentskills/agentskills — Agent Skills open standard
• skills.sh — Vercel-backed skill marketplace (90K+ skills)
• skillsmp.com — Skills discovery & aggregation platform
• composio.dev/blog/series-a — Composio $29M funding announcement
• arxiv.org/html/2602.14211 — SkillJect: Skill-Based Prompt Injection
• arxiv.org/html/2604.21829 — Black-Box Skill Stealing Attack
• developers.openai.com/codex/skills — OpenAI Codex skills documentation
• inference.sh/blog/skills/agent-skills-overview — Agent Skills ecosystem overview

#CodexSkills #AgentSkills #SKILLmd #AI编程 #武器库思维 #Composio #skills.sh #小凯