这是Codex学习路线图,分阶段由易到难了解Codex会用Codex。
基于Codex,但并不仅仅是Codex,而是要把重点聚焦于Skill、MCP、Subagents,学些了它们,主流的AI编程工具都不再是问题了。
先学“怎么稳定用”,再学“怎么配置和约束”,再学“怎么扩展 Codex 的能力”,最后才学“怎么把这些能力沉淀成你自己的工作系统”。

主线:使用 -> Prompting/Workflow -> 配置 -> AGENTS/Rules/Hooks -> Skill -> MCP -> Subagents -> Automation/SDK -> 方法论

阶段1:认识Codex

阶段2:Prompting 和 Workflow

阶段3:配置,持久化约束

阶段4:Skill

阶段5:MCP

  • 必读: Model Context Protocol – Codex (https://developers.openai.com/codex/mcp), Docs MCP (https://developers.openai.com/learn/docs-mcp)
  • 进阶选读: Building MCP servers for ChatGPT Apps and API integrations (https://developers.openai.com/api/docs/mcp)
  • 学习重点: 先学“连接 MCP 服务器”;先配文档型和开发工具型 MCP,比如 docs、browser、figma 一类
  • 要真正理解: MCP 解决的是“外部活数据和外部能力”,不是代替 Skill;Skill 是 workflow,MCP 是 tool/context
  • 练习: 至少接 2 个 MCP,一个是文档类,一个是开发工具类;让 Codex分别用 MCP 和不用 MCP 解决同一类问题,对比效果
  • 过关标准: 已经会判断“这个问题缺的是 repo 内上下文,还是外部系统上下文”

阶段6:进入 Subagents

阶段7:收束自己的方法论

如何形成的方法论

  • 一次性任务:先用 prompt
  • 持久个人偏好:放 ~/.codex/AGENTS.md 和 ~/.codex/config.toml
  • 持久仓库规范:放仓库 AGENTS.md 和 .codex/config.toml
  • 重复性 workflow:抽成 Skill
  • 外部系统/活数据:接 MCP
  • 需要并行、隔离上下文、角色分工:用 Subagents
  • 稳定且可重复的执行:上 codex exec、Automations、GitHub Action
  • 要分享给团队或跨仓库复用:再打包成 Plugin

原文地址: https://www.cveoy.top/t/topic/qGtJ 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录