侧边栏壁纸
博主头像
程序员无尤

  • 累计撰写 112 篇文章
  • 累计创建 48 个标签
  • 累计收到 6 条评论

目 录CONTENT

文章目录
计算机

AI Agent 全教程：Codex GPT/Claude Code/Deepseek/GLM

无尤
无尤
2026-05-08 / 0 评论 / 4 点赞 / 769 阅读 / 0 字

中转站推荐

用我邀请码有些送额度。

安装 nvm + Node + codex cli + PowerShell 7 + Python (Miniforge)

安装配置 CC Switch

下载地址：Releases · farion1231/cc-switch

  • 不推荐直接修改 codex cli 配置文件（~/.codex/config.yaml和~/.codex/auth.json）来修改为第三方 API。
  • 不推荐使用 CC Switch 时不开启本地路由和自动故障转移，不然切换供应商后还需要重启 Codex 或相关软件。
开机启动 开启本地路由 开启故障转移 添加供应商
  • 添加新供应商
    • API Key 为中转站中创建的令牌/密钥，API 请求地址为中转站提供的线路，一定要/v1结尾。可以在后面”管理与测速“中添加多个地址。
    • 推荐配置通用配置：
      • disable_response_storage = true：希望禁用响应存储功能，保持匿名。
      • service_tier = "flex"：希望走 Flex 层，价格更低，响应更慢。
      • [features]换行hooks = true：开启 Hook 功能，给其他 AI 工具使用 hook 注入。codex_hooks已弃用，请换成hooks，参考 Config basics – Codex | OpenAI Developers
      • model_context_window = 300000：最大上下文，按需设置。
      • model_auto_compact_token_limit = 250000：压缩阈值，按需设置。
    • 可以勾选1M 上下文窗口，即每次会话最大上下文为 1M，如果达到压缩阈值会压缩上下文。轻量使用可以设置为 300000 和 250000。
  • 本地路由：CC Switch 提供服务，Codex 使用时将请求发送到 CC Switch，CC Switch 再将请求转发给供应商，这样就不用重启 Codex。
  • 自动故障转移：某个供应商失效时自动切换到下一个供应商
  • 主页开启本地路由和自动故障切换。
    主页开启本地路由和自动故障切换

Codex APP

Codex 有多种使用方式，推荐 Codex APP。

  • 安装

  • 安装后在File-Settings修改语言为中文，然后File-Exit后重新打开。

  • 软件设置：
    自动审查、完全访问权限、防止休眠、跟进行为（引导）
    个性务实、自定义指定
    会话按项目整理

  • 自定义指令：

    • 实际就是修改~/.codex/AGENTS.md或C:\Users\xxx\.codex\AGENTS.md文件，具体提示词因人而异。
    • PATHS: xxx=路径：当 Agent 过程中发现 AI 说找不到 xxx 目录，就自己定义一下。
    • MUST: Search=rg：使用 rg 进行更快地文件和内容检索。安装：GitHub - BurntSushi/ripgrep
    • RAW_OUTPUT_ONLY：仅输出原始数据和结果，避免答案前后加上诸如“好的，……”、“希望这能帮到你”之类的辅助性文字。
    • NO_EXPLANATION：“无须解释”。

  • 其他使用：

    • 在输入框中按Shift Tab可以切换计划模式，先按照选项计划，再实现。
      计划模式

    • Codex 的推理级别在处理普通任务时设置为高（high），在处理复杂任务时设置为超高（xhigh）。

    • GPT-5.5 的价格是 GPT-5.4 的两倍，非难任务可以用 5.4。

Codex 增强和其他使用方式

  • Codex++：Codex App 的外部增强启动器和管理工具。

  • Desktop CC GUI：类似 Codex APP 的客户端，功能更多。

    Desktop CC GUI

    下载地址：Releases · zhukunpenglinyutong/desktop-cc-gui

    # Arch 系 Linux
paru -S ccgui-bin

  • 终端命令输入codex使用 CLI：
    Codex CLI

  • VS Code 使用 Codex 插件：

    VS Code 安装 Codex 插件 VS Code 使用 Codex 插件

MCP 和 skill（Skills For Real Engineers & Superpowers）

  • Skill 网站

  • 在 CC Switch 中添加
    CC Switch Skill 和 MCP 入口
    CC Switch Skill
    CC Switch MCP

  • Skills For Real Engineers
    这些 skills 是一套面向真实工程的 agent 工作方法，用来解决常见失败：需求没对齐、表达太啰嗦、代码缺少反馈、系统设计变差。核心不是让 agent 更会猜，而是让它先问清楚，再小步验证，并逐渐理解项目里的语言和设计判断。

    • agent 最常失败在没真正理解你要什么。你以为它懂了，看到结果才发现方向偏了。所以要在动手前用/grill-me或/grill-with-docs让它追问细节，把目标、边界和取舍讲清楚。
    • agent 啰嗦通常是因为不懂项目术语。/grill-with-docs会帮你建立共享语言，把关键概念和重要决策写进文档，让命名更一致，代码更好读，agent 也能更省 token 地思考。
    • 代码质量取决于反馈。没有类型检查、浏览器验证和自动化测试，agent 就是在盲写。/tdd用红绿重构逼它先写失败测试再实现，/diagnose则把调试整理成可重复的步骤。
    • agent 会加速编码，也会加速复杂度积累。所以这些 skills 把设计放到日常工作里：/to-prd先问会碰哪些模块，/zoom-out帮 agent 从整体理解代码，/improve-codebase-architecture用来定期改善项目结构。
    # 安装
npx skills@latest add mattpocock/skills

  • Superpowers
    启动编程 agent 后，只要它发现你要构建功能，就不会立刻写代码，而是先停下来追问：你真正想做什么。它会从对话中整理出规格说明，再拆成便于阅读和确认的小段给你看。
    当你认可设计后，agent 会生成一份足够具体的实施计划：即使交给缺少项目背景、判断力有限、又不爱写测试的新手，也能照着执行。计划强调真正的红绿 TDD、YAGNI 和 DRY。
    你说“开始”后，它会进入由 subagent 推动的开发流程：逐个完成工程任务，检查并评审结果，再继续推进。Claude 按计划自主工作几个小时而不跑偏，并不罕见。
    这就是系统的核心。更多细节暂且不展开；关键在于这些 skills 会自动触发，你不用额外操作，编程 agent 自然就拥有了 Superpowers。

    • Codex CLI： 
      # Codex CLI 中打开插件搜索界面
/plugins

# 直接输入搜索
superpowers
    • Claude Code 
      /plugin install superpowers@claude-plugins-official

    更多安装方式查看 Installation - obra/superpowers

  • Context7

    Context7 会将最新的、针对特定版本的文档和代码示例直接集成到您的 AI 编码助手中。

    npx ctx7 setup

    添加use context7到提示词中即可使用。

  • Apifox 获取 MCP
    Apifox MCP Server - Apifox 帮助文档
    随便找一个接口。
    使用 Apifox MCP
    获取 Apifox Token
    CC Switch 配置 MCP

飞书 Lark CLI

和 Agent 说：

帮我安装飞书 Lark CLI。
参考这个指南：https://github.com/AlexAnys/openclaw-feishu/blob/main/docs/lark-cli-guide.md

之后按提示操作即可。
提问的时候可以说 use lark cli 读[飞书文档地址]

Spec Kit：规格驱动开发

Spec Kit 是 GitHub 开源的规格驱动开发工具，适合在做比较大的功能前，先把需求整理成规格、计划和任务，再交给 Agent 实现。

# 安装 uv
# Windows 可参考：https://docs.astral.sh/uv/getting-started/installation/
# Linux/Mac
curl -LsSf https://astral.sh/uv/install.sh | sh

# 安装 specify CLI，推荐先固定版本，避免后续行为变化，版本号在 releases 中看
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git@v0.10.1

# 查看是否安装成功
specify --help
specify check

# 在项目中执行，--integration 指定 agent，--integration-options="--skills" 会安装 skill
specify init . --integration codex --integration-options="--skills"

初始化后通常会生成：

  • .specify/：Spec Kit 的模板、脚本、workflow、项目原则等。
  • .agents/skills/speckit-*：Spec Kit skills。
  • AGENTS.md：会追加 SPECKIT 提示块。

第一步应使用/speckit.constitution命令来确立项目的治理原则。这有助于确保后续所有开发阶段中的决策保持一致：

/speckit.constitution Create principles focused on code quality, testing standards, user experience consistency, and performance requirements. Include governance for how these principles should guide technical decisions and implementation choices.

此步骤会创建或更新.specify/memory/constitution.md文件，其中包含项目的基础准则，编码代理会在规范编写、规划和实现阶段参考这些准则。

后续详细流程参考：Detailed Process - github/spec-kit

Trellis：Agent 框架

Trellis - Trellis Doc
可以通过 Trellis 配置项目规范，比如测试环境地址、账号密码，那 AI 就可以去访问测试环境自行测试。
项目初始化和每次提问时，Trellis 还会自动根据代码和需求更新规范。可以自动归档任务。

场景适用时机Trellis 的主要价值
1. 从零开始新项目新建产品、服务、包或内部工具在代码扩散前把早期决策写清楚
2. 接入存量项目仓库已存在，但规范主要靠人记忆从真实代码提取模式，不打断业务开发
3. 交付产品功能一个任务横跨产品、API、数据和 UI让 scope、specs、实现和检查保持一致
4. 重构老模块代码能跑，但已经难以安全修改在保持行为不变的前提下，让结构可审查
5. 修复反复出现的 bug同类问题多次出现把修复沉淀成测试、spec 和会话记忆
6. 减少重复 Review 反馈Reviewer 总是写同类评论把 Review 规则提升为共享仓库上下文
7. 推广到团队多人、多仓库或多 AI 工具要统一让采用方式在开发者和 Agent 之间保持一致
# 安装
npm i -g @mindfoldhq/trellis
# 进入你的项目目录
cd your-project
# 配置，一直回车
trellis init -u your-name --codex

# npm 更新 trellis 新版后更新规范
trellis update
  • 首次生成规范给 AI 发$update-spec，生成后查看.trellis/spec/backend/api-interface-guidelines.md的内容，不规范请提供参考类，及时更正。
  • 建议提交.trellis/spec目录，新增.gitignore配置： 
    # AI
.agents
.codex
.specify/**
!.specify/memory
!.specify/memory/**
.trellis/**
!.trellis/spec/
!.trellis/spec/**
AGENTS.md
.claude
CLAUDE.md
.gitnexus
.superpowers

gitnexus 生成依赖调用关系执行流程

GitHub - abhigyanpatwari/GitNexus: GitNexus: The Zero-Server Code Intelligence Engine - GitNexo-Server Code Intelligence Engine - GitNexus is a client-side knowledge graph creator that runs entirely in your browser. Drop in a GitHub repo or ZIP file, and get an interactive knowledge graph wit a built in Graph RAG Agent. Perfect for code exploration

# 全局安装 GitNexus CLI
npm i -g gitnexus
# 如安装 sharp 时遇到 node-gyp / libvips 编译问题，可强制使用 sharp 预编译包
SHARP_IGNORE_GLOBAL_LIBVIPS=1 npm i -g gitnexus

# 一次性初始化：安装 GitNexus skills，并配置 MCP
gitnexus setup

# 进入目标项目根目录
cd 项目目录

# 完整分析项目并注入 AI 上下文文件，适合 Claude Code 场景，会生成/更新 .gitnexus/、.claude/、CLAUDE.md、AGENTS.md 等
gitnexus analyze
# 仅生成/刷新 .gitnexus/ 索引，适合 Codex 场景，不改 CLAUDE.md、AGENTS.md 或 skills
gitnexus analyze --index-only

# 将当前项目已有 .gitnexus/ 索引登记到全局仓库列表，便于后续工具发现
gitnexus index .

# 查看已登记的全部 GitNexus 仓库
gitnexus list
# 查看当前项目索引状态、索引时间和提交是否匹配
gitnexus status

Open Code Review：代码审查 CLI 工具

Open Code Review 是一款 AI 驱动的代码审查 CLI 工具。它的前身是阿里集团内部官方 AI 代码审查助手，过去两年在内部服务了数万开发者，识别了数百万个代码缺陷。
它读取 Git diff，通过具备工具调用能力的 Agent 将变更文件发送至可配置的 LLM，生成具有行级精度的结构化审查意见。Agent 可以读取完整文件内容、搜索代码库、检查其他变更文件以获取上下文，从而进行深度审查——而非仅停留在表面的 diff 反馈。

# 安装
npm install -g @alibaba-group/open-code-review

# 手动配置 LLM
ocr config set llm.url http://127.0.0.1:15721
ocr config set llm.auth_token your-api-key-here
ocr config set llm.model gpt-5.5
ocr config set llm.use_anthropic false
# 测试连通性
ocr llm test

# 作为 Skill 安装到 Agent 中使用
npx skills add alibaba/open-code-review --skill open-code-review
# 作为 Codex Plugin 安装
codex plugin marketplace add alibaba/open-code-review
# 作为 Claude Code Plugin 安装
/plugin marketplace add alibaba/open-code-review
/plugin install open-code-review@open-code-review

如果你使用 CC Switch 并开启了路由服务：

  • 如果路由的是 Claude 供应商：设置 llm.url 为 http://127.0.0.1:15721
  • 如果路由的是 Codex 供应商：设置 llm.url 为 http://127.0.0.1:15721/v1
  • llm.model根据你的供应商设置进行配置
  • llm.auth_token可以设置成任意值

CLI、CI/CD 集成查看：如何使用 - open-code-review/README.zh-CN.md

# 显式调用
@Open Code Review review my current changes
@Open Code Review review this branch against main
@Open Code Review review and fix high-confidence issues

Headroom：压缩所有内容给 LLM

Headroom 会在 AI 代理读取的所有内容（包括工具输出、日志、RAG 片段、文件和对话记录）传送到 LLM 之前对其进行压缩。答案不变，但令牌数量仅为原来的几分之一。

装这个可以不装 rtk。

# 安装
pip install "headroom-ai[all]"

# 先用 Headroom 代理启动 Codex，它会修改 .codex/config.toml
headroom wrap codex
# 启动 Headroom 代理服务，指定 LLM URL 为 CC Switch 的路由地址
headroom proxy --port 8787 --openai-api-url http://127.0.0.1:15721/v1

请求地址改变之后，Codex 历史会话可能丢失（可以使用 Codex++ 的历史会话修复功能）或失效，所以建议将 CC Switch 的路由端口改成 15722，然后 headroom port 为 15721，这样可以保持请求地址不变。注意 CC Switch 开关路由功能就会删除 headroom 的配置。

# 执行一次 wrap，让 Headroom 修改 .codex/config.toml
headroom wrap codex

# 将 .codex/config.toml 中的 8787 端口改为 15721
# Windows PowerShell
(Get-Content "$HOME\.codex\config.toml" -Raw) -replace '8787','15721' | Set-Content "$HOME\.codex\config.toml"
# Bash
perl -0pi -e 's/8787/15721/g' "$HOME/.codex/config.toml"

# 启动 Headroom，转发到 CC Switch
headroom proxy --port 15721 --openai-api-url http://127.0.0.1:15722/v1

# 查看报告
headroom perf

设置为开机启动：

  • Windows PowerShell： 
    headroom install apply --preset persistent-service --runtime python --scope user --providers manual --target codex --port 15721 --backend openai

$Manifest = "$env:USERPROFILE\.headroom\deploy\default\manifest.json"
$Json = Get-Content $Manifest -Raw | ConvertFrom-Json

if (-not $Json.base_env) {
  $Json | Add-Member -MemberType NoteProperty -Name base_env -Value ([pscustomobject]@{})
}

$Json.base_env | Add-Member -Force -MemberType NoteProperty -Name OPENAI_TARGET_API_URL -Value "http://127.0.0.1:15722/v1"
$Json | ConvertTo-Json -Depth 50 | Set-Content -Encoding UTF8 $Manifest

# 启动
headroom install start
# 查看状态
headroom install status
# 重启
headroom install restart
# 停止
headroom install stop

# 删除持久部署并撤销托管配置
headroom install remove
  • Linux/Mac： 
    headroom install apply --preset persistent-service --runtime python --scope user --providers manual --target codex --port 15721 --backend openai

python3 - <<'PY'
import json
from pathlib import Path

p = Path.home() / ".headroom/deploy/default/manifest.json"
data = json.loads(p.read_text())
data.setdefault("base_env", {})["OPENAI_TARGET_API_URL"] = "http://127.0.0.1:15722/v1"
p.write_text(json.dumps(data, indent=2, ensure_ascii=False) + "\n")
PY

headroom install restart

rtk：压缩命令输出给 LLM

rtk 会在命令输出进入您的 LLM 上下文之前对其进行过滤和压缩。单个 Rust 二进制文件，支持 100 多个命令，开销小于 10 毫秒。

  • Windows 安装：在 Release · rtk-ai/rtk 下载rtk-x86_64-pc-windows-msvc.zip，解压到软件目录/rtk目录中，比如C:/Program Files/rtk，再配置到环境变量 PATH 中。
  • Linux/Mac 安装： 
    # 脚本安装
curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh
# AUR 安装
paru -S rtk

# 配置到环境变量
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc  # or ~/.zshrc
  • 命令： 
    # 这会安装一个 PreToolUse 钩子，透明地将 Bash 命令重写为 rtk 等价命令。
$ rtk init --global                                                                                                                 ✔  base   

Patch existing /home/njcm/.claude/settings.json? [y/N]  y
Enable anonymous telemetry? [y/N] n

# 初始化到 Codex
rtk init -g --codex
# 查看初始化情况
rtk init --show

# 统计节省
rtk gain
# ASCII 图表（30 天）
rtk gain --graph
# 发现遗漏的节省机会
rtk discover

Ponytail：少写代码、少过度设计

Ponytail 让你的 AI 代理像房间里最懒的资深开发者一样思考。最好的代码，就是你根本没写过的代码。

# Claude Code 中执行
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail

# Codex
codex plugin marketplace add DietrichGebert/ponytail
codex

更多安装方式查看：Install - DietrichGebert/ponytail

ccusage 统计用量

ryoppippi/ccusage: Analyze coding (agent) CLI token usage and costs from local data.

# 直接统计用量
npx ccusage@latest

# 安装后使用
npm i -g ccusage
ccusage

提示词技巧

多用“参考”、“查看”、“根据”，提供足够的前置信息。

  • 解决 AI 总是回答上一个提问：使用/compact上下文压缩后再提问。
  • 只看未提交内容，提交信息格式参考历史，提交详细中文提交信息：避免提交时只看聊天记录，出现明明是新增功能却说修复的情况，提交消息风格保持一致。
  • 先做需求预审，不要写代码。请结合项目代码输出：已确认事实、现有接口/表/页面、待确认问题、推荐实现方式、验收项。能从代码查到的先查，不要直接问我。
  • 参考 24622fb7 提交：其中24622fb7为提交哈希。
  • 前端/“某个”项目在……，需要基于“某个”项目/查看前端某某页面实现/哪些模块需要迁移/参考“某个”项目的24622fb7 提交：可以复刻其他项目中实现过的功能。
  • 理解当前项目，生成 trellis spec：也可以使用$update-spec，参考命令、任务与规范 - Trellis Doc
  • 前端/“某个”项目在……，生成 trellis spec，但不要污染本项目 spec：将需要参考的项目生成 spec
  • 测试环境 base url 为……，生成 trellis spec：方便后续通过 Codex APP 的浏览器插件让 AI 自行调用测试。
  • 根据[接口文档本地路径]，使用[某个技术，可以贴网址]对接 / 参考[之前对接的代码引用或路径]
  • 未提交内容逐行增加详细中文注释
  • lark cli 读[飞书文档地址]：使用飞书 Lark CLI 阅读飞书文档
  • 审查 change：审查代码再看是否修复解决。
  • Open Code Review 审查，参考 Open Code Review 一节。
4
AI
版权归属： 无尤
本文链接： https://blog.zhjh.top/?p=bnMTnwHz
许可协议： 本文使用《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》协议授权

评论区