OpenAI Codex 的 Skills 功能，是否能平替 Claude Code？

什么是 Codex Skills

Skills 是由 Anthropic 首先提出的 Agent Skills 规范，OpenAI 于 2025 年 12 月随即跟进，将其纳入 Codex 作为正式 GA 功能。

一个 Skill 本质上是一个文件夹，包含：

• SKILL.md（必须）：指令 + 元数据
• scripts/（可选）：可执行脚本
• references/（可选）：文档、示例
• assets/（可选）：模板、图片
• agents/openai.yaml（可选）：外观配置和依赖

Skills 的核心理念：Progressive Disclosure（渐进式披露）——Codex 启动时只加载每个 Skill 的名称和描述，只有在匹配任务时才加载完整内容，从而控制 context 窗口消耗。

Skills 目前有哪些能力

官方内置 Skills（~/.codex/skills/.system/）

社区 Skills（openai/skills GitHub 仓库）

OpenAI 官方维护了数百个内部 Skills，并通过 GitHub 公开了相当数量，涵盖：

• 代码审查与 TDD（测试驱动开发）
• 头脑风暴与方案规划
• 实施计划写作
• 图像处理工作流
• CI/CD 集成
• 特定框架（React、FastAPI 等）的最佳实践强制执行

兼容 Claude Code Skills

由于两者都遵循同一个 agentskills.io 开放规范，Claude Code 的 Skills 可以零配置迁移到 Codex 直接使用。

如何在 Codex 上使用 Skills

第一步：安装 Skills

方法 A：使用 $.skill-installer 元技能

# 在 Codex 中直接输入
$.skill-installer install <skill-name>

方法 B：手动安装（全局）

mkdir -p ~/.codex/skills/my-skill
# 新建 SKILL.md
touch ~/.codex/skills/my-skill/SKILL.md

方法 C：项目级 Skill（自动加载）

# 在项目根目录创建，Codex 会自动发现
mkdir -p .codex/skills/my-skill

第二步：编写 SKILL.md

***
name: my-skill
description: |
  这里写触发描述。Codex 依赖此字段判断是否应用该 Skill。
  描述要清晰、有边界感，避免过于宽泛。
***

# My Skill

## 工作流程

1. 第一步做什么
2. 第二步做什么
3. 校验逻辑

## 注意事项

- 关键约束 1
- 关键约束 2

## 引用资源

参见 references/style-guide.md

第三步：调用 Skill

显式调用（在 CLI/IDE 中）：

# 输入 $ 触发 Skill 选择器，或直接指定
$.my-skill 帮我重构这个模块

隐式调用：

# 直接描述任务，Codex 会根据 description 自动匹配
请按照 TDD 方式为 user.py 写单元测试

查看已安装的 Skills：

# 在 CLI 中
/skills

Skill 文件夹完整结构示例

my-skill/
├── SKILL.md           # 必须：指令 + 元数据
├── scripts/
│   └── validate.py    # 可选：确定性处理脚本
├── references/
│   └── api-spec.md    # 可选：参考文档
├── assets/
│   └── report.template.md  # 可选：模板
└── agents/
    └── openai.yaml    # 可选：配置外观和 MCP 依赖

Codex vs Claude Code：能否平替

核心差异对比

能否平替？

可以平替的场景：

• 独立的功能开发、Bug 修复、PR 生成
• 批量、可并行的编码任务
• 已有 Claude Skills 想迁移复用
• 对 token 预算敏感的场景

不建议平替的场景：

• 需要实时交互、逐步确认的复杂重构
• 依赖本地环境、私有网络访问的任务
• 对代码注释和文档质量有高要求的项目

Codex 的量大管饱优势

这是考虑平替 Claude Code 最现实的理由。

定价与用量对比

Token 效率实测数据

在同等任务（Figma 克隆）上的 token 消耗对比：

在同等任务（Job Scheduler）上：

结论：相同订阅费用下，Codex 能完成的任务量是 Claude Code 的 3-4 倍。对于高频次使用者，这个优势相当显著。

用 Skills 完成工作的实战思路

场景 1：强制执行团队编码规范

***
name: team-standards
description: |
  当用户要求写新代码、创建新文件或做代码审查时使用。
  强制执行团队的命名规范、错误处理模式和文档标准。
***

# 团队编码规范 Skill

## 规范要点

- 函数名使用 snake_case
- 所有公共函数必须有 docstring
- 异常处理必须记录日志
- 新文件必须包含文件头注释

## 工作流

1. 检查目标文件/代码是否符合上述规范
2. 列出不符合项
3. 逐项修正，说明修正理由

场景 2：TDD 工作流 Skill

***
name: tdd
description: |
  在用户要求写新功能时使用。强制执行测试先行的开发流程。
***

# TDD Skill

## 强制工作流

1. 理解需求，拆解为可测试的行为单元
2. 先写失败的测试用例
3. 写最小实现使测试通过
4. 重构代码，保持测试绿色
5. 汇报测试覆盖率

## 禁止行为

- 不得在测试通过前提交代码
- 不得跳过边界条件测试

场景 3：迁移 Claude Code 的现有 Skills

# Claude Code Skills 默认存放路径
ls ~/.claude/skills/

# 直接复制到 Codex Skills 目录即可，无需修改
cp -r ~/.claude/skills/my-skill ~/.codex/skills/my-skill

# 验证 Codex 已识别
# 在 Codex CLI 中运行
/skills

Skills 的想象空间

Skills 本质上是可编程的 AI 行为单元，其边界取决于你对工作流的抽象能力。

当前已有实践

• 知识库集成：Skill 加载私有 API 文档，让 Codex 精确调用内部接口
• 多 Agent 编排：一个 Skill 定义子任务拆分逻辑，驱动多个并行 Codex 任务
• CI/CD 钩子：Skill 内嵌检查脚本，在提交前自动验证
• 跨工具标准化：同一套 Skills 在 Codex、Claude Code、ChatGPT 中通用

未来想象方向

1. 技能市场（Skills Marketplace）：像 npm 一样安装社区 Skills，$.skill-installer install tdd-strict
2. Skills as Documentation：团队的 Runbook 直接变成可执行的 Skill，AI 不再需要读文档，而是直接运行流程
3. 跨 Agent 技能共享：一个 Skill 定义了如何调用另一个 AI 工具（如 Perplexity 搜索、Figma API），让 Codex 成为多工具编排中枢
4. 自进化 Skills：Codex 在完成任务后自动优化 SKILL.md，记录本次任务中发现的边界条件

Skills 的本质：把人类专家的隐性知识（know-how）结构化为机器可读、AI 可执行的流程单元。一旦你有了 10 个高质量 Skills，你的 AI 工作效率会产生质的跃迁。

Source

• OpenAI Codex Skills 官方文档
• openai/skills GitHub 仓库
• agentskills.io 开放规范
• Codex vs Claude Code 对比（DataCamp）
• Codex vs Claude Code 对比（Leanware）