codex团队技能规范要求统一存放于根目录skills/下，每个skill需含skill.md、resources/和可选scripts/；通过agents.md声明、cli注册或slack触发调用，并须经make setup-skills启用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
让团队成员无需重复解释项目规则、测试规范或部署流程，就能让Codex自动按统一标准执行任务。
统一技能存放位置，避免版本混乱
在团队根目录下创建 skills/ 文件夹，所有 Skill 必须放在此处，不可分散在个人本地或子模块中。
Git 提交时，skills/ 目录需纳入 .gitignore 的排除列表之外——否则新成员 clone 后根本看不到团队技能。
每个 Skill 必须以独立子目录存在，命名全部小写、用短横线分隔，例如：playwright-test-gen、notion-knowledge-capture。
标准化 Skill 结构，确保可读可验
每个 Skill 目录内必须包含且仅包含以下三项：
① SKILL.md：唯一入口文件，用 Markdown 描述能力边界、输入参数、输出格式、适用场景；禁止写“请按需调整”，必须明确写出参数占位符，如 {{API_ENDPOINT}}、{{REPORT_DATE}}。
② resources/ 子目录：存放该 Skill 依赖的模板、正则表达式、校验规则表、接口契约 JSON 等静态资料；若无此目录，Codex 在调用时会因缺失上下文而跳过关键校验步骤。
③ scripts/ 子目录（可选）：仅当 Skill 需调用本地脚本时才存在，脚本必须为 Bash 或 Python，且第一行注明解释器路径，如 #!/usr/bin/env python3；Shell 脚本禁止硬编码绝对路径。
技能共享与权限控制
方法一：通过 AGENTS.md 公开声明可用技能
通过本地 Codex 或 OpenClaw OAuth 凭证直接调用 ChatGPT/Codex Responses 的 image_generation 工具来生成或编辑光栅图像，然后保存
在项目根目录的 AGENTS.md 中，用表格列出所有已验证 Skill，含列：名称｜用途｜最后验证日期｜负责人。每次新增 Skill 后，必须同步更新此表并提交 PR。
方法二：用 Codex CLI 自动注册
运行 codex skill register --path ./skills/playwright-test-gen，该命令会校验 SKILL.md 格式、检查 resources 是否存在、扫描 scripts 是否可执行；注册失败时不会静默跳过，而是中断并报错行号。
方法三：Slack 中按需触发
在 Slack 频道中发送 /codex use playwright-test-gen --date=2026-06-29，Rube Bot 将解析参数并调用对应 Skill；注意：未在 AGENTS.md 表格中登记的 Skill，Rube 默认拒绝响应。
新人上手：三步启用团队 Skill
第一步：克隆仓库后，运行 make setup-skills（该 Makefile 目标会自动软链接 skills/ 到 ~/.codex/skills）。
第二步：执行 codex skill list，确认输出中包含团队全部 Skill 名称，而非仅显示本地零散文件。
第三步：在任意 Codex 会话中输入 $playwright-test-gen，观察是否加载完整 resources 内容并提示输入 {{TEST_SUITE}} —— 若提示缺失资源或参数未定义，说明 SKILL.md 中的占位符未被正确声明。
