必须在任务开头明确声明【语言+运行时版本、框架及版本、关键依赖】，使用context.md固化技术栈与代码风格，并通过skill自动注入约束，三步验证确保生效。
☞☞☞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☜☜☜
你想让 Codex 生成的代码严格匹配项目实际用的技术栈，而不是凭空猜测 Spring Boot 版本、React 的 hooks 写法或 Python 的类型提示风格——直接丢一句“用 React 写”会得到 class 组件，而你项目里全是 TypeScript + Vite + TanStack Query。
在对话中实时声明技术栈
打开 Codex 桌面 App 或 IDE 扩展后，在任务描述开头就写明三项硬约束：【语言+运行时版本、框架及版本、关键依赖】。例如：“用 Python 3.11，FastAPI 0.115，Pydantic v2，数据库用 SQLAlchemy 2.0，不要用 asyncpg，用 sqlite 作本地开发”。
这一步不能省略。Codex 不会自动读取 pyproject.toml 或 package.json，它只信任你当前输入的文本。
用 CONTEXT.md 文件固化项目上下文
在项目根目录新建一个纯文本文件，命名为 CONTEXT.md。
文件内容必须包含四类信息：技术栈（含版本）、目录结构说明、编码规范、三段典型代码示例。示例部分最关键——Codex 对代码模式的识别远强于文字描述。你贴一段符合你命名规范的 FastAPI 路由函数，它后续生成的路由就不会突然变成 Flask 风格。
写完保存后，在 Codex 对话中只需说“参考项目 CONTEXT.md”，它就会自动加载该文件内容作为本次任务的基础上下文。
通过 Skill 自动注入技术栈配置
方法一：在 ~/.codex/skills/ 目录下新建一个 skill 文件夹，比如 fastapi-backend，内部放 SKILL.md。
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
SKILL.md 的 YAML 头部写明 required_context，例如：
required_context:
language: python
framework: fastapi
version: "0.115"
正文描述触发条件如“当任务涉及 API 接口开发时自动启用”。
方法二：在 CLI 或 IDE 中执行 codex run fastapi-backend，Codex 会先加载该 Skill 定义的技术栈约束，再开始处理你的自然语言指令。
【注意：Skill 的 required_context 不会覆盖你在对话中明确写的冲突版本，但会补全你遗漏的细节】
验证技术栈是否生效的三步检查法
第一步：发起任务后，观察 Codex 是否在首轮响应中主动复述了你指定的技术栈关键词，例如“已确认使用 FastAPI 0.115 和 Pydantic v2”。没复述=没识别到。
第二步：查看它生成的 import 语句——如果出现 from flask import Flask，说明 CONTEXT.md 里的框架声明没起作用，立刻检查文件路径是否在项目根目录、文件名是否全小写且无空格。
第三步：运行前先扫一眼它修改的文件是否新增了你不允许的依赖项，比如自动加了 pip install uvicorn[standard]。Codex 不会帮你删掉已有依赖，但可能悄悄引入新包。
