codex可自动聚合git、jira、飞书、日历数据生成结构化周报：需手动建好outputs/weekly/目录，输入指定指令或固化为skill，配合automation定时执行，输出带emoji的markdown摘要。
☞☞☞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☜☜☜
你需要在每周五下班前，把散落在 Git 提交记录、Jira 任务看板、飞书会议纪要和日历上线节点里的工作痕迹，自动聚合成一份结构清晰、重点突出的项目进展摘要，而不是手动翻四五个平台再拼凑文字。
准备项目资料与目录结构
打开 Codex 桌面客户端，点击左上角「+ New Project」→ 选择「Local Folder」→ 浏览并选中你存放项目资料的根目录，例如 【D:\projects\flashsalehub】。
这个目录下必须已存在三个子文件夹：inputs/（放会议纪要、日志文本）、data/（放 Jira 导出 CSV、calendar-export.csv）、outputs/weekly/（用于存档摘要）。Codex 不会自动创建缺失的子目录，【outputs/weekly/ 必须手动建好，否则生成的摘要无法落地】。
选完路径后，Codex 会立即扫描全部可读文件，并在侧边栏生成「Project Files」索引。你不用刷新，也不用重启，索引实时生效。
定义自然语言摘要指令
在当前项目的对话窗口中，直接输入以下完整指令（标点、换行、emoji 均不可省略）：
“生成本周五（2026.10.17）的项目进展摘要：① 从 inputs/ 下最新 7 天的飞书文本中提取含‘已确认’‘排期’‘上线’的句子；② 从 data/calendar-export.csv 中筛选日期在 2026.10.10–2026.10.17 范围内的‘上线节点’字段；③ 扫描当前项目 Git 提交历史（最近 7 天），按模块归类变更摘要；④ 合并输出为带 emoji 的 Markdown 表格，标题为‘【项目进展】2026.10.17 - flashsalehub’，每行开头加对应符号（需求✅、节点?、风险⚠️、测试?）。”
这句就是全部输入，不需要加“请”“麻烦”“谢谢”，也不用额外说明格式偏好——Codex 默认按职场文档标准输出层级分明、符号统一的结构化内容。
固化为 Skill 实现复用
方法一：用自然语言创建 Skill
在对话中输入：“创建一个叫‘周进展摘要器’的 Skill，每次运行时自动：① 扫描 inputs/ 下最新 7 天的飞书文本；② 读取 data/calendar-export.csv 并过滤本周日期范围；③ 执行 git log --since='7 days ago' --oneline --no-merges；④ 将三路结果结构化合并，输出到 outputs/weekly/weekly-summary-YYYYMMDD.md。”
Codex 会自动生成 SKILL.md 文件，并存入 ~/.codex/skills/周进展摘要器/。重启客户端后，该 Skill 即可在 Automations 或其他对话中直接调用。
方法二：手动编辑 Skill（进阶）
进入 ~/.codex/skills/周进展摘要器/SKILL.md，找到 input_files: 区块，在其下方添加两行：
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
- inputs/*.txt
- data/calendar-export.csv
这一改动确保 Codex 每次执行前都强制校验这两类文件是否存在且可读。若缺失任一文件，任务将中止并报错，【避免静默生成空摘要或胡编数据】。
设置 Automation 定时执行
第一步：点击左侧边栏【Automations】→ 右上角【+ New】→ 填写三项核心内容：
名称：周进展摘要器（自动）
工作目录：D:\projects\flashsalehub（必须是完整本地路径）
执行时间：每周五 17:00
第二步：在 Action 栏粘贴 Skill 名称「周进展摘要器」，不要加引号，也不要写“.md”后缀。
第三步：运行环境选【Worktree(推荐新手)】——Codex 会自动克隆一份干净副本执行，改错文件也不会污染你正在编辑的代码。
第四步：点击【Test Run】立即执行一次，观察输出是否包含 Git 模块归类、飞书句子提取、日历节点匹配三项内容。若某一项为空，检查对应文件是否在 Project Files 索引中可见。
第五步：确认无误后，把状态开关拨到【ACTIVE】，关闭窗口即可。Codex 将在每周五 17:00 自动唤醒，调用模型，执行 Skill，并把结果存入 outputs/weekly/ 目录。
