OpenAI Codex 团队分享 Prompt，深挖你反复在做的事沉淀成 Skills、Subagent 和 Automation（附 Claude Code - Cursor 落地指南）

公众号名称：AI 启蒙小伙伴

作者名称：邵猛

发布时间：2026-05-26 07:50

让 OpenAI Codex 回顾你过去的会话历史，识别重复出现的任务模式，并沉淀为可复用的 Skills、Subagent、Automation 等，来自 Codex 团队 Vaibhav (VB) Srivastav 的分享。

https://x.com/reach\_vb/status/2058538305872949490\[1\]

作者真正想解决的问题

大多数开发者在使用 AI 编程助手时，会反复问同类问题：

“CI 为什么挂了？”
“帮我 review 这个 PR”
“写一下 changelog”
“追踪这个 bug”
“清理这个 diff”

同样的上下文每次都要重新铺一遍，agent 也每次都从零开始理解你想要什么。这种重复本身就是一种持续的损耗。

他给出的方向是：把可重复的工作流沉淀成 Skills，把可委派的具体任务沉淀成 Subagent。这个想法初看简单，但作者后来反复打磨这条 prompt，可以看出他在使用过程中遇到了几类典型问题，于是逐步给方法论加上了护栏，从更偏研发场景，铺开到更通用的办公等场景，沉淀方式也做了更多思考细化。

思考是如何深化的

最早那条 prompt 写得比较随性，焦点也只放在工程类场景——CI、PR、changelog、debugging、test triage。这是作者最熟悉的领域，但很快就会发现局限：重复工作远不止编码，研究、写作、规划、沟通、运营、分析、个人事务里都有大量值得沉淀的模式。新版本干脆把范围全打开了。

更关键的转变发生在 **“凭感觉建 Skills”** 这件事上。一个 Agent 如果只被告知”找重复模式并打包”，它会倾向于宁多勿少，把一次性需求也误判成模式，最后产出一堆没人会真正用的资产。作者新版本的处理方式是给候选项加了一道准入门槛——必须满足以下几条才允许动手：

至少出现过两次，或者明显会再发生且重复成本不低
输入稳定、流程可重复、输出或停止条件明确
打包后能在速度、质量、一致性、可靠性上带来实质改进
现有的 skills / subagent / automation 还没有充分覆盖这件事

最后一条尤其值得留意。作者明确要求先翻已有资产，能扩展就扩展，不要重复造轮子。这是工程协作里很基本但 Agent 经常忽略的纪律。

证据从哪里来

这是最新版本另一处实质性的升级，作者把证据来源排了优先级：

近期的 Codex 会话和任务摘要——最直接的痕迹
Codex Memories 和 rollout summaries——用来发现跨会话才看得出的模式，单会话里看不到这种重复
Chronicle（如果开启了）——用来抓 Codex 之外的重复工作。但这里有个细节：作者只让它做发现，关键事实必须回到源系统确认。这是一种合理的不轻信
已有的 skills / custom agents / automations——避免和现存资产打架

这套分层有个隐含的判断：单一来源容易误读，跨来源印证才靠得住。

产出形态从两种变成四种

最早只有 skills 和 subagent 两个选项。新版本扩到四种，而且第四种很值得玩味：

Skills：可复用的工作流或 playbook
Custom subagent：边界清晰、适合委派的专家角色或调查任务
Automation：定期或循环跑的检查、报告、提醒、监控
Skip：太一次性、太模糊、太敏感、证据不足的，就不要打包

把”跳过”显式列为一种合法选项，是这版 prompt 隐藏的亮点。它给 Agent 一个明确的台阶下——你可以判断什么不值得做，并把这个判断说出来。少了这一条，Agent 为了交差会硬凑产出。

输出格式被收紧了

新版本要求先给一份紧凑的候选短名单（shortlist），每一项都要写清楚：

重复的工作流是什么
支撑证据和日期
频率和置信度
推荐形态：skills、subagent、automation、扩展已有，还是跳过
为什么值得做或者为什么不做

短名单出完之后，才开始创建高置信度的缺失项，并且要保持窄、实、可验证。最后还要再交一份收尾说明：做了什么、有意跳过了什么、还需要更多证据才能动的是什么。

这个三段式收尾让整个过程可审计、可复盘。一周后回头看，能清楚知道当时为什么这样判断，而不是面对一锅模糊的产出去猜。

这条 prompt 在做的事情，本质上是元工作流

它和普通的 skills 不太一样——它是用来生产 skills 的 skills。Codex、Claude Code、Cursor 等体系里都有类似的”skill-creator”思路，但作者这版更轻量，更面向”挖掘个人工作模式”。

它内置了几条很重要的克制：

Choose the smallest appropriate form.

Keep them narrow, practical, source-aware, and easy to validate.

Do not create speculative, overlapping, or overly broad assets.

这几句话直接对治了 Agent 自动化时最常见的失败——发明不存在的需求、和已有资产重叠、范围铺得过宽以至于谁都用不上。

拿到 Claude Code / Cursor 里实际怎么用

这条 prompt 是给 Codex 写的，搬到 Claude Code 或 Cursor 里需要做几处本地化。两边的能力模型其实很接近，只是落点不同。

证据来源那部分

在 Cursor 里：agent transcripts 目录、近期编辑历史、当前 workspace 的 chat 记录是最直接的痕迹；跨会话的偏好和约定沉淀在 .cursor/rules/、AGENTS.md，以及已安装的 plugin skills 里
在 Claude Code 里：会话记录在 ～/.claude/projects/ 下面以 jsonl 形式存着，可以直接 grep 或者交给 agent 自己翻；跨会话的记忆主要看项目级的 CLAUDE.md 和用户级的 ～/.claude/CLAUDE.md，再加上 ～/.claude/skills/ 下已经装好的 skill
作者提到的 Chronicle 在两边都没有原生对应物。如果想抓 Codex / Claude Code / Cursor 之外的重复工作，可以让 agent 顺便看看 shell history、git log、Obsidian daily notes 这类外部痕迹，但记住作者的提醒——这些只能用来发现线索，事实要回到源系统确认

产出形态那部分

在 Cursor 里对应到 .cursor/skills-cursor/ 下的 skill、custom subagent、cursor hook、cursor rule。作者说的 “automation” 基本就是 hook 的角色
在 Claude Code 里对应到 ～/.claude/skills/ 下的 skill（带 SKILL.md 的目录）、～/.claude/agents/ 下的 custom subagent，以及 ～/.claude/settings.json 里配置的 hooks。“automation” 这一类还可以借助系统 cron + Claude Code 的 headless 模式（claude -p）来跑定期任务
两边都建议先看已有 skill 能不能扩展再考虑新建。Claude Code 的 skill 是按目录组织的，扩展一个老 skill 通常比新建一个更省事

执行节奏上有个建议——第一遍只让它产出 shortlist，先不要让它写文件。人工审一遍，确认判断没跑偏，再让它进第二步去创建。作者反复强调”高置信度才动手”，照这个原则走，能把误判成本压得很低。Claude Code 这边可以直接用 plan mode 跑第一遍，自然就只规划不动手。

时间窗口默认用最近 30 天比较合理，但如果你的工作有明显周期性（月底做报表、季度复盘之类），可以拉到 60–90 天，让低频但确定的模式也能被捕捉到。

附录：原始 prompt（最新版本）

Look back over my recent work from the last 30 days, or all available history if shorter, and identify repeated manual workflows worth packaging.

Use available evidence in this order:
- Recent Codex sessions and task summaries.
- Codex Memories and rollout summaries to find patterns repeated across sessions.
- Chronicle, if enabled, to spot repeated work outside Codex. Use Chronicle for discovery only; confirm important details in the relevant source system when possible.
- Existing skills, custom agents, and automations, so you reuse or extend what already exists instead of duplicating it.

Look broadly for work that is repeated, time-consuming, error-prone, context-heavy, or benefits from a consistent process. Include workflows across coding, research, writing, planning, communication, operations, analysis, and personal administration.

Only act on a candidate when it:
- occurred at least twice, or is clearly likely to recur and costly to repeat;
- has stable inputs, a repeatable procedure, and a clear output or stopping condition;
- would materially improve speed, quality, consistency, or reliability;
- is not already adequately covered.

Choose the smallest appropriate form:
- Skill: a reusable workflow or playbook.
- Custom subagent: a bounded specialist role or investigation task suitable for delegation.
- Automation: a scheduled or recurring check, report, reminder, or monitor.
- Skip: work that is too one-off, ambiguous, sensitive, or poorly evidenced to package.

First produce a compact shortlist with:
- repeated workflow
- supporting evidence and dates
- frequency/confidence
- recommended form: skill, subagent, automation, extend existing, or skip
- why it is or is not worth creating

Then create only the high-confidence missing items. Keep them narrow, practical, source-aware, and easy to validate. Do not create speculative, overlapping, or overly broad assets.

Finish with:
- what you created or extended
- what you deliberately skipped
- what needs more evidence before packaging

cover_image

Original 邵猛 AI 启蒙小伙伴

作者提示: 内容由AI生成

内容效果不满意？点此反馈