OpenAI Codex 从 2025 年 4 月上线 CLI,到 2026 年 6 月周活突破 500 万,Skill 生态是它跑出差距的关键变量。SKILL.md 作为跨平台开放标准,已经被 Claude Code、Gemini CLI、Cursor、GitHub Copilot 等 20 多款工具兼容,但真正值得装的 Skill 并不多。这篇文章逐个拆解目前社区公认最强的 6 个 Skill,讲清楚每个解决什么问题、实际用起来什么感觉,以及和 Claude Code 同类方案的差异。 Superpowers:233k 星背后是一套完整的开发方法论
Superpowers 由 Jesse Vincent 开发,2025 年 10 月上线,5 个月内从零涨到 89k 星,截至 2026 年 6 月已超过 233k。它不是一个单一功能的 Skill,而是一套包含 14 个可组合技能的软件开发方法论框架。
核心逻辑很简单:AI 编程工具的问题不是不够聪明,而是不够自律。没有 Superpowers 的 Codex,拿到需求就直接写代码,不问清楚需求、不写测试、不做架构规划。装了之后,Agent 会被强制拉入一套工作流——先做头脑风暴拆解需求,再写技术方案,然后走 TDD 红绿重构循环,最后派一个子 Agent 做代码审查。整个流程不是建议,是强制执行,跳不过去。
Claude Code 用户对这套东西不陌生。Superpowers 最早就是作为 Claude Code 插件上架 Anthropic 官方市场的,2026 年初才扩展到 Codex。两边体验有差异:Claude Code 有原生的子 Agent 支持和 allowed-tools 沙箱机制,Superpowers 的子 Agent 驱动开发在 Claude Code 上效果最好;Codex 端则需要开启 collab 配置项,且部分高级编排功能会降级为单 Agent 模式。 实测下来,初始的头脑风暴和方案阶段大约多花 10-20 分钟,但后续的返工、调试和重构时间大幅减少。社区反馈的共识是整体开发效率提升 2-3 倍。对于团队项目尤其明显——多人用不同工具(有人用 Claude Code,有人用 Codex CLI),装同一套 Superpowers,工作流是统一的。
OpenAI 官方插件:6 个角色包覆盖 62 款商业应用
2026 年 6 月 2 日,OpenAI 发布了 6 个角色定向插件(role-specific plugins),分别对应数据分析、创意制作、销售、产品设计、公开股权投资和投资银行。这 6 个插件打包了 62 款主流商业应用(Snowflake、Salesforce、Figma、HubSpot、Tableau 等)和 110 个预置 Skill,开箱即用。 这是 Codex 从编程工具转向通用办公平台的标志性动作。目前 Codex 500 万周活用户中,非开发者占比已达 20%,且增速是开发者的 3 倍。数据分析师用它连 Snowflake 跑查询,销售用它从 Salesforce 拉客户背景写跟进邮件,投行分析师用它从 Moody's、FactSet、PitchBook 抓数据做尽调报告。
对比来看,Anthropic 的 Claude 在企业场景走的是另一条路:Claude for Enterprise 主打对话式协作和长上下文能力,而不是像 Codex 这样做应用编排层。Google 的 Gemini CLI 和 Antigravity 也有类似的插件/扩展体系,但生态丰富度目前还不在一个量级。OpenAI 这波官方插件的优势在于直接对接了企业级 SaaS 工具链,且后续还有企业财务、私募投资、营销策略、战略咨询、法务 5 个角色插件在路线图上。 claude-mem:跨 Agent 共享的持久化记忆层
claude-mem 由 Alex Newman 开发,是 Codex / Claude Code / OpenClaw 生态中最受欢迎的持久化记忆方案。它解决的问题很直接:每次开新会话,Agent 都不记得之前聊过什么,你得从头介绍项目背景、技术栈、编码偏好。
工作原理是在每次会话结束时,自动把关键信息压缩归档到本地 SQLite 数据库,新会话启动时通过 MCP 工具注入相关上下文。支持全文检索和可选的向量搜索,还有一个 Web 查看器可以浏览所有记忆条目。多个 Agent 可以共用同一个记忆池——你在 Claude Code 里做的架构决策,切到 Codex 时也能被自动召回。
Claude Code 生态里类似的方案不少(codenamev/claude_memory、MemSearch、claude-memory-compiler 等),但 claude-mem 的优势在于跨平台兼容性最好,且有 Codex 的原生分支 codex-mem(由 KeystoneScience 维护)。值得注意的是,Claude.ai 本身已经有内置的记忆系统(就是你现在看到的这个),但它和 Claude Code 的 SKILL.md 生态是两套东西——前者面向对话场景,后者面向编程会话的持久化上下文。
Agent-Reach:一条命令接入 13 个内容平台
Agent-Reach 由 Panniantong 开发,定位是给 AI Agent 装一双互联网的眼睛。Codex 和 Claude Code 都有内置的网页搜索能力,但社交平台和内容平台的数据几乎碰不到——推文、Reddit 帖子、YouTube 字幕、小红书笔记、B 站视频详情,这些信息对产品调研、竞品分析、舆情监控来说是刚需。
Agent-Reach 不是又一个爬虫工具,而是一个能力路由层(capability layer)。它负责选型、安装、健康检查和配置,底层调用的是各平台最稳定的开源 CLI 工具(twitter-cli、bili-cli、rdt-cli、yt-dlp 等),Agent 直接调用上游工具,没有额外的封装层。一行 agent-reach doctor 就能看到哪些平台已就绪、哪些需要补配置。支持 Claude Code、Codex、Cursor、OpenClaw、Windsurf 等主流工具。
这个方向上没有太多直接竞品。Claude Code 的 web_search 只能搜网页,碰不到社交平台的结构化数据;Codex 的内置搜索同理。Firecrawl 作为 MCP server 可以抓网页内容,但不覆盖推特、Reddit 这些需要认证的平台。Agent-Reach 填的是一个很实际的缺口:Agent 需要的信息,大部分不在传统网页上,而在社交平台的帖子和评论里。
GitNexus:给代码仓库画一张依赖关系图
GitNexus 由印度开发者 Abhigyan Patwari 开发,定位是「代码的神经系统」。解决的痛点是:AI 编程工具可以读单个文件,但不理解整个项目的结构关系。你让 Codex 重构一个函数,它能看到函数本身,但看不到分散在 8 个文件里的 14 个调用方、3 个实现的接口、以及会因为返回类型变化而崩掉的测试套件。
GitNexus 用 Tree-sitter AST 解析整个代码库,把每个函数、类、方法、接口之间的调用关系、导入关系、类型继承关系构建成一张知识图谱,存在本地的 LadybugDB 里,然后通过 MCP 暴露 16 个工具给 Agent 查询。Agent 不用猜,直接查图谱就能拿到完整的依赖链和影响面。
实测效果:使用图谱增强的重构准确率可达 95%,而纯向量搜索只有 60-70%。Claude Code 获得了最深度的集成——MCP 工具 + Agent Skills + PreToolUse 钩子(搜索前自动注入图谱上下文)+ PostToolUse 钩子(提交后自动重建索引)。Codex 和 Cursor 目前只有 MCP + Skills 层级。同类工具里,CodeGraph 走的是类似路线但用 SQLite 存储且支持实时文件监听自动同步;DeepWiki 偏文档生成而不是结构分析。GitNexus 的优势在于零服务器架构——Web UI 可以完全在浏览器里通过 WebAssembly 运行,代码不离开本地。
Humanizer-zh:专治中文 AI 写作的「味精味」
Humanizer-zh 有多个版本,其中 ai-zixun 维护的版本兼容 Codex、Claude Code 和 OpenClaw 三端。它针对中文 AI 写作的典型问题——破折号滥用、空泛大词堆砌、三段式排比、翻译腔——做逐条检测和改写。
与英文版 Humanizer(blader/humanizer)基于维基百科「AI 写作特征」指南不同,Humanizer-zh 针对中文语境做了大量本地化。它内置了 8 位中文作者的声音档案(李笑来、罗振宇、吴军、冯唐等),在深度改写模式下可以选择套用某位作者的写作风格。支持通过 npx skills add 一键安装到多个 Agent。
对于内容团队来说这是最后一道关。AI 生成初稿的效率已经不是瓶颈,瓶颈是输出的文字一看就是 AI 写的——结构太工整、用词太正确、节奏太均匀。Humanizer-zh 的价值不在于让 AI 文字「骗过检测器」,而在于让它读起来像一个真人写的,有观点、有偏好、有不完美。
Skill 生态的竞争格局:Codex vs Claude Code vs Gemini CLI
SKILL.md 已经成为跨平台的事实标准——同一份 Skill 文件可以在 Codex、Claude Code、Gemini CLI、Cursor、GitHub Copilot 等 20 多款工具上运行,不需要改一行代码。这意味着 Skill 层面的竞争不在于「谁能装」,而在于「谁跑得更好」。 目前的格局是:Claude Code 在 Skill 执行深度上领先(原生子 Agent、钩子系统、沙箱机制),Codex 在生态丰富度和商业应用覆盖上领先(62 款商业应用、150+ 社区插件、官方 Skill 市场),Gemini CLI / Antigravity 在扩展体系上与前两者看齐但社区活跃度还有差距。
对于个人开发者,建议至少装 Superpowers(工作流纪律)、GitNexus(代码理解)和 claude-mem(会话记忆)这三件套。如果日常涉及中文内容生产,Humanizer-zh 值得加上。如果需要从社交平台抓信息,Agent-Reach 是唯一能打的方案。企业用户则应该优先评估 OpenAI 官方的角色插件——62 款商业应用的预置集成省去了大量配置工作。
Skill 生态还在早期,但方向已经明确:Agent 的能力边界,不再由模型决定,而由它装了什么 Skill 决定。