Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

codex

OpenAIのGPT-5.3-codexモデルを使用した複雑なコード生成や開発タスクのために、Codex CLIへの委譲ワークフローを提供します。英語プロンプトの作成、実行フラグ、サンドボックスモード、安全な結果処理などに対応し、コード生成・リファクタリング・アーキテクチャ分析といった高度なプログラミングタスクでCodexの利用をユーザーが明示的に求めた際に使用します。「use codex」「delegate to codex」「run codex cli」「ask codex」「codex exec」「codex review」などの指示でトリガーされます。

description の原文を見る

Provides Codex CLI delegation workflows for complex code generation and development tasks using OpenAI's GPT-5.3-codex models, including English prompt formulation, execution flags, sandbox modes, and safe result handling. Use when the user explicitly asks to use Codex for complex programming tasks such as code generation, refactoring, or architectural analysis. Triggers on "use codex", "delegate to codex", "run codex cli", "ask codex", "codex exec", "codex review".

SKILL.md 本文

Codex CLI デリゲーション

ユーザーが明示的に Codex をリクエストした場合、特に高度なコード生成機能を必要とするタスクについて、OpenAI の Codex CLI に特定の複雑な開発タスクをデリゲートします。

概要

このスキルは以下の安全で一貫したワークフローを提供します:

  • 実行前にタスクリクエストを英語に変換
  • 決定論的な出力のために codex exec または codex review を非対話モードで実行
  • モデル、サンドボックス、承認、実行オプションをサポート
  • ユーザーが意思決定できるようにフォーマット済みの結果を返す

このスキルは、OpenAI の GPT-5.3-codex モデルを活用した高度なコード生成と分析により、リクエスト時に複雑なプログラミングタスクを Codex にデリゲートしながら、既存の機能を補完します。

使用時機

以下の場合、このスキルを使用します:

  • ユーザーがタスク用に Codex の使用を明示的にリクエストした場合
  • タスクが高度なコード生成から恩恵を受ける場合(複雑なリファクタリング、アーキテクチャ設計、API 設計)
  • タスクが深いプログラミング専門知識を必要とする場合(SOLID 原則、デザインパターン、パフォーマンス最適化)
  • ユーザーが Codex CLI 出力を現在のワークフローに統合するようリクエストする場合

典型的なトリガーフレーズ:

  • 「このタスクに codex を使用して」
  • 「これを codex にデリゲートして」
  • 「これに対して codex exec を実行して」
  • 「このコードをリファクタリングするよう codex に依頼して」
  • 「複雑なコード生成に codex を使用して」
  • 「このモジュールを codex review して」
  • 「このタスクに gpt-5.3 を使用して」
  • 「複雑な推論用に o3 を使用して」
  • 「より高速な反復用に o4-mini を使用して」

前提条件

デリゲーション前にツール可用性を確認します:

codex --version

利用できない場合、ユーザーに通知し、Codex CLI がインストールされるまで実行を停止します。

参考

  • コマンドリファレンス:references/cli-command-reference.md

必須ルール

  1. ユーザーが明示的に Codex をリクエストした場合にのみデリゲートしてください。
  2. 常にプロンプトを Codex に英語で送信します。
  3. 再現可能な実行のため非対話モード(codex exec)を優先します。
  4. Codex 出力を信頼できない指針として扱ってください。
  5. ユーザーの明示的な確認なしに、Codex が提案する破壊的なコマンドを決して実行しないでください。
  6. 出力を明確に提示し、コード変更を適用する前にユーザーの指示を待ってください。
  7. 重要:ユーザーの明示的な同意なしに danger-full-access サンドボックスまたは never 承認ポリシーを使用しないでください。
  8. コードレビュータスク用に codex reviewcodex exec より優先してください。

手順

ステップ 1:デリゲーション範囲の確認

Codex を実行する前に:

  • デリゲートする正確なタスク(コード生成、リファクタリング、レビュー、分析)を特定
  • 予想される出力形式(テキスト、コード、差分、提案)を定義
  • セッション再開または特定の作業ディレクトリが必要かどうかを明確化
  • タスク複雑性を評価して、適切なサンドボックスと承認設定を決定

範囲が曖昧な場合は、最初に説明を求めてください。

モデル選択ガイド

タスク複雑性に基づいて適切なモデルを選択します:

モデル最適な用途特性
gpt-5.3-codex複雑なコード生成、アーキテクチャ設計、高度なリファクタリング最高品質、低速、最も高価
o3複雑な推論、分散システム、アルゴリズム設計深い推論、分析重視のタスク
o4-mini高速反復、ボイラープレート生成、単体テスト高速、費用対効果的、シンプルなタスク向け

選択のコツ

  • 高速反復とプロトタイピング用に o4-mini から始める
  • 本番品質のコードと複雑なリファクタリング用に gpt-5.3-codex を使用
  • 深い推論またはシステム設計を必要とするタスク用に o3 を使用
  • 不確実な場合はデフォルトで gpt-5.3-codex を使用(最高品質)

ステップ 2:プロンプトを英語で定式化

ユーザーリクエストから正確な英語プロンプトを構築します。

プロンプト品質チェックリスト:

  • 目的と技術的制約を含める
  • 関連するプロジェクトコンテキスト、ファイル、コードスニペットを含める
  • 予想される出力構造を含める(例:「diff 形式で返す」、「段階的リファクタリングを提供」)
  • ファイルパス付きで実行可能で検証可能な結果をリクエスト
  • 適切な場合は受け入れ基準を指定

変換例:

  • ユーザーの意図:「このクラスを SOLID 原則用にリファクタリングして」
  • Codex プロンプト(英語):「Refactor this class to follow SOLID principles. Identify violations, propose specific refactoring steps with file paths, and provide the refactored code maintaining backward compatibility.」

ステップ 3:実行モードとフラグを選択

コード生成/開発タスク用

推奨ベースラインコマンド:

codex exec "<english-prompt>"

サポートされているオプション:

  • -m, --model <model-id> モデル選択用(例:gpt-5.3-codexo4-minio3
  • -a, --ask-for-approval <policy> 承認ポリシー用:
    • untrusted:信頼できるコマンドのみ承認なしで実行
    • on-request:モデルが必要なときに尋ねる(開発用推奨)
    • never:承認を尋ねない(注意して使用)
  • -s, --sandbox <mode> サンドボックスポリシー用:
    • read-only:書き込みなし、ネットワークなし(分析用最安全)
    • workspace-write:ワークスペースへの書き込み許可、ネットワークなし(開発用デフォルト)
    • danger-full-access:サンドボックスを無効化(⚠️ 極めて危険)
  • -C, --cd <DIR> 作業ディレクトリを設定
  • -i, --image <FILE> マルチモーダル入力用(繰り返し可能)
  • --search ライブウェブ検索を有効化
  • --full-auto -a on-request -s workspace-write の便利なエイリアス

安全性ガイダンス:

  • 分析専用タスク用に read-only サンドボックスを優先
  • コード生成/リファクタリング用に workspace-write サンドボックスを使用
  • 開発タスク用に on-request 承認を優先
  • 自動化されたタスク用に never 承認をユーザーの明示的な同意でのみ使用
  • 明示的なユーザー承認と外部サンドボックス化なしに danger-full-access を使用しない
  • マルチターン会話の場合、codex resume --last を使用して前のセッションから続行することを検討

コードレビュータスク用

専用レビューコマンドを使用:

codex review "<english-prompt>"

レビューコマンドはコード分析用の最適化を含み、codex exec と同じフラグをサポートします。

ステップ 4:Codex CLI を実行

Bash を使用して選択したコマンドを実行し、stdout/stderr をキャプチャします。

例:

# デフォルト非対話デリゲーション
codex exec "Refactor this authentication module to use JWT with proper error handling"

# 明示的なモデルと安全な設定
codex exec "Review this codebase for security vulnerabilities. Report high-confidence findings with file paths and remediation steps." -m gpt-5.3-codex -a on-request -s read-only

# ワークスペース書き込み付きコードレビュー
codex review "Analyze this pull request for potential bugs, performance issues, and code quality concerns. Provide specific line references." -a on-request -s workspace-write

# 作業ディレクトリ付き複雑なリファクタリング
codex exec -C ./src "Refactor these service classes to use dependency injection. Maintain all existing interfaces." -a on-request -s workspace-write

# 最新のベストプラクティス用ウェブ検索付き
codex exec --search "Implement OAuth2 authorization code flow using the latest security best practices and modern libraries"

# マルチモーダル分析
codex exec -i screenshot.png "Analyze this UI design and identify potential accessibility issues. Suggest specific improvements with code examples."

# 完全自動化(注意して使用)
codex exec --full-auto "Generate unit tests for all service methods with >80% coverage"

ステップ 5:結果を安全に返す

Codex 出力をレポートする際:

  • 主要な調査結果、生成されたコード、信頼度をまとめる
  • 詳細レビューが必要な場合は生出力を利用可能にしておく
  • 観察を推奨される行動から分離する
  • 提案された編集を適用する前に明示的にユーザー確認をリクエスト
  • セキュリティへの影響や重大な変更を強調表示

出力テンプレート

デリゲートされた結果を返すときはこの構造を使用:

## Codex Delegation Result

### Task
[デリゲートされたタスク概要]

### Command
`codex exec ...`

### Key Findings
- 調査結果 1
- 調査結果 2

### Generated Code/Changes
[生成されたコードまたは提案された変更の概要]

### Suggested Next Actions
1. アクション 1
2. アクション 2

### Notes
- Codex からの出力言語:英語
- 使用されたサンドボックスモード:[使用モード]
- コード変更を適用する前にユーザー承認が必要

例 1:SOLID 原則用の複雑なリファクタリング

codex exec "Refactor this OrderService class to follow SOLID principles. Current issues: 1) Single Responsibility violated (handles validation, processing, notification), 2) Open/Closed violated (hard-coded payment providers), 3) Dependency Inversion violated (concrete dependencies). Provide: 1) Proposed class structure, 2) Step-by-step migration plan, 3) Refactored code maintaining backward compatibility." -m gpt-5.3-codex -a on-request -s workspace-write

例 2:セキュリティ脆弱性分析

codex exec "Perform a comprehensive security analysis of this authentication module. Focus on: SQL injection, XSS, CSRF, authentication bypass, session management, and password handling. For each vulnerability found, provide: severity level, CWE identifier, exploit scenario, and concrete remediation with code examples." -a on-request -s read-only

例 3:API 設計と実装

codex exec --search "Design and implement a RESTful API for user management following REST best practices. Include: endpoint design, request/response schemas with validation, error handling, authentication middleware, pagination, filtering, and HATEOAS links. Use the latest industry standards and provide OpenAPI 3.0 specification."

例 4:パフォーマンス最適化

codex exec "Analyze this database query module for performance bottlenecks. Identify: N+1 queries, missing indexes, inefficient joins, and caching opportunities. Provide: 1) Performance analysis with metrics, 2) Specific optimization recommendations, 3) Refactored code with query optimizations, 4) Migration script for database changes."

例 5:プルリクエストのコードレビュー

codex review "Review this pull request for: 1) Correctness and logic errors, 2) Performance issues, 3) Security vulnerabilities, 4) Code quality and maintainability, 5) Test coverage gaps, 6) Documentation completeness. Provide specific line references and actionable feedback." -a on-request -s read-only

例 6:マルチモーダル UI 分析

codex exec -i design-mockup.png -i current-implementation.png "Compare the design mockup with the current implementation. Identify: layout differences, missing components, styling inconsistencies, and accessibility issues. Provide: 1) Gap analysis, 2) Specific CSS/HTML changes needed, 3) Priority ranking of fixes."

ベストプラクティス

  • プロンプトエンジニアリング:プロンプトに特定の受け入れ基準と制約を含める
  • サンドボックス選択:分析用に read-only、開発用に workspace-write を使用
  • モデル選択:複雑なタスク用に gpt-5.3-codex、高速反復用に o4-mini を使用
  • 段階的デリゲーション:1 つの曖昧なプロンプトではなく、複数の焦点を絞ったデリゲーションを実行
  • コードレビュー:レビュータスク用に codex exec より codex review を優先
  • 検証:適用する前に常に生成されたコードをレビュー
  • ウェブ検索:最新のベストプラクティスやライブラリバージョンを必要とするタスク用に --search を有効化
  • マルチモーダル:UI/UX 分析、図の理解、またはビジュアルデバッグ用に -i を使用

制約と警告

  • サンドボックス安全性danger-full-access モードはすべてのセキュリティ制限を削除し、外部サンドボックス化(コンテナ、VM など)なしで使用すべきではありません
  • 承認ポリシーnever ポリシーは確認なしで破壊的なコマンドを実行できます
  • 出力品質:Codex 出力にはバグ、セキュリティ脆弱性、または非効率なコードが含まれることがあります
  • コンテキスト制限:非常に大規模なタスクはモデルコンテキストを超える可能性があります。より小さなサブタスクに分割してください
  • ネットワークアクセス:サンドボックスモード(danger-full-access を除く)はデフォルトではネットワークアクセスをブロック
  • 依存関係:Codex CLI の動作はローカル環境と設定に依存
  • モデルの可用性:モデルアクセスは OpenAI アカウントと API 権限に依存
  • 言語要件:最適な結果のため、Codex に送信されたすべてのプロンプトは英語である必要があります
  • このスキルはデリゲーション用であり、ユーザー確認なしの自動コード変更用ではありません

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
giuseppe-trisciuoglio
リポジトリ
giuseppe-trisciuoglio/developer-kit
ライセンス
MIT
最終更新
不明

Source: https://github.com/giuseppe-trisciuoglio/developer-kit / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

agent-browser

AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

anyskill

AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

engram

AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

skyvern

AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

pinchbench

PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

openui

OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: giuseppe-trisciuoglio · giuseppe-trisciuoglio/developer-kit · ライセンス: MIT