[Codex] 前几天用 codex 写了个工作的 skill，这几天开发的时候每个会话/功能结束后我都会让它梳理下这次…

开发者的新习惯：用 Codex 写“工作 Skill”，越用越好用

在 AI 辅助编程领域，一种全新的工作流正在被顶级技术社区的开发者们实践。一位昵称为 evan1 的 V2EX 用户在社区分享了他的最新经验：他使用 Codex 编写了一份工作的“Skill”，并在每次开发会话或功能完成后，主动让 AI 梳理沟通内容，判断是否需要更新这份 Skill。结果令他惊喜——“感觉越更新越好用了”。

这一动态的价值在于，它揭示了一个趋势：开发者正在从“被动接受 AI 代码补全”转向“主动构建 AI 的专属知识库”。这种做法并非简单的规则设定，而是将项目理解、开发思路、常见问题排查案例等非结构化的隐性知识，转化为 AI 可用的结构化文档。

“Skill”与“Agents.md”：从工具到认知的跃迁

在讨论中，另一位用户 adajoy 提到了 agents.md 文件——这是当前许多开发者用来约束 AI 行为、定义编码规则的模式。但 evan1 明确指出，他的 Skill 与 agents.md 有本质区别。

“agents.md 里是一些必须遵守的规则，比如编码什么的。” evan1 解释道。而他的 Skill 侧重于：“对项目的一些理解，一些需求开发和问题排查的思路和案例。” 比如，当开发新模块时，AI 不会像“无头苍蝇一样胡乱思考”，而是能根据 Skill 中的典型思路快速定位问题，例如“如何通过 URL 定位到问题”。

这实际上是在为 AI 注入“项目常识”。Codex 不再是仅仅根据上下文生成代码的孤立工具，而是通过持续迭代的 Skill，逐渐“理解”项目的特殊性和开发者的思维范式。

为什么这对开发者重要：省额度、省时间、高质量

evan1 的分享揭示了一个核心痛点：AI 生成代码时的“胡猜乱写”不仅浪费计算额度，还消耗大量等待时间。 他直言：“很多时候它会跟个无头苍蝇一样胡乱思考，虽然最后大概率也能正确输出，但是浪费很多额度，而且要等很久。”

通过不断更新 Skill，AI 的“思考”路径被大大缩短。正如 evan1 所预见的：“后面也会越来越省额度，因为越来越懂项目，不会乱查、乱写了。” 这不仅仅是性能优化，而是从根本上改变了人机协作的效率比——开发者花费几分钟更新 Skill，可能换来后续数小时的稳定、高质量输出。

这种方法的另一大优势是知识沉淀。很多开发者的“经验”散落在脑海、聊天记录或笔记中。通过 Skill，这些零散且容易遗忘的经验被固化为 AI 可直接调用的“组织记忆”。当项目迭代或新人加入时，这份 Skill 的价值会进一步放大。

我的看法：一条值得所有 AI 开发者尝试的“新习惯”

evan1 的实践虽然源于个人分享，但其方法论具有很强的普适性。在 AI 辅助编程日益成熟的今天，工具本身的差异正在缩小，“如何喂养和调教 AI”正成为新的竞争优势。 与其抱怨 AI 不够聪明、额度消耗快，不如像训练实习生一样，给它一份清晰、持续更新的“工作手册”。

当然，这一模式也存在潜在挑战，比如 Skill 文档的大小管控。但正如 evan1 回应 adajoy 时所说：“只有一些非常典型且常见的。” 这意味着，关键在于提炼核心模式，而非事无巨细地记录每一个对话。当所有开发者都开始习惯在每个会话结束后，花一分钟让 AI 梳理并更新这份“认知地图”时，AI 编程将真正进入“越用越懂你”的新阶段。