前面四篇把 Codex 的入口讲了个遍，但说实话，那些都还停留在”怎么把 Codex 叫起来”的层面。真正让 Codex 和普通 AI 编程工具拉开差距的，是这一篇要讲的五样东西：自动化、插件、Skill、MCP 和记忆系统。把它们组合起来，Codex 才从一个”帮你写代码的工具”变成能长期托付任务的工程伙伴——这两个词的区别，用过的人才懂。
自动化：项目不用你盯着，它自己会巡夜
Codex 的自动化不是”定时帮你跑个脚本”那么浅。它的意思是：你可以给项目立一套规则，让 Codex 按规则定期巡查、发现问题、处理问题。平时它不打扰你，有问题才来提醒；简单问题先自己尝试修，最后把结果交给你审核。相当于给项目请了个 AI 值班工程师，白天黑夜都有人看着。
官方文档里推荐的一个玩法是”每周会话自动复盘”：让 Codex 定期翻最近一段时间的会话记录、任务结果和常见问题，沉淀成一份可复用的工作流档案。它会总结哪些做法导致了问题、正确做法是什么、你的使用偏好是什么，再把复盘结论改写成后续会话可以直接遵循的规则。一句话，用得越久，Codex 越懂你的习惯——这个机制比任何手动配置都管用。
插件、Skill、MCP：别再傻傻分不清
这三个词几乎每次聊 Codex 都会一起出现，但它们不是同一个东西的三次改名，而是各管一层的三种机制。搞混了，配置的时候就会一脸懵。
插件（Plugin）是能力安装包，范围最大。它可以把 Skill 和 MCP 打包成容易安装的整体。常见的有：Chrome 插件（操作浏览器测网页）、GitHub 插件（管理仓库、修 bug、建 PR）、Computer Use 插件（像人一样操作电脑）、Figma 插件（设计稿转代码）、Presentations（生成 PPT）、Remotion（用代码生成视频）。装法也简单：在 Codex App 里搜到插件点 Add to Codex，CLI 里输 /plugins 管理。
Skill 是一套固定的工作方法，解决”同类任务怎么做”。比如你每次都要求 README 包含项目介绍、安装步骤、启动命令、文件结构、常见问题，那就可以做成一个 README Skill，以后调用它就走这套流程，不用每次重新解释一遍规则。判断标准很朴素：只做一次的任务，直接写提示词；经常重复做的任务，才值得做成 Skill。
MCP 是连接外部工具的接口，解决”连什么工具或数据”。文档 MCP 让它查最新 API 文档，数据库 MCP 让它查表结构，Figma MCP 让它读设计稿。CLI 里添加也很直白，比如 codex mcp add context7 -- npx -y @upstash/context7-mcp，配置会写进 ~/.codex/config.toml。如果只记一句话：怎么做的问题找 Skill，连什么工具的问题找 MCP。
好用的 Skill 从哪来
三条路。一是插件里的技能市场，有系统推荐的现成 Skill，拿来即用；二是用内置的 $skill-creator，告诉它你想把什么流程做成 Skill，它会自动生成 SKILL.md 文件——这是最推荐的方式，比自己手写省事得多；三是熟悉文件结构后手动创建，本质上就是一个带 SKILL.md 的文件夹，放在 .agents/skills/ 目录下。
社区里几个口碑不错的 Skill 项目值得关注：Superpowers（给编程 Agent 加一整套开发方法论，先澄清需求、写规格、再做实现计划）、baoyu-skills（偏内容创作和日常效率：小红书图文、文章配图、公众号发布等）、Agent Reach（给 Agent 装联网能力，读网页、YouTube、B站、小红书等）、find-skills（帮你搜索和发现其他 Skill）。装之前先看下更新频率和 star 数，别踩到没人维护的坑。
Git：Codex 时代更不能省的基本功
说句实在话：不配 Git 就用 Codex 做真实项目，等于裸奔。没有 Git，Codex 改错了你很难回退，只能看着它把代码越改越乱；有了 Git，它可以放心大胆试，你可以随时检查和恢复。标准流程是：初始化 Git → 写好 .gitignore → 先 commit 一次干净版本 → 新建分支给 Codex 当实验区 → 让它改 → 看 diff → 跑构建 → 满意后 commit → push 到 GitHub。
进阶技巧是 Worktree：给同一个项目额外开独立工作副本，相当于草稿本。想让 Codex 大胆改、同时做多任务、或者比较方案 A/B/C，每个任务开一个 worktree，改坏了直接丢掉，主项目完全不受影响。这是现在最常用的姿势，比来回切分支省心。
云端运行：把活儿外包给不占电脑的后台
Codex 有三种运行模式：Local 直接改本地代码，Worktree 在安全副本里改，Cloud 则在 OpenAI 云端容器里拉取 GitHub 仓库处理任务，基本不占用你的电脑，特别适合后台任务和并行任务。云端跑完生成 diff 和总结，必要时直接创建 PR。唯一要注意的是：云端任务改完推回 GitHub 后，本地继续开发前先同步最新代码，别在旧版本上改出新冲突。
记忆系统：AGENTS.md 是写给 Codex 看的说明书
README.md 是写给人看的项目说明，AGENTS.md 是写给 Codex 看的规则说明书。它可以放在项目根目录（管整个项目）、子目录（管某个模块）或用户目录 ~/.codex/（管你所有项目的个人通用规则），项目级和用户级叠加生效。
一份好的 AGENTS.md 应该包含：项目说明、技术栈、常用命令、项目结构、代码规范、UI 规则、禁止事项、完成标准。写法上要求具体、简洁、可执行、有限制、有验证。不用自己动笔——直接让 AI 总结项目核心内容生成一份，再人工微调即可。
最后分享一条防翻车的全局规则写法：在设置的个性化指令里加上”禁止批量删除文件或目录，需要删除时只能一次删除一个明确路径的文件，批量删除必须停下来让用户手动操作”。AI 编程最怕的就是乱删东西，这一条规则能挡住绝大多数事故。
下一篇是收官篇：标准工作流模板，加五个从建站到做视频的完整实战案例。
