Communitygithub.com

grahama1970/openai-docs

Úsalo cuando el usuario pregunte cómo construir con productos o APIs de OpenAI, pregunte sobre Codex o sobre la elección de superficies de Codex, necesite documentación oficial actualizada con citas, ayuda para elegir el modelo más reciente para un caso de uso, orientación sobre el modelo más reciente/actual/predeterminado o sobre actualizaciones de modelo o de prompt; usa las herramientas MCP de OpenAI Docs para preguntas que no sean sobre la documentación de Codex, usa primero el ayudante del manual de Codex para preguntas amplias sobre el conocimiento de Codex, y restringe la búsqueda web de respaldo a dominios oficiales de OpenAI.

¿Qué es openai-docs?

La skill `grahama1970/openai-docs` proporciona acceso autorizado y actualizado a la documentación para desarrolladores de OpenAI para agentes de IA como Claude Code, Cursor o Codex. Su objetivo principal es ofrecer orientación precisa sobre modelos, migraciones y mejora de prompts mediante el servidor MCP `developers.openai.com`. La skill gestiona la selección de modelos, la migración de modelos de API y la guía de actualización de prompts, siguiendo una estricta jerarquía de fuentes: primero el manual de Codex para preguntas sobre el propio Codex, luego las herramientas MCP de documentación de OpenAI y, como último recurso, la búsqueda web en dominios oficiales. También incluye un flujo específico para resolver el modelo más reciente, distinguiendo entre preguntas de selección pura de modelo y solicitudes que implican cambios, y preserva los modelos objetivo explícitos solicitados por el usuario. La skill es compatible con sistemas POSIX y Windows, ejecutando un comando de resolución que devuelve JSON con el modelo, la URL de la guía de migración y la URL de la guía de prompting.

Compatible con~Claude Code✓Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/.system/openai-docs

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

OpenAI Docs

Proporciona orientación autorizada y actualizada de los documentos de desarrollador de OpenAI utilizando el servidor MCP developers.openai.com. "Docs MCP" significa mcp__openaiDeveloperDocs__search_openai_docs y mcp__openaiDeveloperDocs__fetch_openai_doc; para preguntas sobre referencias de API, esquemas, parámetros o campos obligatorios, usa también mcp__openaiDeveloperDocs__get_openapi_spec cuando esté disponible. La búsqueda web en dominios oficiales es el respaldo después de que esas herramientas no estén disponibles o no sean útiles. Las preguntas amplias sobre Codex usan el ayudante del manual antes que Docs MCP. Esta skill también se encarga de la selección de modelos, la migración de modelos de API y la guía de actualización de prompts.

Configuración de la clave de API

Para solicitudes de construir, ejecutar, configurar, depurar o implementar una aplicación, script, CLI, generador o herramienta con respaldo de API, usa openai-platform-api-key primero cuando esté disponible. Después de que se resuelva esa puerta de credenciales, regresa aquí para obtener la documentación actualizada según sea necesario.

Usa esta skill directamente para preguntas solo de documentación, citas, guía de modelos/API, explicaciones conceptuales y ejemplos que no requieran construir o ejecutar un artefacto con respaldo de API.

Para solicitudes de migración de modelo o guía de prompts para el modelo más reciente/actual/predeterminado/no especificado, completa la resolución del modelo más reciente de solo lectura y la obtención de la guía antes de la puerta de credenciales de la clave de API. La puerta de credenciales aún bloquea las ediciones, pruebas e implementación con respaldo de API hasta que se resuelva; no bloquea la recuperación de solo lectura de la guía actual de modelo, migración o prompts.

Primera acción para cambios del modelo más reciente

Antes de leer la memoria, inspeccionar el repositorio, obtener documentación o verificar las credenciales de la API, clasifica la solicitud:

  • Guía de prompts para el modelo más reciente/actual, o cambio solicitado + objetivo más reciente/actual/nuevo/recomendado/predeterminado/emblema/no especificado: ejecuta inmediatamente el resolvedor con el comando específico de la plataforma a continuación e inspecciona su salida JSON. Esto incluye preguntar cómo hacer prompts para el modelo más reciente, cambiar prompts, un selector de modelos, referencias de modelos, una integración de SDK, reemplazar un modelo antiguo con nombre por "el modelo actual", o preguntar "¿a qué modelo debería migrar/actualizar?". No obtengas directamente latest-model.md para esta rama.
  • Pregunta de selección de modelo pura, sin guía de prompts ni cambio solicitado: obtén directamente https://developers.openai.com/api/docs/guides/latest-model.md; no ejecutes el resolvedor.
  • Cambio solicitado + modelo objetivo explícito: preserva ese objetivo; no ejecutes el resolvedor del modelo más reciente. Para una migración explícita a GPT-5.6 Sol o a la familia GPT-5.6, obtén la página de guía de modelo GPT-5.6 en vivo y lee references/upgrading-to-gpt-5p6-sol.md para el juicio de migración específico de la skill.
  • Guía de prompts o migración para un modelo de la familia GPT-5 explícitamente nombrado: obtén https://developers.openai.com/api/docs/guides/model-guidance?model=<modelo-solicitado> a través de Docs MCP y extrae la sección de migración relevante o la sección ## Prácticas recomendadas de prompts hasta el siguiente encabezado H2. No sustituyas la guía del modelo más reciente.

Ejecuta el resolvedor sin depender de los bits ejecutables del sistema de archivos:

  • Shells POSIX: sh <directorio-de-la-skill>/scripts/resolve-latest-model-info
  • Windows: ejecuta la implementación CommonJS con Node.js 18 o más reciente: node <directorio-de-la-skill>\scripts\resolve-latest-model-info.cjs. Si node no está disponible o es demasiado antiguo y load_workspace_dependencies está disponible, usa el ejecutable de Node.js que devuelve para este comando. No intentes ejecutar el envoltorio POSIX sin extensión directamente en Windows.

Para la rama del resolvedor, no suprimas ni redirijas su stdout. El éxito requiere JSON que contenga model, migrationGuideUrl y promptingGuideUrl; si el comando sale sin los tres campos, ejecútalo una vez más antes de cualquier respaldo.

Prioridad de fuentes

  • Para el conocimiento propio de Codex, usa la ruta de fuente de Codex a continuación; esta decide cuándo usar el ayudante del manual, Docs MCP o incertidumbre acotada.
  • Para preguntas de documentación de OpenAI que no sean de Codex, usa mcp__openaiDeveloperDocs__search_openai_docs para encontrar las páginas de documentación más relevantes.
  • Para preguntas de documentación de OpenAI que no sean de Codex, obtén la página relevante con mcp__openaiDeveloperDocs__fetch_openai_doc antes de responder. Si la búsqueda es ruidosa, ejecuta una búsqueda más específica de Docs MCP; cuando se conozca o encuentre una URL plausible de documentación oficial de OpenAI, intenta obtener esa URL a través de Docs MCP antes de confiar en el contenido de la búsqueda web.
  • Para preguntas sobre referencias de API, esquemas, parámetros o campos obligatorios, usa mcp__openaiDeveloperDocs__get_openapi_spec cuando esté disponible para verificar la forma de la API junto con la página de guía o referencia relevante.
  • Usa mcp__openaiDeveloperDocs__list_openai_docs solo cuando necesites navegar o descubrir páginas que no sean de Codex sin una consulta clara.
  • Para la guía de prompts más reciente/actual, actualizaciones de modelo o actualizaciones de prompts, aplica el clasificador de primera acción anterior y usa su comando de resolvedor específico de la plataforma. En POSIX, el envoltorio usa un runtime compatible de Node.js 18+ desde $NODE, PATH, o respaldos del sistema/empaquetados. En Windows, usa un ejecutable compatible de Node.js para ejecutar la implementación .cjs directamente. Si no hay un runtime compatible disponible, llama a load_workspace_dependencies cuando esté disponible y reintenta el comando apropiado una vez con el ejecutable de Node.js devuelto.
  • Para preguntas de selección de modelo solo de documentación que no soliciten cambiar una aplicación, proyecto, repositorio, configuración de modelo o prompts, obtén primero https://developers.openai.com/api/docs/guides/latest-model.md. Si eso no está disponible, carga references/latest-model.md.
  • Preserva las solicitudes de objetivo explícitas: si el usuario nombra un modelo objetivo como "migrar a GPT-5.4", mantén ese objetivo solicitado incluso si latest-model.md nombra un modelo más nuevo. Menciona la guía más nueva solo como opcional.
  • Si se necesita la guía remota actual, trata las URL de guía de migración y prompts devueltas como opacas y obtén esas URL exactas directamente. No derives, sustituyas ni agregues una consulta de modelo a ellas. Si una URL de guía de prompts se resuelve en una página combinada de guía de modelo, extrae solo la sección ## Prácticas recomendadas de prompts hasta el siguiente encabezado H2. Si una guía obtenida contiene solo un título o ningún cuerpo sustancial, reintenta la URL exacta de markdown a través de MCP/respaldo de búsqueda; si eso también falla, usa las referencias de respaldo empaquetadas y revela el respaldo.

Instantáneas de productos de OpenAI

  1. Apps SDK: Construye aplicaciones de ChatGPT proporcionando una interfaz de usuario de componente web y un servidor MCP que expone las herramientas de tu aplicación a ChatGPT.
  2. Respuestas API: Un endpoint unificado diseñado para interacciones stateful, multimodales y que utilizan herramientas en flujos de trabajo agénticos.
  3. Chat Completions API: Genera una respuesta del modelo a partir de una lista de mensajes que componen una conversación.
  4. Codex: El agente de codificación de OpenAI para el desarrollo de software que puede escribir, entender, revisar y depurar código.
  5. gpt-oss: Modelos de razonamiento de OpenAI de peso abierto (gpt-oss-120b y gpt-oss-20b) lanzados bajo la licencia Apache 2.0.
  6. Realtime API: Construye experiencias multimodales de baja latencia, incluyendo conversaciones naturales de voz a voz.
  7. Agents SDK: Un kit de herramientas para construir aplicaciones agénticas donde un modelo puede usar herramientas y contexto, delegar a otros agentes, transmitir resultados parciales y mantener un seguimiento completo.

Conocimiento propio de Codex

Usa esta ruta para preguntas sobre Codex mismo: configuración, extensión, operación, resolución de problemas, estado local, superficies de producto, o dónde debería residir el comportamiento de Codex. Una base de código que simplemente mencione un plugin, skill, hook, servidor MCP, navegador o automatización no es suficiente. Para tareas de software genéricas, responde la tarea de software directamente; si se pregunta si el conocimiento propio de Codex aplica, responde esa pregunta meta brevemente y continúa con el artefacto solicitado.

Ruta de fuentes

El manual de Codex es la primera fuente para la síntesis amplia de Codex. Trata el manual y Docs MCP como carriles diferentes, no fuentes de documentación oficial intercambiables. Para respuestas de productos de Codex para usuarios publicados, la ruta de fuentes está completa: el manual, Docs MCP cuando esta ruta lo requiera, respaldo web oficial de OpenAI, y capacidades invocables expuestas en la sesión actual cuando la pregunta es sobre esa capacidad. Las bases de conocimiento fuera de developers.openai.com están fuera de esta ruta para respuestas de productos públicos.

Para preguntas amplias sobre el comportamiento de Codex, configuración, personalización, skills, plugins, MCP, hooks, AGENTS.md, automatizaciones, superficies, estado local o mapa del sistema:

  1. Reutiliza una ruta de manual y esquema del mismo hilo cuando aún esté fresca.
  2. De lo contrario, ejecuta primero el ayudante local de la skill en sesiones normales de escritura. Omítelo sin intentarlo solo cuando la sesión sea explícitamente de solo lectura, la ejecución del shell no esté disponible, o la política visible no muestre ningún caché temporal permitido.
  3. Por defecto, el ayudante elige el primer directorio de caché temporal utilizable en este orden: $TMPDIR/openai-docs-cache, %TEMP%\openai-docs-cache, %TMP%\openai-docs-cache, /private/tmp/openai-docs-cache, luego /tmp/openai-docs-cache. El acceso de solo escritura al espacio de trabajo no es suficiente para este caché temporal.
  4. Ejecuta el ayudante directamente a menos que necesites anular el directorio de caché. El ayudante recurre a curl cuando fetch nativo no está disponible o cuando hay variables de entorno de proxy presentes, por lo que no se requiere un prefijo de proxy específico del shell. Resuelve <directorio-de-la-skill> al directorio real de esta skill; en directorios de trabajo de evaluación local copiados, esto suele ser .codex/skills/openai-docs:
node <directorio-de-la-skill>/scripts/fetch-codex-manual.mjs

Si necesitas anular el directorio de caché, pasa --cache-dir <directorio-de-cache>. En Windows, el ayudante verifica %TEMP% y %TMP% automáticamente; en PowerShell, $env:TEMP\openai-docs-cache es una anulación explícita típica.

Trata la disponibilidad del ayudante como establecida por una política explícita de solo lectura/sin shell o un resultado de comando real. Un sandbox adivinado o una falla adivinada del ayudante no es suficiente para cambiar a Docs MCP o búsqueda web; después de una falla real del comando del ayudante, continúa con la siguiente fuente oficial más específica a continuación.

El ayudante verifica la frescura, escribe codex-manual.md y emite codex-manual.outline.md. El esquema mapea las páginas de origen y los encabezados a rangos de líneas; úsalo para elegir la sección relevante del manual, luego lee o busca secciones específicas del manual para obtener hechos del producto Codex. Usa el directorio de la skill para localizar y ejecutar el ayudante; después de que el ayudante tenga éxito, usa las rutas del manual y el esquema devueltas como el alcance de búsqueda para los hechos del producto Codex y las verificaciones de cobertura de términos.

Reutiliza las rutas del manual y el esquema del mismo hilo para preguntas de seguimiento sobre Codex. Actualiza primero cuando el manual se haya obtenido hace más de aproximadamente un día, la ruta no sea utilizable, la ruta provenga de otro hilo o de procedencia incierta, o falte información probablemente actual y la caducidad sea plausible.

Para preguntas sobre si el manual es lo suficientemente actual para confiar en él ahora, ejecuta el ayudante cuando el almacenamiento en caché temporal esté permitido y basa la respuesta en su estado devuelto, la ruta del manual y la ruta del esquema.

Si el manual resuelve una afirmación sobre Codex, responde a partir de él y deja de expandir fuentes para esa afirmación; continúa la tarea más amplia del usuario si la búsqueda de documentación fue solo una dependencia. Las páginas de origen del manual y los anclajes conocidos son suficiente soporte de citas para el material cubierto por el manual.

Si el ayudante se omite porque la sesión es de solo lectura, no tiene ejecución de shell o no tiene caché temporal permitido, la siguiente fuente es Docs MCP: llama a mcp__openaiDeveloperDocs__search_openai_docs, luego a mcp__openaiDeveloperDocs__fetch_openai_doc para un resultado relevante antes de cualquier respaldo web.

Si un usuario nombra un término o modo de Codex que un manual fresco no utiliza, busca en el manual conceptos adyacentes obvios, luego responde que el término exacto no está documentado y usa la terminología documentada más cercana. Si el prompt pregunta cómo se mapea ese término al comportamiento de Codex, resuelve el mapeo a partir de secciones adyacentes del manual. Si el término exacto sigue siendo material o probablemente actual después de esa pasada del manual, usa una búsqueda/obtención específica de Docs MCP antes de la incertidumbre acotada; de lo contrario, la búsqueda de fuentes para esa terminología o afirmación de mapeo está completa.

Usa la siguiente fuente oficial más específica solo cuando el manual no esté disponible, el ayudante falle, el almacenamiento en caché temporal no esté permitido, falte otra afirmación material o esté probablemente desactualizada, o el usuario necesite explícitamente una cita de página específica. Prefiere una búsqueda específica de Docs MCP y, si devuelve una página claramente relevante, una obtención; para nombres de capacidades de Codex no resueltos, acrónimos, términos de programación o texto de error exacto, este paso de Docs MCP es la siguiente fuente antes de la búsqueda web. Después del manual más cualquier relleno de brechas permitido de Docs MCP, resuelve las brechas restantes como incertidumbre acotada. Usa el respaldo web de dominio oficial solo después de que esa ruta de Docs MCP no esté disponible o no sea útil. Si la afirmación aún no está establecida, detente con incertidumbre acotada. Si la documentación oficial/el manual entran en conflicto con una capacidad invocable ya expuesta en la sesión actual, declara el conflicto y prefiere el comportamiento verificado de la sesión actual para ese entorno.

Para slugs de modelo no documentados o de aspecto privado, etiquetas de modo de producto, etiquetas de derecho, rutas de acceso a cuentas o nombres de implementación, responde a partir de la documentación pública actual y la incertidumbre acotada. Esas etiquetas no son una razón para salir de la ruta de fuentes públicas.

Para diagnósticos de estilo de soporte, prefiere una respuesta capa por capa del manual sobre las búsquedas web específicas del proveedor: plugin instalado/habilitado, autorización de aplicación o conector empaquetado, configuración de MCP, política de espacio de trabajo/administrador, reinicio o expectativas de nuevo hilo, luego soporte o comentarios si aún no se resuelve.

Si la ruta de fuentes aún no establece una afirmación, devuelve incertidumbre acotada o dirige a soporte, un administrador o comentarios del producto en lugar de ampliar la investigación.

Para terminología de producto no resuelta, responde a partir del manual más la siguiente fuente oficial permitida. Si esas fuentes no establecen el término, responde con incertidumbre acotada a partir de esas fuentes.

Mapa de superficies

Cuando los sustantivos de Codex o las superficies de instrucción duradera se superponen, recomienda la superficie más pequeña que coincida con el alcance:

  • Contexto de prompt o hilo -> restricciones de tarea únicas.
  • AGENTS.md -> convenciones duraderas del repositorio, comandos, pasos de verificación y expectativas de revisión; los archivos anidados más cercanos se aplican bajo su subárbol.
  • Proyecto .codex/config.toml -> ajustes de comportamiento del agente a nivel de proyecto. No produce instrucciones directamente.
  • Hooks de git -> acciones que se ejecutan en eventos de git; las plantillas de hooks compartibles normalmente se definen en AGENTS.md o en la configuración.

[truncado para la traducción]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agent-inbox

File-based inter-agent messaging with headless dispatch. Check inbox, send bugs/requests to other projects, automatically spawn headless agents to fix bugs, and track progress via task-monitor.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/agent-status

Artifact-driven status surfaces for long-running project-agent work. Maintains status.json, events.jsonl, proof manifests, and a stale-aware STATUS.html so humans can tell where the agent is, what passed, what is still unproven, and what decision or action is next — without dashboard theater.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/argue

Multi-persona structured debate orchestrator. Personas research via /dogpile, consult colleagues via /ask, and argue toward nuanced synthesis on complex questions.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/ask

Use when the user asks to query project memory, ask an oracle, use supported browser-backed reviewers, run Tau roundtable/single-handler workflows, ask Pi-native subagents from within Pi, run persona/deep-review workflows, generate image prompts, check OS/project health through composed skills, or run an ask DAG. This skill is the executable /ask runtime; do not replace it with an informal subagent, plain web search, or hand-written review; inside Pi, explicit Pi-native subagent targets are routed through the pi-subagents tool as an Ask target type.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

Skills relacionados