Communitygithub.com

grahama1970/openai-docs

Utilisez lorsque l'utilisateur demande comment construire avec les produits ou API OpenAI, s'interroge sur Codex lui-même ou le choix des surfaces Codex, a besoin d'une documentation officielle à jour avec des citations, d'aide pour choisir le dernier modèle pour un cas d'usage, de conseils sur les modèles les plus récents/actuels/par défaut, ou de conseils de mise à niveau de modèle et de prompt ; utilisez les outils MCP des docs OpenAI pour les questions non liées à Codex, utilisez d'abord l'assistant manuel de Codex pour les connaissances générales sur Codex, et limitez la recherche web de secours aux domaines officiels d'OpenAI.

Qu'est-ce que openai-docs ?

Cette compétence fournit des conseils et une documentation autorisés et à jour sur les API et produits OpenAI, en utilisant le serveur MCP `developers.openai.com`. Elle est essentielle pour les développeurs qui utilisent les API d'OpenAI (Chat Completions, Responses, Realtime, Agents) et qui ont besoin d'informations précises sur les modèles, les paramètres, les schémas et les exemples de code. La compétence inclut une logique sophistiquée pour gérer les questions de sélection de modèle, de migration et de mise à niveau des prompts, en exécutant un résolveur dédié pour déterminer le dernier modèle et ses guides associés. Pour les questions sur Codex lui-même, elle utilise un assistant manuel local ; pour les autres sujets OpenAI, elle interroge directement la documentation via les outils MCP. Cette compétence fonctionne sur les plateformes Claude Code, Cursor et autres agents compatibles MCP, avec une configuration spéciale pour les clés API et la gestion des caches temporaires.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Documentation OpenAI

Fournit des conseils autorisés et à jour à partir de la documentation développeur d'OpenAI en utilisant le serveur MCP developers.openai.com. "Docs MCP" signifie mcp__openaiDeveloperDocs__search_openai_docs et mcp__openaiDeveloperDocs__fetch_openai_doc ; pour les questions sur la référence API, les schémas, les paramètres ou les champs obligatoires, utilisez également mcp__openaiDeveloperDocs__get_openapi_spec lorsque disponible. La recherche web sur les domaines officiels est un recours après que ces outils soient indisponibles ou non utiles. Les questions générales sur Codex utilisent l'assistant manuel avant le Docs MCP. Cette compétence gère également la sélection de modèles, la migration d'API et les conseils de mise à niveau de prompts.

Configuration de la clé API

Pour les demandes de construction, d'exécution, de configuration, de débogage ou de mise en œuvre d'une application, d'un script, d'une CLI, d'un générateur ou d'un outil utilisant une API, utilisez d'abord openai-platform-api-key lorsqu'il est disponible. Une fois cette vérification d'identifiants résolue, revenez ici pour obtenir la documentation à jour si nécessaire.

Utilisez cette compétence directement pour les questions uniquement documentaires, les citations, les conseils sur les modèles/API, les explications conceptuelles et les exemples qui ne nécessitent pas de construire ou d'exécuter un artefact utilisant une API.

Pour les demandes de migration de modèle ou de conseils de prompt les plus récents/actuels/par défaut/non spécifiés, exécutez le résolveur de dernier modèle en lecture seule et récupérez le guide avant la vérification des identifiants API. La vérification des identifiants bloque toujours les modifications, les tests et l'implémentation utilisant une API jusqu'à ce qu'elle soit résolue ; elle ne bloque pas la récupération en lecture seule des conseils sur le modèle actuel, la migration ou les prompts.

Première action pour les changements de dernier modèle

Avant de lire la mémoire, d'inspecter le dépôt, de récupérer la documentation ou de vérifier les identifiants API, classez la demande :

  • Conseils de prompt les plus récents/actuels, ou changement demandé + cible la plus récente/actuelle/nouvelle/recommandée/par défaut/phare/non spécifiée : exécutez immédiatement le résolveur avec la commande spécifique à la plateforme ci-dessous et inspectez sa sortie JSON. Cela inclut la demande de savoir comment utiliser le dernier modèle, de modifier des prompts, un sélecteur de modèle, des références de modèle, une intégration SDK, le remplacement d'un modèle nommé plus ancien par "le modèle actuel", ou la question "vers quel modèle dois-je migrer/mettre à niveau ?". Ne récupérez pas directement latest-model.md pour cette branche.
  • Question pure de sélection de modèle uniquement, sans conseils de prompt ni changement demandé : récupérez directement https://developers.openai.com/api/docs/guides/latest-model.md ; n'exécutez pas le résolveur.
  • Changement demandé + modèle cible explicite : conservez cette cible ; n'exécutez pas le résolveur de dernier modèle. Pour une migration explicite vers GPT-5.6 Sol ou la famille GPT-5.6, récupérez la page de conseils de modèle GPT-5.6 en direct et lisez references/upgrading-to-gpt-5p6-sol.md pour le jugement de migration spécifique à la compétence.
  • Conseils de prompt ou de migration pour un modèle nommé explicitement de la famille GPT-5 : récupérez https://developers.openai.com/api/docs/guides/model-guidance?model=<modèle-demandé> via le Docs MCP et extrayez la section de migration pertinente ou la section ## Meilleures pratiques de prompt jusqu'au prochain en-tête H2. Ne substituez pas les conseils du dernier modèle.

Exécutez le résolveur sans vous fier aux bits exécutables du système de fichiers :

  • Shells POSIX : sh <répertoire-compétence>/scripts/resolve-latest-model-info
  • Windows : exécutez l'implémentation CommonJS avec Node.js 18 ou plus récent : node <répertoire-compétence>\scripts\resolve-latest-model-info.cjs. Si node est indisponible ou trop ancien et que load_workspace_dependencies est disponible, utilisez l'exécutable Node.js qu'il retourne pour cette commande. N'essayez pas d'exécuter directement le wrapper POSIX sans extension sur Windows.

Pour la branche du résolveur, ne supprimez pas et ne redirigez pas sa sortie standard. Le succès nécessite un JSON contenant model, migrationGuideUrl et promptingGuideUrl ; si la commande se termine sans les trois champs, exécutez-la une fois de plus avant tout recours.

Priorité des sources

  • Pour les connaissances sur Codex lui-même, utilisez la route source Codex ci-dessous ; elle décide quand utiliser l'assistant manuel, le Docs MCP ou l'incertitude bornée.
  • Pour les questions sur la documentation OpenAI non liées à Codex, utilisez mcp__openaiDeveloperDocs__search_openai_docs pour trouver les pages de documentation les plus pertinentes.
  • Pour les questions sur la documentation OpenAI non liées à Codex, récupérez la page pertinente avec mcp__openaiDeveloperDocs__fetch_openai_doc avant de répondre. Si la recherche est bruyante, effectuez une recherche Docs MCP plus ciblée ; lorsqu'une URL plausible de documentation officielle OpenAI est connue ou trouvée, essayez de récupérer cette URL via le Docs MCP avant de vous fier au contenu de la recherche web.
  • Pour les questions sur la référence API, les schémas, les paramètres ou les champs obligatoires, utilisez mcp__openaiDeveloperDocs__get_openapi_spec lorsqu'il est disponible pour vérifier la forme de l'API en complément de la page de guide ou de référence pertinente.
  • Utilisez mcp__openaiDeveloperDocs__list_openai_docs uniquement lorsque vous devez parcourir ou découvrir des pages non liées à Codex sans requête claire.
  • Pour les conseils de prompt les plus récents/actuels, les mises à niveau de modèle ou les mises à niveau de prompt, appliquez le classificateur de première action ci-dessus et utilisez sa commande de résolveur spécifique à la plateforme. Sur POSIX, le wrapper utilise un runtime Node.js 18+ compatible depuis $NODE, PATH, ou des recours groupés/système. Sur Windows, utilisez un exécutable Node.js compatible pour exécuter directement l'implémentation .cjs. Si aucun runtime compatible n'est disponible, appelez load_workspace_dependencies lorsqu'il est disponible et réessayez la commande appropriée une fois avec l'exécutable Node.js retourné.
  • Pour les questions de sélection de modèle uniquement documentaires qui ne demandent pas de modifier une application, un projet, un dépôt, une configuration de modèle ou des prompts, récupérez d'abord https://developers.openai.com/api/docs/guides/latest-model.md. Si cela est indisponible, chargez references/latest-model.md.
  • Préservez les demandes de cible explicite : si l'utilisateur nomme un modèle cible comme "migrer vers GPT-5.4", conservez cette cible demandée même si latest-model.md nomme un modèle plus récent. Mentionnez les conseils plus récents uniquement en option.
  • Si des conseils distants actuels sont nécessaires, traitez les URLs des guides de migration et de prompt retournées comme opaques et récupérez ces URLs exactes directement. Ne dérivez, ne substituez et n'ajoutez pas de requête de modèle à celles-ci. Si une URL de guide de prompt aboutit à une page de conseils de modèle combinée, extrayez uniquement la section ## Meilleures pratiques de prompt jusqu'au prochain en-tête H2. Si un guide récupéré ne contient qu'un titre ou aucun corps substantiel, réessayez l'URL exacte du markdown via MCP/recours de recherche ; si cela échoue également, utilisez les références de recours groupées et divulguez le recours.

Aperçus des produits OpenAI

  1. SDK Apps : Construisez des applications ChatGPT en fournissant une interface utilisateur de composant web et un serveur MCP qui expose les outils de votre application à ChatGPT.
  2. API Responses : Un point de terminaison unifié conçu pour des interactions stateful, multimodales et utilisant des outils dans des flux de travail agentiques.
  3. API Chat Completions : Générez une réponse de modèle à partir d'une liste de messages composant une conversation.
  4. Codex : L'agent de codage d'OpenAI pour le développement logiciel qui peut écrire, comprendre, réviser et déboguer du code.
  5. gpt-oss : Modèles de raisonnement OpenAI à poids ouverts (gpt-oss-120b et gpt-oss-20b) publiés sous licence Apache 2.0.
  6. API Realtime : Construisez des expériences multimodales à faible latence, y compris des conversations vocales naturelles.
  7. SDK Agents : Une boîte à outils pour construire des applications agentiques où un modèle peut utiliser des outils et du contexte, passer à d'autres agents, diffuser des résultats partiels et conserver une trace complète.

Connaissances sur Codex

Utilisez ce chemin pour les questions sur Codex lui-même : configuration, extension, fonctionnement, dépannage, état local, surfaces produit, ou là où le comportement de Codex devrait résider. Une simple mention d'un plugin, skill, hook, serveur MCP, navigateur ou automatisation dans une base de code ne suffit pas. Pour les tâches logicielles génériques, répondez directement à la tâche logicielle ; si on vous demande si les connaissances sur Codex s'appliquent, répondez brièvement à cette question méta et continuez l'artefact demandé.

Route source

Le manuel Codex est la première source pour une synthèse large de Codex. Considérez le manuel et le Docs MCP comme des voies différentes, non interchangeables en tant que sources de documentation officielle. Pour les réponses sur les produits Codex destinés aux utilisateurs publiés, la route source est complète : le manuel, le Docs MCP lorsque cette route l'exige, le recours web officiel d'OpenAI, et les capacités appelables apparues dans la session en cours lorsque la question porte sur cette capacité. Les bases de connaissances en dehors de developers.openai.com sont en dehors de cette route pour les réponses sur les produits publics.

Pour les questions générales sur le comportement, la configuration, la personnalisation, les compétences, les plugins, MCP, les hooks, AGENTS.md, les automations, les surfaces, l'état local ou la carte système de Codex :

  1. Réutilisez un chemin de manuel et de plan dans le même fil lorsqu'il est encore frais.
  2. Sinon, exécutez d'abord l'assistant local de la compétence dans les sessions normales en écriture. Sautez-le sans essayer uniquement lorsque la session est explicitement en lecture seule, que l'exécution du shell est indisponible, ou que la politique visible n'affiche aucun cache temporaire autorisé.
  3. Par défaut, l'assistant choisit le premier répertoire de cache temporaire utilisable dans cet ordre : $TMPDIR/openai-docs-cache, %TEMP%\openai-docs-cache, %TMP%\openai-docs-cache, /private/tmp/openai-docs-cache, puis /tmp/openai-docs-cache. L'accès en écriture uniquement à l'espace de travail ne suffit pas pour ce cache temporaire.
  4. Exécutez l'assistant directement sauf si vous devez remplacer le répertoire de cache. L'assistant utilise curl en recours lorsque fetch natif est indisponible ou lorsque des variables d'environnement de proxy sont présentes, donc aucun préfixe de proxy spécifique au shell n'est requis. Résolvez <répertoire-compétence> en répertoire réel de cette compétence ; dans les répertoires de travail d'évaluation locale copiés, il s'agit généralement de .codex/skills/openai-docs :
node <répertoire-compétence>/scripts/fetch-codex-manual.mjs

Si vous devez remplacer le répertoire de cache, passez --cache-dir <répertoire-cache>. Sur Windows, l'assistant vérifie %TEMP% et %TMP% automatiquement ; dans PowerShell, $env:TEMP\openai-docs-cache est un remplacement explicite typique.

Considérez la disponibilité de l'assistant comme établie par une politique explicite de lecture seule/sans shell ou par un résultat de commande réel. Une supposition de sandbox ou d'échec de l'assistant ne suffit pas pour passer au Docs MCP ou à la recherche web ; après un échec réel de la commande de l'assistant, continuez vers la source officielle la plus étroite suivante ci-dessous.

L'assistant vérifie la fraîcheur, écrit codex-manual.md et émet codex-manual.outline.md. Le plan mappe les pages source et les en-têtes aux plages de lignes ; utilisez-le pour choisir la section pertinente du manuel, puis lisez ou recherchez des sections ciblées du manuel pour les faits sur le produit Codex. Utilisez le répertoire de la compétence pour localiser et exécuter l'assistant ; après la réussite de l'assistant, utilisez les chemins du manuel et du plan retournés comme périmètre de recherche pour les faits sur le produit Codex et les vérifications de couverture des termes.

Réutilisez les chemins du manuel et du plan du même fil pour les questions de suivi sur Codex. Rafraîchissez d'abord lorsque le manuel a été récupéré il y a plus d'environ un jour, que le chemin est inutilisable, que le chemin provient d'un autre fil ou d'une provenance incertaine, ou que des informations probablement actuelles sont manquantes et que l'obsolescence est plausible.

Pour les questions sur le fait que le manuel soit suffisamment à jour pour être fiable maintenant, exécutez l'assistant lorsque la mise en cache temporaire est autorisée et basez la réponse sur son statut retourné, le chemin du manuel et le chemin du plan.

Si le manuel résout une affirmation sur Codex, répondez à partir de celui-ci et cessez d'étendre les sources pour cette affirmation ; continuez la tâche plus large de l'utilisateur si la recherche documentaire n'était qu'une dépendance. Les pages source du manuel et les ancres connues sont un support de citation suffisant pour le matériel couvert par le manuel.

Si l'assistant est ignoré parce que la session est en lecture seule, sans exécution de shell ou sans cache temporaire autorisé, la source suivante est le Docs MCP : appelez mcp__openaiDeveloperDocs__search_openai_docs, puis mcp__openaiDeveloperDocs__fetch_openai_doc pour un résultat pertinent avant tout recours web.

Si un utilisateur nomme un terme ou un mode Codex qu'un manuel frais n'utilise pas, recherchez dans le manuel des concepts adjacents évidents, puis répondez que le terme exact n'est pas documenté et utilisez la terminologie documentée la plus proche. Si le prompt demande comment ce terme correspond au comportement de Codex, résolvez la correspondance à partir des sections adjacentes du manuel. Si le terme exact reste substantiel ou probablement actuel après ce passage dans le manuel, utilisez une recherche/récupération Docs MCP étroite avant l'incertitude bornée ; sinon, la recherche source pour cette terminologie ou affirmation de correspondance est terminée.

Utilisez la source officielle suivante la plus étroite uniquement lorsque le manuel est indisponible, que l'assistant échoue, que la mise en cache temporaire n'est pas autorisée, qu'une autre affirmation substantielle est manquante ou probablement obsolète, ou que l'utilisateur a explicitement besoin d'une citation spécifique à une page. Préférez une recherche Docs MCP spécifique et, si elle retourne une page clairement pertinente, une récupération ; pour les noms de capacités Codex non résolus, les acronymes, les termes de planification ou le texte d'erreur exact, cette étape Docs MCP est la source suivante avant la recherche web. Après le manuel plus tout complément Docs MCP autorisé, résolvez les lacunes restantes comme incertitude bornée. Utilisez le recours web sur les domaines officiels uniquement après que le chemin Docs MCP soit indisponible ou non utile. Si l'affirmation n'est toujours pas établie, arrêtez-vous avec l'incertitude bornée. Si la documentation/le manuel officiel entre en conflit avec une capacité appelable déjà apparue dans la session en cours, indiquez le conflit et préférez le comportement vérifié de la session en cours pour cet environnement.

Pour les slugs de modèle non documentés ou d'apparence privée, les étiquettes de mode produit, les étiquettes de droits, les chemins d'accès au compte ou les noms de déploiement, répondez à partir de la documentation publique actuelle et de l'incertitude bornée. Ces étiquettes ne sont pas une raison de quitter la route source publique.

Pour les diagnostics de type support, préférez une réponse couche par couche à partir du manuel plutôt que des recherches web spécifiques au fournisseur : plugin installé/activé, autorisation d'application ou de connecteur groupé, configuration MCP, politique d'espace de travail/administrateur, redémarrage ou attentes de nouveau fil, puis support ou retour d'information si toujours non résolu.

Si la route source n'établit toujours pas une affirmation, retournez l'incertitude bornée ou redirigez vers le support, un administrateur ou les retours produit au lieu d'élargir l'investigation.

Pour la terminologie produit non résolue, répondez à partir du manuel plus la source officielle suivante autorisée. Si ces sources n'établissent pas le terme, répondez avec l'incertitude bornée à partir de ces sources.

Carte des surfaces

Lorsque les noms Codex ou les surfaces d'instructions durables se chevauchent, recommandez la plus petite surface qui correspond à la portée :

  • Contexte de prompt ou de fil -> contraintes de tâche ponctuelles.
  • AGENTS.md -> conventions durables du dépôt, commandes, étapes de vérification et attentes de révision ; les fichiers imbriqués plus proches s'appliquent sous leur sous-arbre.
  • Projet .codex/config.toml ->

...

[Le contenu a été tronqué lors de la traduction]

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 associés