Communitygithub.com

grahama1970/openai-docs

ユーザーがOpenAI製品やAPIの使用方法、Codex自体またはCodex表面の選択方法、最新の公式ドキュメントを引用付きで必要とする場合、ユースケースに最適なモデルの選択、最新/現在/デフォルトのモデルのプロンプトガイダンス、モデル移行やプロンプトアップグレードのガイダンスを提供する際に使用します。Codex以外のドキュメント質問にはOpenAI Docs MCPツールを使用し、Codexの広範な自己知識にはまずCodexマニュアルヘルパーを使用し、フォールバックブラウジングは公式OpenAIドメインに制限します。

openai-docs とは?

このスキルは、OpenAIの開発者ドキュメントに関する権威ある最新情報を提供します。主に`developers.openai.com`のMCPサーバー(Docs MCP)を利用し、`search_openai_docs`と`fetch_openai_doc`というツールを使用して、関連するドキュメントページを検索・取得します。APIリファレンスやスキーマ、パラメータに関する質問には、利用可能な場合`get_openapi_spec`も使用します。このスキルは、モデル選択、APIモデル移行、プロンプトアップグレードのガイダンスも担当します。最新モデルへの変更リクエストがある場合は、プラットフォーム固有のリゾルバーコマンドを実行してJSON出力を確認し、その情報に基づいて適切なガイダンスを提供します。Codex自体に関する質問には、まずCodexマニュアルヘルパーを実行し、マニュアルとDocs MCPを組み合わせて回答します。すべてのソースが利用できない場合や役に立たない場合にのみ、公式OpenAIドメインへのWeb検索をフォールバックとして使用します。

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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

OpenAI Docs

OpenAI 開発者ドキュメントから、信頼できる最新のガイダンスを developers.openai.com MCP サーバーを使用して提供します。"Docs MCP" は mcp__openaiDeveloperDocs__search_openai_docs と mcp__openaiDeveloperDocs__fetch_openai_doc を指します。API リファレンス、スキーマ、パラメータ、必須フィールドに関する質問には、利用可能な場合は mcp__openaiDeveloperDocs__get_openapi_spec も使用してください。公式ドメインの Web 検索は、これらのツールが利用できないか役に立たない場合のフォールバックです。広範な Codex の質問には、Docs MCP の前にマニュアルヘルパーを使用します。このスキルは、モデル選択、API モデル移行、プロンプトアップグレードのガイダンスも担当します。

API キーのセットアップ

API を利用したアプリ、スクリプト、CLI、ジェネレーター、ツールの構築、実行、設定、デバッグ、実装のリクエストには、利用可能な場合は最初に openai-platform-api-key を使用します。そのクレデンシャルゲートが解決された後、必要に応じて最新のドキュメントを確認するためにここに戻ります。

このスキルは、API を利用したアーティファクトの構築や実行を必要としない、ドキュメントのみの質問、引用、モデル/API ガイダンス、概念説明、例に直接使用します。

最新/現在/デフォルト/未指定のモデル移行またはプロンプトガイダンスのリクエストについては、API キーのクレデンシャルゲートの前に、読み取り専用の最新モデルリゾルバーとガイドのフェッチを完了します。クレデンシャルゲートは、編集、テスト、API を利用した実装を引き続きブロックしますが、現在のモデル、移行、またはプロンプトガイダンスの読み取り専用取得はブロックしません。

最新モデル変更の最初のアクション

メモリの読み取り、リポジトリの検査、ドキュメントのフェッチ、API クレデンシャルの確認の前に、リクエストを分類します。

  • 最新/現在のプロンプトガイダンス、または変更リクエスト + 最新/現在/最新/推奨/デフォルト/フラッグシップ/未指定のターゲット: すぐにプラットフォーム固有のコマンドでリゾルバーを実行し、その JSON 出力を検査します。これには、最新モデルのプロンプト方法の質問、プロンプトの変更、モデルピッカー、モデル参照、SDK 統合、古い名前付きモデルを「現在のモデル」に置き換える、または「どのモデルに移行/アップグレードすべきか」という質問が含まれます。このブランチでは latest-model.md を直接フェッチしないでください。
  • プロンプトガイダンスや変更リクエストのない、純粋なモデル選択の質問のみ: 直接 https://developers.openai.com/api/docs/guides/latest-model.md をフェッチします。リゾルバーは実行しないでください。
  • 変更リクエスト + 明示的なターゲットモデル: そのターゲットを保持します。最新モデルリゾルバーは実行しないでください。明示的な GPT-5.6 Sol または GPT-5.6 ファミリーへの移行の場合は、ライブの GPT-5.6 モデルガイダンスページをフェッチし、references/upgrading-to-gpt-5p6-sol.md を読んでスキル固有の移行判断を行います。
  • 明示的に名前が付けられた GPT-5 ファミリーモデルのプロンプトまたは移行ガイダンス: Docs MCP を介して https://developers.openai.com/api/docs/guides/model-guidance?model=<requested-model> をフェッチし、関連する移行セクションまたは ## Prompting Best Practices セクションを次の H2 見出しまで抽出します。最新モデルのガイダンスを代用しないでください。

リゾルバーは、ファイルシステムの実行可能ビットに依存せずに実行します。

  • POSIX シェル: sh <skill-dir>/scripts/resolve-latest-model-info
  • Windows: Node.js 18 以降で CommonJS 実装を実行します: node <skill-dir>\scripts\resolve-latest-model-info.cjs。node が利用できないか古すぎ、load_workspace_dependencies が利用可能な場合は、このコマンドに返された Node.js 実行可能ファイルを使用します。Windows では拡張子のない POSIX ラッパーを直接実行しようとしないでください。

リゾルバーブランチでは、その stdout を抑制したりリダイレクトしたりしないでください。成功するには、model、migrationGuideUrl、promptingGuideUrl を含む JSON が必要です。コマンドが 3 つのフィールドすべてなしで終了した場合は、フォールバックの前にリゾルバーをもう一度実行します。

ソースの優先順位

  • Codex の自己知識については、以下の Codex ソースルートを使用します。これは、マニュアルヘルパー、Docs MCP、または制限付き不確実性をいつ使用するかを決定します。
  • Codex 以外の OpenAI ドキュメントの質問には、mcp__openaiDeveloperDocs__search_openai_docs を使用して最も関連性の高いドキュメントページを見つけます。
  • Codex 以外の OpenAI ドキュメントの質問には、回答する前に mcp__openaiDeveloperDocs__fetch_openai_doc で関連ページをフェッチします。検索結果がノイズが多い場合は、より狭い Docs MCP 検索を実行します。もっともらしい公式 OpenAI ドキュメント URL が既知または見つかった場合は、Web 検索コンテンツに依存する前に、その URL を Docs MCP 経由でフェッチしてみてください。
  • API リファレンス、スキーマ、パラメータ、または必須フィールドの質問には、利用可能な場合は mcp__openaiDeveloperDocs__get_openapi_spec を使用して、関連するガイドやリファレンスページとともに API 形状を確認します。
  • 明確なクエリなしに Codex 以外のページを閲覧または発見する必要がある場合にのみ、mcp__openaiDeveloperDocs__list_openai_docs を使用します。
  • 最新/現在のプロンプトガイダンス、モデルアップグレード、またはプロンプトアップグレードについては、上記の最初のアクション分類子を適用し、そのプラットフォーム固有のリゾルバーコマンドを使用します。POSIX では、ラッパーは $NODE、PATH、またはバンドル/システムのフォールバックから互換性のある Node.js 18+ ランタイムを使用します。Windows では、互換性のある Node.js 実行可能ファイルを使用して .cjs 実装を直接実行します。互換性のあるランタイムが利用できない場合は、利用可能な場合は load_workspace_dependencies を呼び出し、返された Node.js 実行可能ファイルで適切なコマンドを 1 回再試行します。
  • アプリ、プロジェクト、リポジトリ、モデル構成、またはプロンプトの変更を要求しない、ドキュメントのみのモデル選択の質問については、最初に https://developers.openai.com/api/docs/guides/latest-model.md をフェッチします。それが利用できない場合は、references/latest-model.md をロードします。
  • 明示的なターゲットリクエストを保持します。ユーザーが「GPT-5.4 に移行」などのターゲットモデルを指定した場合、latest-model.md が新しいモデルを指定していても、その要求されたターゲットを維持します。新しいガイダンスはオプションとしてのみ言及します。
  • 現在のリモートガイダンスが必要な場合は、返された移行およびプロンプトガイダンス URL を不透明なものとして扱い、それらの正確な URL を直接フェッチします。それらからモデルクエリを導出、代用、または追加しないでください。プロンプトガイダンス URL が複合モデルガイダンスページに解決される場合は、## Prompting Best Practices セクションのみを次の H2 見出しまで抽出します。フェッチされたガイドにタイトルのみが含まれているか、実質的な本文がない場合は、MCP/検索フォールバックを通じて正確なマークダウン URL を再試行します。それも失敗した場合は、バンドルされたフォールバック参照を使用し、フォールバックであることを開示します。

OpenAI 製品スナップショット

  1. Apps SDK: Web コンポーネント UI と、アプリのツールを ChatGPT に公開する MCP サーバーを提供することで、ChatGPT アプリを構築します。
  2. Responses API: ステートフルでマルチモーダル、ツールを使用するエージェントワークフローのための統合エンドポイント。
  3. Chat Completions API: 会話を構成するメッセージのリストからモデル応答を生成します。
  4. Codex: コードを作成、理解、レビュー、デバッグできる、ソフトウェア開発のための OpenAI のコーディングエージェント。
  5. gpt-oss: Apache 2.0 ライセンスでリリースされた、オープンウェイトの OpenAI 推論モデル (gpt-oss-120b および gpt-oss-20b)。
  6. Realtime API: 自然な音声対話などの低遅延マルチモーダルエクスペリエンスを構築します。
  7. Agents SDK: モデルがツールとコンテキストを使用し、他のエージェントにハンドオフし、部分的な結果をストリーミングし、完全なトレースを保持できるエージェントアプリを構築するためのツールキット。

Codex 自己知識

Codex 自体に関する質問にはこのパスを使用します: 設定、拡張、操作、トラブルシューティング、ローカル状態、製品サーフェス、または Codex の動作が存在するべき場所。コードベースがプラグイン、スキル、フック、MCP サーバー、ブラウザ、または自動化に言及しているだけでは十分ではありません。一般的なソフトウェアタスクの場合は、ソフトウェアタスクに直接回答します。Codex 自己知識が適用されるかどうかを尋ねられた場合は、そのメタ質問に簡潔に回答し、要求されたアーティファクトを続行します。

ソースルート

Codex マニュアルは、広範な Codex 総合のための最初のソースです。マニュアルと Docs MCP を、互換性のない公式ドキュメントソースではなく、異なるレーンとして扱います。公開ユーザー向け Codex 製品の回答では、ソースルートは完全です: マニュアル、このルートが必要とする場合の Docs MCP、公式 OpenAI Web フォールバック、および質問がその機能に関する場合に現在のセッションで公開されている呼び出し可能機能。developers.openai.com 以外のナレッジベースは、公開製品回答のためのこのルートの範囲外です。

広範な Codex の動作、セットアップ、カスタマイズ、スキル、プラグイン、MCP、フック、AGENTS.md、自動化、サーフェス、ローカル状態、またはシステムマップの質問の場合:

  1. 同じスレッドのマニュアルとアウトラインパスがまだ新しい場合は、それを再利用します。
  2. それ以外の場合は、通常の書き込み可能なセッションで最初にスキルローカルヘルパーを実行します。セッションが明示的に読み取り専用であるか、シェル実行が利用できないか、表示可能なポリシーが許可された一時キャッシュを表示しない場合にのみ、試行せずにスキップします。
  3. デフォルトでは、ヘルパーはこの順序で最初に使用可能な一時キャッシュディレクトリを選択します: $TMPDIR/openai-docs-cache、%TEMP%\openai-docs-cache、%TMP%\openai-docs-cache、/private/tmp/openai-docs-cache、次に /tmp/openai-docs-cache。ワークスペースのみの書き込みアクセスは、この一時キャッシュには十分ではありません。
  4. キャッシュディレクトリをオーバーライドする必要がない限り、ヘルパーを直接実行します。ヘルパーは、ネイティブの fetch が利用できない場合やプロキシ環境変数が存在する場合に curl にフォールバックするため、シェル固有のプロキシプレフィックスは必要ありません。<skill-dir> をこのスキルの実際のディレクトリに解決します。コピーされたローカル評価作業ディレクトリでは、これは通常 .codex/skills/openai-docs です:
node <skill-dir>/scripts/fetch-codex-manual.mjs

キャッシュディレクトリをオーバーライドする必要がある場合は、--cache-dir <cache-dir> を渡します。Windows では、ヘルパーは %TEMP% と %TMP% を自動的にチェックします。PowerShell では、$env:TEMP\openai-docs-cache が一般的な明示的なオーバーライドです。

ヘルパーの可用性は、明示的な読み取り専用/シェルなしポリシー、または実際のコマンド結果によって確立されたものとして扱います。推測されたサンドボックスや推測されたヘルパー障害は、Docs MCP または Web ルックアップに切り替えるのに十分ではありません。実際のヘルパーコマンドの失敗後は、以下の最も狭い公式の次のソースに進みます。

ヘルパーは鮮度を確認し、codex-manual.md を書き込み、codex-manual.outline.md を出力します。アウトラインはソースページと見出しを行範囲にマッピングします。これを使用して関連するマニュアルセクションを選択し、Codex 製品の事実について対象のマニュアルセクションを読み取りまたは検索します。スキルディレクトリを使用してヘルパーを見つけて実行します。ヘルパーが成功した後、返されたマニュアルとアウトラインパスを Codex 製品の事実と用語カバレッジチェックの検索範囲として使用します。

フォローアップの Codex 質問には、同じスレッドのマニュアルとアウトラインパスを再利用します。マニュアルが約 1 日以上前にフェッチされた場合、パスが使用できない場合、パスが別のスレッドまたは不確かな出典からのものである場合、または最新と思われる情報が欠落しており、古さがもっともらしい場合に、最初に更新します。

マニュアルが現在信頼できるかどうかについての質問には、一時キャッシュが許可されている場合にヘルパーを実行し、その返されたステータス、マニュアルパス、およびアウトラインパスに基づいて回答します。

マニュアルが Codex の主張を解決する場合は、それから回答し、その主張のためのソースの拡張を停止します。ドキュメントルックアップが唯一の依存関係であった場合は、ユーザーのより広範なタスクを続行します。マニュアルのソースページと既知のアンカーは、マニュアルでカバーされている資料に対する十分な引用サポートです。

セッションが読み取り専用であるか、シェル実行がないか、許可された一時キャッシュがないためにヘルパーがスキップされた場合、次のソースは Docs MCP です: 任意の Web フォールバックの前に、mcp__openaiDeveloperDocs__search_openai_docs を呼び出し、次に関連するヒットに対して mcp__openaiDeveloperDocs__fetch_openai_doc を呼び出します。

ユーザーが新しいマニュアルで使用されていない Codex 用語またはモードを指定した場合、マニュアルで明らかに隣接する概念を検索し、その正確な用語が文書化されていないことを回答し、最も近い文書化された用語を使用します。プロンプトがその用語が Codex の動作にどのようにマッピングされるかを尋ねる場合は、隣接するマニュアルセクションからマッピングを解決します。そのマニュアルパスの後でも正確な用語が重要または最新である可能性が高い場合は、制限付き不確実性の前に 1 つの狭い Docs MCP 検索/フェッチを使用します。それ以外の場合、その用語またはマッピングの主張のソースルックアップは完了です。

最も狭い公式の次のソースは、マニュアルが利用できない場合、ヘルパーが失敗した場合、一時キャッシュが許可されていない場合、別の重要な主張が欠落しているか古い可能性が高い場合、またはユーザーがページ固有の引用を明示的に必要とする場合にのみ使用します。1 つの具体的な Docs MCP 検索を優先し、明確に関連するページが返された場合は 1 つのフェッチを優先します。未解決の Codex 機能名、頭字語、スケジューリング用語、または正確なエラーテキストについては、この Docs MCP ステップが Web 検索の前の次のソースです。マニュアルと許可された Docs MCP ギャップフィルの後、残りのギャップを制限付き不確実性として解決します。その Docs MCP パスが利用できないか役に立たない場合にのみ、公式ドメインの Web フォールバックを使用します。それでも主張が確立されない場合は、制限付き不確実性で停止します。公式ドキュメント/マニュアルが現在のセッションですでに公開されている呼び出し可能機能と競合する場合は、競合を明記し、その環境では検証された現在のセッション動作を優先します。

文書化されていない、またはプライベートに見えるモデルスラッグ、製品モードラベル、エンタイトルメントラベル、アカウントアクセスパス、またはロールアウト名については、現在の公開ドキュメントと制限付き不確実性から回答します。これらのラベルは、公開ソースルートを離れる理由にはなりません。

サポートスタイルの診断については、プロバイダー固有の Web ルックアップよりも、マニュアルからのレイヤーごとの回答を優先します: インストール/有効化されたプラグイン、バンドルされたアプリまたはコネクタの承認、MCP セットアップ、ワークスペース/管理者ポリシー、再起動または新しいスレッドの期待、それでも未解決の場合はサポートまたはフィードバック。

ソースルートがそれでも主張を確立しない場合は、調査を拡大する代わりに、制限付き不確実性を返すか、サポート、管理者、または製品フィードバックにルーティングします。

未解決の製品用語については、マニュアルと許可された公式の次のソースから回答します。これらのソースが用語を確立しない場合は、それらのソースからの制限付き不確実性で回答します。

サーフェスマップ

Codex 名詞または永続的指示サーフェスが重複する場合は、スコープに一致する最小のサーフェスを推奨します:

  • プロンプトまたはスレッドコンテキスト -> 1 回限りのタスク制約。
  • AGENTS.md -> 永続的なリポジトリ規則、コマンド、検証手順、レビュー期待。サブツリーの下では、より近いネストされたファイルが適用されます。
  • プロジェクト .codex/config.toml ->

…

[翻訳のために切り詰められました]

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.

関連スキル