Communitygithub.com

grahama1970/openai-docs

Use quando o usuário pergunta como criar produtos ou APIs da OpenAI, pergunta sobre o Codex ou como escolher superfícies do Codex, precisa de documentação oficial atualizada com citações, ajuda para escolher o modelo mais recente para um caso de uso, orientação de prompt mais recente/atual/padrão ou orientação de migração de modelo e atualização de prompt; use ferramentas MCP do OpenAI Docs para perguntas não relacionadas ao Codex, use o auxiliar do manual do Codex primeiro para autoconhecimento amplo do Codex e restrinja a navegação de fallback a domínios oficiais da OpenAI.

O que é openai-docs?

Esta skill fornece orientação autoritativa e atualizada diretamente da documentação oficial de desenvolvedores da OpenAI, utilizando o servidor MCP `developers.openai.com`. Ela gerencia consultas sobre produtos e APIs da OpenAI (exceto Codex), seleção de modelos, migração de API e atualização de prompts. A skill segue uma ordem de prioridade de fontes: primeiro usa o servidor MCP de documentos, depois o manual do Codex (para perguntas sobre o próprio Codex) e, por fim, navegação na web limitada a domínios oficiais. Para perguntas sobre o modelo mais recente, um script dedicado é executado para resolver o modelo atual. A skill também gerencia a configuração inicial de chave de API para implementações, garantindo que o desenvolvedor tenha acesso seguro às ferramentas antes de prosseguir com a criação de artefatos.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

OpenAI Docs

Fornece orientação autoritativa e atualizada da documentação de desenvolvedores da OpenAI usando o servidor MCP developers.openai.com. "Docs MCP" significa mcp__openaiDeveloperDocs__search_openai_docs e mcp__openaiDeveloperDocs__fetch_openai_doc; para perguntas sobre referência de API, esquema, parâmetros ou campos obrigatórios, use também mcp__openaiDeveloperDocs__get_openapi_spec quando disponível. A pesquisa na web em domínios oficiais é fallback apenas após essas ferramentas estarem indisponíveis ou não serem úteis. Perguntas amplas sobre o Codex usam o auxiliar do manual antes do Docs MCP. Esta skill também é responsável pela seleção de modelos, migração de modelo de API e orientação de atualização de prompt.

Configuração da Chave de API

Para solicitações de construção, execução, configuração, depuração ou implementação de um aplicativo, script, CLI, gerador ou ferramenta com suporte de API, use openai-platform-api-key primeiro quando disponível. Depois que essa barreira de credenciais for resolvida, retorne aqui para obter documentos atualizados conforme necessário.

Use esta skill diretamente para perguntas apenas sobre documentação, citações, orientação de modelo/API, explicações conceituais e exemplos que não exijam construir ou executar um artefato com suporte de API.

Para solicitações de migração de modelo mais recente/atual/padrão/não especificado ou orientação de prompt, complete o resolvedor do modelo mais recente somente leitura e a busca do guia antes da barreira de credenciais da chave de API. A barreira de credenciais ainda bloqueia edições, testes e implementações com suporte de API até ser resolvida; ela não bloqueia a recuperação somente leitura de orientações atuais de modelo, migração ou prompt.

Primeira ação para alterações de modelo mais recente

Antes de ler a memória, inspecionar o repositório, buscar documentos ou verificar credenciais de API, classifique a solicitação:

  • Orientação de prompt mais recente/atual, ou alteração solicitada + destino mais recente/atual/novo/recomendado/padrão/principal/não especificado: execute imediatamente o resolvedor com o comando específico da plataforma abaixo e inspecione sua saída JSON. Isso inclui perguntar como criar prompts para o modelo mais recente, alterar prompts, um seletor de modelos, referências de modelo, uma integração de SDK, substituir um modelo nomeado mais antigo por "o modelo atual" ou perguntar "para qual modelo devo migrar/atualizar?". Não busque diretamente latest-model.md para esta ramificação.
  • Apena pergunta pura de seleção de modelo, sem orientação de prompt ou alteração solicitada: busque diretamente https://developers.openai.com/api/docs/guides/latest-model.md; não execute o resolvedor.
  • Alteração solicitada + modelo de destino explícito: preserve esse destino; não execute o resolvedor do modelo mais recente. Para uma migração explícita para GPT-5.6 Sol ou família GPT-5.6, busque a página de orientação ao vivo do modelo GPT-5.6 e leia references/upgrading-to-gpt-5p6-sol.md para julgamento de migração específico da habilidade.
  • Orientação de prompt ou migração para um modelo explicitamente nomeado da família GPT-5: busque https://developers.openai.com/api/docs/guides/model-guidance?model=<modelo-solicitado> através do Docs MCP e extraia a seção de migração relevante ou a seção ## Práticas Recomendadas de Prompt até o próximo cabeçalho H2. Não substitua a orientação do modelo mais recente.

Execute o resolvedor sem depender de bits executáveis do sistema de arquivos:

  • Shells POSIX: sh <skill-dir>/scripts/resolve-latest-model-info
  • Windows: execute a implementação CommonJS com Node.js 18 ou mais recente: node <skill-dir>\scripts\resolve-latest-model-info.cjs. Se node estiver indisponível ou muito antigo e load_workspace_dependencies estiver disponível, use o executável Node.js que ele retorna para este comando. Não tente executar o wrapper POSIX sem extensão diretamente no Windows.

Para o ramo do resolvedor, não suprima ou redirecione seu stdout. O sucesso requer JSON contendo model, migrationGuideUrl e promptingGuideUrl; se o comando for encerrado sem todos os três campos, execute-o mais uma vez antes de qualquer fallback.

Prioridade de Fonte

  • Para autoconhecimento do Codex, use a rota de fonte do Codex abaixo; ela decide quando usar o auxiliar do manual, o Docs MCP ou incerteza limitada.
  • Para perguntas sobre documentos da OpenAI que não são do Codex, use mcp__openaiDeveloperDocs__search_openai_docs para encontrar as páginas de documento mais relevantes.
  • Para perguntas sobre documentos da OpenAI que não são do Codex, busque a página relevante com mcp__openaiDeveloperDocs__fetch_openai_doc antes de responder. Se a pesquisa for ruidosa, execute uma pesquisa mais restrita no Docs MCP; quando qualquer URL plausível de documentação oficial da OpenAI for conhecida ou encontrada, tente buscar essa URL através do Docs MCP antes de confiar no conteúdo da pesquisa na web.
  • Para perguntas sobre referência de API, esquema, parâmetros ou campos obrigatórios, use mcp__openaiDeveloperDocs__get_openapi_spec quando disponível para verificar a forma da API junto com o guia ou página de referência relevante.
  • Use mcp__openaiDeveloperDocs__list_openai_docs apenas quando precisar navegar ou descobrir páginas que não são do Codex sem uma consulta clara.
  • Para orientação de prompt mais recente/atual, atualizações de modelo ou atualizações de prompt, aplique o classificador de primeira ação acima e use seu comando resolvedor específico da plataforma. No POSIX, o wrapper usa um runtime Node.js 18+ compatível de $NODE, PATH ou fallbacks agrupados/sistema. No Windows, use um executável Node.js compatível para executar a implementação .cjs diretamente. Se nenhum runtime compatível estiver disponível, chame load_workspace_dependencies quando disponível e repita o comando apropriado uma vez com o executável Node.js retornado.
  • Para perguntas de seleção de modelo apenas de documentação que não peçam para alterar um aplicativo, projeto, repositório, configuração de modelo ou prompts, busque https://developers.openai.com/api/docs/guides/latest-model.md primeiro. Se isso estiver indisponível, carregue references/latest-model.md.
  • Preserve solicitações de destino explícitas: se o usuário nomear um modelo de destino como "migrar para GPT-5.4", mantenha esse destino solicitado mesmo que latest-model.md nomeie um modelo mais recente. Mencione orientação mais recente apenas como opcional.
  • Se a orientação remota atual for necessária, trate os URLs do guia de migração e prompt retornados como opacos e busque esses URLs exatos diretamente. Não derive, substitua ou anexe uma consulta de modelo a eles. Se um URL de guia de prompt resolver para uma página de orientação de modelo combinada, extraia apenas a seção ## Práticas Recomendadas de Prompt até o próximo cabeçalho H2. Se um guia buscado contiver apenas um título ou nenhum corpo substancial, repita o URL de markdown exato através de fallback MCP/pesquisa; se isso também falhar, use referências de fallback agrupadas e divulgue o fallback.

Snapshots de produtos OpenAI

  1. Apps SDK: Crie aplicativos ChatGPT fornecendo uma UI de componente web e um servidor MCP que expõe as ferramentas do seu aplicativo ao ChatGPT.
  2. Responses API: Um endpoint unificado projetado para interações multimodais, com estado, que usam ferramentas em fluxos de trabalho agentivos.
  3. Chat Completions API: Gere uma resposta de modelo a partir de uma lista de mensagens que compõem uma conversa.
  4. Codex: O agente de codificação da OpenAI para desenvolvimento de software que pode escrever, entender, revisar e depurar código.
  5. gpt-oss: Modelos de raciocínio de peso aberto da OpenAI (gpt-oss-120b e gpt-oss-20b) lançados sob a licença Apache 2.0.
  6. Realtime API: Construa experiências multimodais de baixa latência, incluindo conversas naturais de fala para fala.
  7. Agents SDK: Um kit de ferramentas para construir aplicativos agentivos onde um modelo pode usar ferramentas e contexto, passar para outros agentes, transmitir resultados parciais e manter um rastreamento completo.

Autoconhecimento do Codex

Use este caminho para perguntas sobre o próprio Codex: configurar, estender, operar, solucionar problemas, estado local, superfícies de produto ou onde o comportamento do Codex deve residir. Um codebase que meramente menciona um plugin, habilidade, hook, servidor MCP, navegador ou automação não é suficiente. Para tarefas de software genéricas, responda diretamente à tarefa de software; se perguntado se o autoconhecimento do Codex se aplica, responda a essa pergunta meta brevemente e continue com o artefato solicitado.

Rota da Fonte

O manual do Codex é a primeira fonte para síntese ampla do Codex. Trate o manual e o Docs MCP como faixas diferentes, não fontes de documentos oficiais intercambiáveis. Para respostas de produto Codex de usuário publicado, a rota da fonte está completa: o manual, Docs MCP quando esta rota exige, fallback web oficial da OpenAI e recursos chamáveis disponibilizados na sessão atual quando a pergunta é sobre esse recurso. Bases de conhecimento fora de developers.openai.com estão fora desta rota para respostas de produto público.

Para perguntas amplas sobre comportamento, configuração, personalização, habilidades, plugins, MCP, hooks, AGENTS.md, automações, superfícies, estado local ou mapa do sistema do Codex:

  1. Reutilize um caminho de manual e esboço da mesma thread quando ainda estiver fresco.
  2. Caso contrário, execute o auxiliar local da habilidade primeiro em sessões graváveis normais. Pule-o sem tentar apenas quando a sessão é explicitamente somente leitura, a execução de shell está indisponível ou a política visível não mostra cache temporário permitido.
  3. Por padrão, o auxiliar escolhe o primeiro diretório de cache temporário utilizável nesta ordem: $TMPDIR/openai-docs-cache, %TEMP%\openai-docs-cache, %TMP%\openai-docs-cache, /private/tmp/openai-docs-cache e depois /tmp/openai-docs-cache. Acesso de gravação somente ao espaço de trabalho não é suficiente para este cache temporário.
  4. Execute o auxiliar diretamente, a menos que você precise substituir o diretório de cache. O auxiliar recorre ao curl quando o fetch nativo está indisponível ou quando variáveis de ambiente de proxy estão presentes, portanto nenhum prefixo de proxy específico de shell é necessário. Resolva <skill-dir> para o diretório real desta habilidade; em diretórios de trabalho locais copiados, isso geralmente é .codex/skills/openai-docs:
node <skill-dir>/scripts/fetch-codex-manual.mjs

Se precisar substituir o diretório de cache, passe --cache-dir <cache-dir>. No Windows, o auxiliar verifica %TEMP% e %TMP% automaticamente; no PowerShell, $env:TEMP\openai-docs-cache é uma substituição explícita típica.

Trate a disponibilidade do auxiliar como estabelecida por política explícita de somente leitura/sem shell ou um resultado de comando real. Um sandbox presumido ou falha presumida do auxiliar não é suficiente para mudar para Docs MCP ou pesquisa na web; após uma falha real do comando auxiliar, continue para a próxima fonte oficial mais restrita abaixo.

O auxiliar verifica a atualidade, escreve codex-manual.md e emite codex-manual.outline.md. O esboço mapeia páginas de origem e cabeçalhos para intervalos de linha; use-o para escolher a seção relevante do manual e, em seguida, leia ou pesquise seções direcionadas do manual para fatos do produto Codex. Use o diretório da habilidade para localizar e executar o auxiliar; após o auxiliar ter sucesso, use os caminhos de manual e esboço retornados como o escopo de pesquisa para fatos do produto Codex e verificações de cobertura de termos.

Reutilize os caminhos de manual e esboço da mesma thread para perguntas de acompanhamento sobre o Codex. Atualize primeiro quando o manual foi buscado há mais de um dia, o caminho está inutilizável, o caminho veio de outra thread ou proveniência incerta, ou informações provavelmente atuais estão faltando e a desatualização é plausível.

Para perguntas sobre se o manual é atual o suficiente para confiar agora, execute o auxiliar quando o cache temporário for permitido e baseie a resposta em seu status retornado, caminho do manual e caminho do esboço.

Se o manual resolver uma afirmação sobre o Codex, responda a partir dele e pare de expandir fontes para essa afirmação; continue a tarefa mais ampla do usuário se a consulta de documentação foi apenas uma dependência. Páginas de origem do manual e âncoras conhecidas são suporte de citação suficiente para material coberto pelo manual.

Se o auxiliar for pulado porque a sessão é somente leitura, não tem execução de shell ou não tem cache temporário permitido, a próxima fonte é Docs MCP: chame mcp__openaiDeveloperDocs__search_openai_docs, depois mcp__openaiDeveloperDocs__fetch_openai_doc para um resultado relevante antes de qualquer fallback na web.

Se um usuário nomear um termo ou modo do Codex que um manual atualizado não usa, pesquise o manual para conceitos adjacentes óbvios e então responda que o termo exato não está documentado e use a terminologia documentada mais próxima. Se o prompt perguntar como esse termo mapeia para o comportamento do Codex, resolva o mapeamento a partir de seções adjacentes do manual. Se o termo exato permanecer material ou provavelmente atual após essa passagem do manual, use uma pesquisa/recuperação restrita do Docs MCP antes da incerteza limitada; caso contrário, a pesquisa de fonte para essa terminologia ou afirmação de mapeamento está completa.

Use a próxima fonte oficial mais restrita apenas quando o manual estiver indisponível, o auxiliar falhar, o cache temporário não for permitido, outra afirmação material estiver faltando ou provavelmente desatualizada, ou o usuário precisar explicitamente de uma citação específica de página. Prefira uma pesquisa específica do Docs MCP e, se ela retornar uma página claramente relevante, uma recuperação; para nomes de recursos do Codex não resolvidos, siglas, termos de agendamento ou texto de erro exato, esta etapa do Docs MCP é a próxima fonte antes da pesquisa na web. Após o manual mais qualquer preenchimento de lacuna do Docs MCP permitido, resolva as lacunas restantes como incerteza limitada. Use fallback na web de domínio oficial apenas depois que o caminho do Docs MCP estiver indisponível ou não for útil. Se a afirmação ainda não estiver estabelecida, pare com incerteza limitada. Se a documentação oficial / manual entrar em conflito com um recurso chamável já disponibilizado na sessão atual, declare o conflito e prefira o comportamento verificado da sessão atual para esse ambiente.

Para slugs de modelo não documentados ou de aparência privada, rótulos de modo de produto, rótulos de direito, caminhos de acesso de conta ou nomes de lançamento, responda a partir da documentação pública atual e de incerteza limitada. Esses rótulos não são motivo para sair da rota de fonte pública.

Para diagnósticos estilo suporte, prefira uma resposta camada por camada do manual em vez de pesquisas na web específicas do provedor: plugin instalado/habilitado, autorização de aplicativo ou conector agrupado, configuração MCP, política de espaço de trabalho/administrador, expectativas de reinicialização ou nova thread, e então suporte ou feedback se ainda não resolvido.

Se a rota de fonte ainda não estabelecer uma afirmação, retorne incerteza limitada ou encaminhe para suporte, administrador ou feedback do produto em vez de ampliar a investigação.

Para terminologia de produto não resolvida, responda a partir do manual mais a próxima fonte oficial permitida. Se essas fontes não estabelecerem o termo, responda com incerteza limitada a partir dessas fontes.

Mapa de Superfícies

Quando substantivos do Codex ou superfícies de instrução durável se sobrepõem, recomende a menor superfície que corresponda ao escopo:

  • Prompt ou contexto de thread -> restrições de tarefa únicas.
  • AGENTS.md -> convenções, comandos, etapas de verificação e expectativas de revisão duráveis do repositório; arquivos aninhados mais próximos se aplicam em sua subárvore.
  • Projeto .codex/config.toml ->

…

[truncado para tradução]

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.

Habilidades Relacionadas