scasella/claude-dynamic-workflows-codex

Codex 工作流

在本地 Codex 应用服务器 上运行 Claude Code 动态工作流脚本。 创作界面与原生动态工作流完全相同 — export const meta 加上使用 agent()、parallel()、pipeline()、phase()、 log()、args、budget、workflow() 的主体 — 但每个 agent() 调用作为 一个 Codex (GPT) 线程+轮次运行，而不是 Claude 子智能体。

仅限手动调用。 Claude 不会自动触发此技能 (disable-model-invocation: true)；仅在用户输入 /codex-workflows 或明确请求 Codex 工作流时运行。调用后，遵循 以下循环 — 工作在 Codex/GPT 智能体上运行。如果用户实际上想要 Claude 子智能体，请说明并指向原生工作流工具。

下面的 RUNNER 表示捆绑的 runner 目录：runner/ 相对于此技能的 基础目录（技能加载时显示）。对于经典的 skills-dir 安装， 即 ~/.claude/skills/codex-workflows/runner — 下面示例中的实际路径 假定如此；如果此技能是作为插件安装的，则替换您的基础目录。它是无依赖的 Node ≥ 18。

默认粗略意图模式

一两句粗略描述就足够了。 您无需向此技能提供完全工程化的 规范 — 描述您想要什么（例如 /codex-workflows 在我运行之前强化这个目标），技能会自行将其编译为可操作的工作集： 它对工作进行分类，选择最小可行规模、原型和 工作集模式，构建任务契约，组合阶段，分配角色，应用 质量/认知标准，创作脚本，选择安全的运行设置，然后 运行 — 在过程中陈述其假设。

此模式下的操作规则：

• 粗略意图即契约。对任何未指定的内容做出合理假设并 陈述它们；不要用后续问题询问用户。
• 选择最小有用的工作集，而不是最大可能的（见 反过度构建规则）。
• 不要发出一个巨大的提示让用户粘贴回来。 编译并继续 创作/运行。（唯一的例外是 prompt-only 模式 — 见 模式检测。）
• 这取代了任何外部的“元提示”：扩展现在发生在技能 内部。下面将粗略意图编译为工作流的整个部分就是那个 编译器。

默认执行检查清单

每次运行，按顺序（以下各部分展开每个步骤）：

1. 预检 Codex 一次 (handshake.js)；注意最新的前沿模型。
2. 编译 粗略意图：对工作进行分类 → 规模 → 原型 → 模式 （命名它防止的故障模式）→ 任务契约。陈述您的假设。
3. 创作 脚本到仓库 (./<name>.workflow.js)。
4. 设置： --frontier · 按规模的 effort（quick_harness 用 --effort medium， standard/deep 用 --auto-effort）· --sandbox read-only 除非必须写入 · 有边界的 --budget · 严格模式（additionalProperties:false）。
5. 评估大小 — 对于任何昂贵或复杂的工作流，先运行 --plan。
6. 运行 在 Codex runner 上（绝不能使用原生 Workflow 工具）。
7. 展示 — 内联 ASCII 地图 + summarize-run 要点；引用脚本、 日志、查看器、报告和运行摘要路径（见 输出行为）。

模式检测

从用户的措辞中读取模式，然后相应行事：

模式	触发条件	行为
默认（粗略意图）	1–2 句粗略描述	内部编译 → 创作 → 运行。陈述假设。
--multi（集群）	--multi 标志，或“集群”/“同时运行多个工作流”	编译一个集群计划（2–4 个并发的变体工作流，相似和/或多样），在后台启动它们，并监督：轮询 fleet status，回答关口，引导，终止，分支，然后综合。见 集群模式。
prompt-only	“只给提示”/“只给调用”/“不要运行”	发出一个完整的 /codex-workflows 调用/规范（下面的 A–L 结构）并停止 — 不要创作或运行。
write-only	“编写但不运行”/“只创作”	创作工作流脚本，打印其路径，在运行前停止。
run-existing	给出了脚本路径或已保存的工作流名称	跳过编译；通过 runner 运行该脚本/名称。
quick	“快速”/“小”/“便宜”	偏向 quick_harness（2–5 个智能体）。
deep	“深入”/“彻底”/“详尽”	允许更大/deep_harness；证明大小合理。
no-write	“不要写文件”/“只告诉我”	仅返回最终 JSON/Markdown；无报告/源文件；--sandbox read-only。

两条优先规则：如果用户给出脚本路径或已保存名称，运行它 （不要重新编译）。如果用户给出详细规范，按书面方式执行但仍 应用下面的安全性和运行默认值。否则就是粗略意图 → 编译。

在 prompt-only 模式下，您发出的调用遵循技能内部构建的相同 A–L 结构：A 名称 · B 目的 · C 任务契约 · D 输入/上下文重建 · E 阶段 · F 角色 · G 反包装器 标准 · H 输出 · I 运行设置 · J 安全/认知 · K 最终响应格式 · L 产品化。然后停止 — 不要运行。

循环

在默认粗略意图模式下，静默 执行步骤 1–2，并在创作前陈述您的假设。下面的机制 — 握手、运行命令、内联地图 — 不变；步骤 2 和 4 是粗略意图被编译的地方。

1. 预检 — 每会话一次，或每当运行无法连接时，确认 Codex 可访问且已认证：

node ~/.claude/skills/codex-workflows/runner/test/handshake.js

它打印 state: ready 和可用的模型。如果失败，告诉用户 运行 codex login（runner 需要在 PATH 上有一个已登录的 codex CLI）。 从该列表中，注意最新的前沿模型 — 最新的旗舰 通用模型（不是 -mini/-spark 变体；model/list 将其标记为 isDefault 并且其描述称其为最强的）。GPT-5.6 Codex 系列是 Sol（旗舰）、Terra（平衡）和 Luna（高效）；目前 前沿是 gpt-5.6-sol。运行中的每个智能体都使用它（见 模型）。

2. 编译 粗略意图为工作流（见 将粗略意图编译为工作流）：对工作进行分类 → 选择规模 → 选择原型 → 选择模式并命名它防止的故障模式 → 构建任务契约 → 组合阶段 → 分配角色 → 应用标准。在创作前向用户陈述得出的假设。

3. 创作 一个来自该编译的工作流脚本（见 创作）。将其写入 用户的项目中，以便他们可以读取和重新运行 — ./<name>.workflow.js，或 用于可重用工作集的 workflows/<name>.workflow.js / examples/harness-zoo/<name>/。脚本是纯 JavaScript，仅使用注入的全局变量（无导入）。

4. 选择运行设置（见 运行默认值）：--frontier，所选规模对应的 effort 标志（标准/深度工作集用 --auto-effort，快速工作集用 --effort medium），只读沙箱除非运行必须写入，以及有边界的 --budget。对于昂贵或复杂的工作流，先 --plan — 一个无 token 的试运行，计算每个阶段/effort 的智能体数量并估算 --budget。

5. 运行 — 始终传递 --frontier，以及所选规模对应的 effort 标志：标准/深度工作集用 --auto-effort（它将每个智能体的 effort 调整为其层的并行宽度，因此孤立的综合/判断关口思考最努力），或快速工作集用 --effort medium（见 Effort）。--frontier 将每个智能体固定到最新的前沿模型（见 模型）：

node ~/.claude/skills/codex-workflows/runner/bin/run-workflow.js <script.js> --frontier --auto-effort [其他标志]
#   quick_harness:  … <script.js> --frontier --effort medium [其他标志]

进度流式传输到 stderr；工作流的返回值作为 JSON 打印到 stdout。捕获 stdout 以获取结果（大时用 … 1>/tmp/result.json）。 要实时观看运行，添加 --tui（新终端窗口中的实时 ASCII 地图）和/或 --gui（浏览器中的实时 HTML 查看器）— 见 运行 → 实时监控。

6. 展示 结果给用户（见 输出行为）— 总结它， 提及脚本路径，并在此对话中内联渲染运行的 ASCII 地图，以便他们原生地看到执行图（无需打开窗口）：

node ~/.claude/skills/codex-workflows/runner/bin/map-run.js --journal <journal> --no-color

(<journal> 是运行记录为 ✎ journal: … 的路径，默认为 .workflow-journal/<name>.jsonl。) 将该输出粘贴到您的回复中，放在 ```text 块内 — 它是编排器 → 阶段层 → 智能体网格 → 结果 DAG，附带每个智能体的模型/effort/tokens/时间和每个智能体的一行结果片段。始终使用 --no-color 内联（原始 ANSI 会在聊天中渲染为垃圾）。对于实时的、会话内的监控，使用 run_in_background 运行工作流，并在其进行中重新渲染此快照几次（运行中的智能体显示为 ⠋ … running…）；为了平滑的实时窗口，请添加 --tui/--gui（见 运行 → 实时监控）。

运行结束时还会打印一行成本/可靠性摘要。要获得更详细的分解 — 按阶段的 tokens、最昂贵/最慢的智能体以及任何红旗（大量 null、未分阶段的大量扇出、默认 effort 成本）— 在日志上运行 summarize-run 并将要点折叠到您的回复中（见 总结运行）。

在使用此技能时，不要调用原生 Workflow 工具。 通过上述 CLI 创作脚本并运行它正是将工作路由到 Codex 的方式；调用原生工具将改为生成 Claude 子智能体。

集群模式 (--multi)：启动、监督、引导

当用户传递 --multi（或要求集群 / 同时运行多个工作流）时， 您是 N 个并发运行的操作员 — 不是发射后不管的启动器。您编译一个集群计划，在后台启动每个变体， 然后运行监督循环：轮询状态、回答关口、引导偏离的 worker、 终止死路、分支有希望的线索，并在最后综合。人类设置一次策略 （目标、总预算、风险承受度）；您 做出运行中途的判断， 这些判断是变体无法自行做出的。

1 · 编译集群计划

将意图分解为 2–4 个变体 并在启动前陈述计划（变体、每个变体押注什么、每次运行的预算）。两个轴，自由混合：

• 相似 — 相同工作集，不同切片：通过 --args 将大输入分割到运行中，或者从不同的起始假设/种子攻击同一问题。一个脚本 + 每次运行 --args + --run-id（这样日志不会冲突），或 N 个脚本副本。
• 多样 — 不同工作集形状押注于任务的不同理论：例如 loop_until_dry 漏洞狩猎 vs adversarial_verification 扫荡 vs sessionful_controller_loop 调查，都针对同一目标。每个变体一个脚本。

将用户的总体预算分配给变体（状态显示每次运行相对于其上限的消耗）。使用现有的 GPT-5.5 测量值合理调整读取密集型扇出的大小： 工作为读取仓库/语料库的智能体花费约 400–600k tokens，无论其 effort 层级如何 — 输入占主导地位，因此 --effort low 不会使扫荡变得便宜，而 --plan 的按 effort 估计低估了它（测量值：四次“低”扫荡 = 2.1M，每次 525k，而计划估计为每个智能体 150k）。在 xhigh 下 — --auto-effort 为每个 sessionful worker 的轮次（宽度 1）提供 — 一个读取轮次运行约 ~1–1.5M（测量值：一个巡视 worker 的第一轮 + 一次引导触发了 2.5M 上限）。预算 ≈ 读者 × 500k + xhigh 读取轮次 × 1.2M + 非读者 × 计划估计，留有空间。触发的上限是可恢复的（--resume 免费重放前缀），但成本为一次监督往返。反过度构建规则也适用于集群：2 个良好区分的变体优于 4 个冗余的变体 — 每个变体必须押注于其他变体没有的东西。

2 · 为监督而创作

每个变体都获得监督者检查点 — 在外部判断可以重定向运行的节点处的 human() 关口：

const directive = await human(
  `第 ${round} 轮发现：${summary}。下一轮指示？`,
  { id: `round${round}`, choices: ["continue", "stop"], default: "continue", timeoutMs: 240_000 })
if (directive === "stop") break
if (directive !== "continue") await worker.steer(directive)   // 自由文本 = 指示

这是引导通道：自由文本答案就是指示，脚本应用它（session.steer(...)，重新瞄准下一轮，缩小范围）。将关口放在轮次之间、昂贵阶段之前以及不确定性之上。默认值必须安全 — 未回答的关口超时到其默认值，运行以放手方式降级，永远不会挂起。（这利用日志化的 human() 通道，因此 --resume 重放答案而不是重新询问。）

3 · 启动 — 每个集群一个目录，每次运行在后台

变体共享一个目录（这就是 fleet status <dir> 监督的内容）。使用 run_in_background 启动每个变体，始终使用 --interactive（它无头启用答案通道）：

node ~/.claude/skills/codex-workflows/runner/bin/run-workflow.js hunt-orm.workflow.js \
  --frontier --auto-effort --interactive --budget 1500000 1>hunt-orm.result.json
# 相同脚本，不同切片 → 使用 --run-id 隔离：
node …/run-workflow.js hunt.workflow.js --args '{"slice":"auth"}' --run-id auth --interactive …

4 · 监督 — 循环

在其他工作之间轮询集群摘要（并在关口可能挂起时及时…

—

[为翻译而截断]