Codex Skills 上线一个月，GitHub 上已经找不到“纯人工”项目了
一条来自热榜选题工作流的短评长文。如果你是纯代码洁癖患者，建议先深呼吸。
00
昨晚刷 GitHub，发现一件很微妙的事：
我关注的 30 个开源项目里，有 19 个最近一个月的 commit 记录里出现了codex、agents/skills或.codex的字样。不是广告，不是营销，是真的有人在用 AI Agent 写代码、修 bug、发 PR。
更微妙的是，我点进一个我三年前 star 过的个人工具库，发现最新 release 的更新说明里写着：
“本次重构由 Codex + Superpowers Skill 辅助完成，人工主要负责 review。”
我盯着屏幕愣了三秒。
不是吧，连“个人 side project”都开始不写“纯手工”了？
01
先别急着骂我标题党。
这里的“纯人工”不是指人类完全消失，而是指一种旧观念的崩塌：
以前我们认为，一个“好项目”应该是一个人（或一群人）一行行手写的。现在，越来越多的 repo 开始承认：代码是人类和 Agent 共同产出的。
Codex Skills 上线到现在大概一个多月，GitHub 上发生了什么？
openai/skills仓库从 2 月的约 9000 star，涨到了现在的约 22000 star；- Addy Osmani 的
agent-skills项目，2 个月冲到25000+ star； - 一个叫
andrej-karpathy-skills的社区项目，拿到了144k star； - 连 Cursor、Goose、Amp、OpenCode 都在兼容 OpenAI 的 Skill 标准。
换句话说，Codex Skills 不只是 OpenAI 的一家工具，它正在变成 AI 编程的通用“插件协议”。
02
那么，Codex Skills 到底是什么？
用最简单的话说：
Skill 就是一个文件夹，里面放着一个叫
SKILL.md的说明书，外加一些脚本、参考资料、示例。Codex 看到它之后，就知道“这件事该怎么干”。
比如：
gh-address-comments这个 Skill，教 Codex 怎么处理 GitHub PR 里的 review 评论；security-threat-model这个 Skill，让 Codex 在写代码前先帮你做一遍安全威胁建模；figma-implement-design这个 Skill，直接读 Figma 设计稿，然后生成前端代码。
最骚的是skill-creator：
它本身就是一个 Skill，用途是帮你生成新的 Skill。
套娃了属于是。
03
三种 Skill，三种“AI 打工姿势”
OpenAI 把 Skill 分成三级：
| 类型 | 什么意思 | 例子 |
|---|---|---|
| System | Codex 自带，开箱即用 | skill-creator、skill-installer、imagegen |
| Curated | 官方审核过，按名字安装 | gh-fix-ci、figma-implement-design |
| Experimental | 社区贡献，自己导入 | 各种野生 Skill |
安装方式也很简单：
$skill-installer gh-address-comments重启 Codex，它就认识了。
更厉害的是作用域：你可以把 Skill 装在自己电脑上（用户级）、放在项目里提交到 Git（仓库级）、或者让公司 IT 统一配置（系统级）。这意味着一个团队的工程规范，可以被封装成 Skill，然后让 AI 自动执行。
以前我们说“写代码要符合公司规范”，现在可以说：
“Codex，用我们团队的
frontend-skill把这个需求实现了。”
04
网友的真实反应：从嘴硬到真香
一个月前，我朋友圈的程序员分成了两派：
A 派：AI 写代码？我不信。
“Copilot 也就是补个行，真写业务逻辑还得人来。”
B 派：先让它写，我来 review。
“你让它写 80%，你改 20%，效率直接翻三倍。”
一个月后，A 派开始沉默了。不是因为他们被说服了，而是因为他们发现：
自己维护的项目，进度已经赶不上那些用 Agent 的同事了。
我看到一个掘金网友的评论特别真实：
“以前我花一下午写个 CRUD 接口，现在 10 分钟让 Codex 生成，我花 20 分钟改边界条件和异常处理。高下立判。”
还有一个 V2EX 老哥更扎心：
“不是 AI 取代程序员，是会用 AI 的程序员取代不会用 AI 的程序员。”
05
GitHub 上正在发生的三个新趋势
趋势 1：README 里开始写 “AI-assisted”
以前项目 README 会写：
“Built with ❤️ and coffee.”
现在开始出现：
“Built with Codex, Cursor, and a lot of human review.”
不是炫耀，是诚实。也是一种免责声明。
趋势 2：.agents/skills 文件夹进入项目结构
越来越多的 repo 根目录下多了一个.agents/skills/文件夹。里面存着这个项目的私有 Skill：怎么跑测试、怎么部署、怎么写 commit message、怎么做代码审查。
这相当于把“项目知识”从人脑里抽出来，变成了 AI 能读能执行的说明书。
趋势 3：PR 评论从“这里写错了”变成“你让 Codex 用 skill-creator 写一个”
我看到一个挺有代表性的 GitHub PR 对话：
Reviewer：这个逻辑重复了 3 次，建议抽象一下。
Author：好，我让 Codex 用refactor-skill处理。
10 分钟后：Author 推送了新 commit。
流程变了。人类负责判断“做什么”，Agent 负责判断“怎么做”。
06
但这不是“程序员末日”
先别慌。
Agent 确实能写代码，但它现在最擅长的仍然是：
- 重复性任务
- 有明确规范的修改
- 已有模式的迁移
- 跑测试、修 CI、补文档
它不擅长的是：
- 判断业务价值
- 权衡技术债和交付速度
- 理解用户的真实需求
- 在模糊场景里做取舍
所以更准确的说法是：
不是 AI 在取代程序员，而是“只写代码”的程序员在被边缘化。
未来的核心竞争力会变成：
- 需求拆解能力：能把模糊需求拆成 Agent 能执行的任务；
- 系统设计能力：知道架构怎么选型，模块怎么划分；
- 审查和兜底能力：能判断 Agent output 是否正确、是否安全、是否可维护；
- 工具编排能力：知道什么场景用哪个 Skill，甚至自己写 Skill。
07
一个残忍的事实
你有没有发现，现在 GitHub 上新项目的发起速度变快了？
以前一个人做 side project，从 0 到 MVP 可能要两个月。现在用 Codex + 几个 Skill，可能两周就能跑起来。
这意味着：
想法的门槛没变，但实现想法的门槛大大降低了。
对独立开发者是好事，对大公司也是好事。但对“只会接需求写代码”的人来说，竞争会变得更残酷。
08
写在最后
一个月后回看，Codex Skills 最可怕的地方不是它能让 AI 写代码，而是它让“AI 写代码”变成了一种可复用、可共享、可团队化的工程实践。
Skill 把经验封装成了文件，文件可以被版本控制，可以被团队协作，可以被 Agent 自动调用。
所以回到标题：GitHub 上已经找不到“纯人工”项目了吗？
当然不是字面意思。但越来越多的项目开始承认一个事实：
好的软件，不再只是人类智慧的产物，而是人类判断力和 AI 执行力的结合。
如果你还在坚持“纯手工编码”的洁癖，我不会嘲笑你。但我建议你至少试试：
让 Codex 写一个你平时要花 2 小时的 boring task，然后看它能做到什么程度。
很有可能，你会发现：
不是 AI 太强，而是人类手动做这件事本来就很浪费。
一些可以尝试的 Skill
如果你刚入坑，推荐从这几个开始：
skill-creator：让 Codex 帮你生成自己的 Skillgh-address-comments：自动处理 PR reviewgh-fix-ci：诊断并修复失败的 CIsecurity-threat-model：做安全威胁建模figma-implement-design：设计稿转代码superpowers：给 Codex 叠加完整工程化工作流
你已经开始用 Codex Skills 了吗？欢迎在评论区说说你的真实体验。
本文数据来自 GitHub、掘金、V2EX、InfoQ 及公开报道，Skill 数量和 star 数为动态数据，以实际页面为准。
