企业官网建设流程全解析

1. codex 的 skills 到底是什么，为什么值得折腾

如果你刚开始用 codex 写代码，大概率会遇到一个尴尬：模型能力很强，但每次都要把同一套背景、同一套规范、同一套流程重新讲一遍。比如你想让它按公司模板生成 PPT 大纲、按固定格式写周报、按团队约定生成接口文档，每次都得复制粘贴一大段提示词。skills 就是来解决这个问题的。

你可以把 skill 理解成「给 codex 装的一个小插件包」。它本质上是一个目录，里面放一份SKILL.md说明文件，可能还有脚本、模板、示例。codex 在对话时如果判断当前任务匹配某个 skill 的描述，就会自动加载它，或者你手动用/技能名直接调用。装一次，之后这个项目甚至整台电脑都能反复用。

它适合谁？三类人最明显：一是天天写重复性文档、报告、模板的开发者；二是团队里想把编码规范、提交规范固化下来的 Tech Lead；三是刚接触 codex、想让 AI 输出更稳定、更少「自由发挥」的新手。这篇就按「从零配置到实战验证」的路线走一遍，交付可复制的config.toml骨架、skills 目录结构，以及装完之后怎么确认它真的生效。

需要先说明一点：codex 的 skills 分两个层级，项目级和电脑级。项目级只在你当前仓库里生效，适合团队共享；电脑级在你整台机器的任何目录都能用，适合个人常用工具。搞混这两个路径是新手最常见的翻车点，后面会专门讲。

2. 前置准备：TaoToken 接入与 codex 环境确认

在装 skill 之前，得先保证 codex 本身能正常跑起来、能正常调用模型。这一步没通，后面装再多 skill 也是白搭。

我这边用的是 TaoToken 提供的接入方式，官网在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ，API 入口是 https://taotoken.net/api 。它的作用是给你一个统一的模型调用入口，codex 通过它去请求模型。你需要在控制台里创建一个 API Key，然后把它填进 codex 的配置里。

先确认你的 codex 版本和配置目录。不同系统路径不一样：

进去之后应该能看到config.toml，如果没有就手动建一个。这个文件是 codex 的核心配置，模型、API 地址、skills 开关都在这里。

注意：skills 目录和config.toml是同级关系，都在.codex下面。很多人把 skills 放错位置，导致 codex 根本扫不到，这是排查时第一个要看的点。

创建 API Key 的入口在控制台的 API Keys 页面，拿到 key 之后先别急着写进配置，建议先用一条 curl 验证 key 本身是通的，避免后面把「key 无效」误判成「skill 没生效」。

curl https://taotoken.net/api/v1/models \ -H "Authorization: Bearer 你的API_KEY"

返回一个模型列表的 JSON，就说明 key 和网络都没问题。这一步过了，再往下走。

3. 可复制的 config.toml 骨架与 skills 目录结构

这一节是全文的核心，直接给你能抄的配置。

先看config.toml骨架。下面这份是精简可用版，字段按需增减：

# ~/.codex/config.toml # 模型接入配置 model = "gpt-4o" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api/v1" env_key = "TAOTOKEN_API_KEY" # skills 相关 [skills] enabled = true # 电脑级 skills 目录，默认就是这个，可显式写出 user_dir = "~/.codex/skills" # 项目级 skills 目录，相对项目根目录 project_dir = ".codex/skills"

API Key 不建议直接写进 toml，用环境变量更安全：

# Linux / macOS，写进 ~/.zshrc 或 ~/.bashrc export TAOTOKEN_API_KEY="你的API_KEY" # Windows PowerShell setx TAOTOKEN_API_KEY "你的API_KEY"

然后是 skills 目录结构。一个标准 skill 长这样：

.codex/skills/ └── ppt-generator/ ├── SKILL.md # 必须，描述技能用途和触发条件 ├── templates/ │ └── outline.md # 可选，模板文件 └── scripts/ └── build.py # 可选，辅助脚本

SKILL.md是灵魂，codex 靠它判断「这个 skill 是干嘛的、什么时候用」。一个最小可用的SKILL.md大概长这样：

--- name: ppt-generator description: 根据主题生成结构化的 PPT 大纲，包含封面、目录、章节页和总结页 --- # PPT 大纲生成器 当用户要求生成 PPT 大纲、演示文稿结构时使用本技能。 ## 输出格式 1. 封面页：标题 + 副标题 2. 目录页：列出 3-5 个章节 3. 每个章节：标题 + 3 条要点 4. 总结页：核心结论

description写得越具体，codex 自动匹配越准。如果你希望它只在手动调用时触发，可以把描述写得窄一点，靠/ppt-generator手动唤起。

项目级和电脑级的区别，用一张表说清楚：

提示：项目级 skills 建议提交到 git，这样团队成员拉下来就自动有了，不用每个人手动装。

4. 安装 skill 的两种方式：让 codex 代劳 vs 手动放置

装 skill 有两条路，一条是懒人路线，一条是手动路线。我建议新手先走懒人路线，跑通之后再理解手动路径。

方式一：让 codex 自己装。你直接把 skill 的仓库地址或者说明页丢给它，然后给一句明确的提示词，比如「把这个 skill 安装到当前项目级别」。codex 会自己去读页面、下载、放到正确路径。这种方式对不懂目录结构的人最友好，缺点是你要信任它放对了位置，装完还是得验证。

方式二：手动放置。从 skill 市场或者 GitHub 仓库下载 zip，解压后把整个文件夹挪到对应路径。这里的关键是「文件夹名就是技能名」，别改乱。

# 电脑级安装（Linux / macOS） mkdir -p ~/.codex/skills cp -r ~/Downloads/ppt-generator ~/.codex/skills/ # 项目级安装 mkdir -p 你的项目/.codex/skills cp -r ~/Downloads/ppt-generator 你的项目/.codex/skills/

Windows 下手动放置：

# 电脑级 New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.codex\skills" Copy-Item -Recurse "$env:USERPROFILE\Downloads\ppt-generator" "$env:USERPROFILE\.codex\skills\" # 项目级 Copy-Item -Recurse "$env:USERPROFILE\Downloads\ppt-generator" ".\你的项目\.codex\skills\"

放完之后目录应该是这样的，注意SKILL.md必须直接躺在技能文件夹里，不能多套一层：

~/.codex/skills/ppt-generator/SKILL.md 正确 ~/.codex/skills/ppt-generator/ppt-generator/SKILL.md 多套了一层

多套一层是手动安装最高频的错误，codex 扫不到，表现就是「skill 明明放了却用不了」。

5. 验证 skill 是否生效：具体命令与成功结果

装完不验证，等于没装。这一节给你可执行的验证步骤。

第一步，重启 codex。skills 是在启动时扫描的，热加载不一定生效，先退出再进。

第二步，查看已加载的 skills 列表。codex 一般有类似/skills或者/help的命令，输入后应该能看到你刚装的技能名出现在列表里。如果列表里没有，直接跳到下一节排查。

第三步，手动调用测试。在对话里输入/ppt-generator，注意输入/之后通常会有自动补全，按 Tab 能补全出技能名，说明它被识别了。

> /ppt-generator 帮我生成一个「AI 技术分享」的 PPT 大纲

如果 skill 生效，codex 会按照SKILL.md里定义的格式输出，而不是自由发挥。你可以对比一下：没装 skill 时它可能给你一段散文式描述；装了之后应该严格出现封面、目录、章节、总结这种结构化输出。

第四步，验证自动触发。不手动打/，直接说「帮我做个关于 XX 的 PPT 大纲」，看它会不会自动匹配到 skill。这一步验证的是description写得够不够准。

成功的结果长这样：输出结构和你SKILL.md里定义的完全一致，章节数量、要点条数都对得上。如果格式对不上，说明 skill 没被加载，codex 在用默认行为回答。

6. 本篇常见错误排查清单

把踩过的坑集中列一下，按出现频率排序。

错误一：skill 放了但列表里没有。九成是路径问题。检查SKILL.md是不是直接躺在技能文件夹根目录，检查是不是放到了.codex/skills外面，检查项目级是不是放到了项目根目录而不是子目录。

错误二：/技能名补全不出来。技能名默认取文件夹名，如果你文件夹叫ppt_generator但你以为叫ppt-generator，补全就对不上。统一用文件夹名调用。

错误三：skill 加载了但输出格式不对。问题在SKILL.md的description或正文描述太模糊。codex 不知道什么时候该用它，或者用了但没理解输出要求。把输出格式写得更死板一点，用编号列表明确每一页要什么。

错误四：项目级 skill 在别的目录用不了。这是正常的，项目级只在当前项目生效。想全局用就装到电脑级路径。

错误五：改了SKILL.md但没变化。改完要重启 codex，它不会实时监听文件变化。

错误六：API 报错被误判成 skill 问题。如果 codex 连模型都调不通，skill 自然也不会工作。先用第 2 节的 curl 确认 API 通不通，再排查 skill。

注意：排查顺序永远是「先确认 API 通 → 再确认 skill 被扫描到 → 最后确认输出格式」。顺序反了会浪费大量时间。

7. 下一步：把 skill 用进真实工作流

跑通第一个 skill 之后，你可以开始把它接进日常。比如把团队的代码规范写成一个 skill，每次让 codex 生成代码时自动套用；把周报模板做成 skill，周五直接/weekly-report一键生成。

如果你打算长期用 codex 做编码和 Agent 类任务，可以了解一下 Coding Plan 这类长期方案，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite ，适合需要稳定调用、频繁跑 skill 的场景。想先验证模型对话效果，可以直接用模型对话页面 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite 试几条 prompt。接入过程中如果遇到配置问题，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，API Keys 管理在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 。

最后一个实用建议：skill 不要贪多。先装一两个真正高频的，用顺了再扩。装一堆用不上的 skill，反而会让 codex 的自动匹配变乱，输出稳定性下降。