Codex CLI 進階 playbook：AGENTS.md 分層 + config.toml + Research→Ship 工作流（改寫自 codex-cli-best-practice）

Codex CLI 不只是能跑指令的聊天框。把上下文分層、把審批與沙箱設好、把每個任務跑成「先研究再計畫再執行再審查再上線」——讓代理可控、可重現、敢放手。MIT 授權。

[ Log in to see the full prompt ]

**這是什麼／解決什麼痛點** 直接對 OpenAI Codex CLI 喊「幫我做這個功能」往往得到失控的結果：它亂改檔案、跑危險指令、或產出不符團隊慣例的程式碼。這份 playbook 把 Codex CLI 從即興的「vibe coding」，升級成一套可控、可重現的工程代理流程——核心是三件事：把專案上下文寫進分層的 `AGENTS.md`、用 `.codex/config.toml` 管好審批與沙箱、再用一條固定工作流（Research → Plan → Execute → Review → Ship）跑每個任務。 **為什麼這個來源值得用** shanraisshan/codex-cli-best-practice（MIT 授權）是少數系統性整理 Codex CLI 實務的倉庫：它彙整了 50+ 條社群技巧，並橫向比較了 6 套主流代理工作流（Superpowers、Spec Kit、gstack、Get Shit Done、oh-my-codex、Compound Engineering），歸納出它們共同的骨架就是 Research→Plan→Execute→Review→Ship。它也涵蓋 Codex 的進階機制：subagents（用功能導向的專用代理而非萬用角色）、skills（可重用、漸進揭露的指令包）、MCP server 外部工具整合、hooks（記錄 / 安全掃描 / 驗證的 shell 腳本）、memories（跨 session 學習）。內容經改寫整理，非逐字轉貼。 **怎麼用（要點）** 1. **AGENTS.md 分層**：根目錄一份精簡的（實務經驗約 150 行內、硬上限 32 KiB），寫清楚 setup / build / test 指令——任何人讀完就能立刻跑測試。個人偏好不要塞進團隊版，改用 `AGENTS.override.md`。保持 codebase 乾淨（沒做完的框架遷移會誤導模型）。 2. **.codex/config.toml**：設好 `approval_policy`（on-request 預設 / never / always）、`sandbox_mode`（建議 workspace-write + on-request）、用 profiles 在安全層級間切換（例如 conservative / trusted），並可指定模型。 3. **Starlark 指令閘門**：用 `prefix_rule()` 對指令前綴做 allow / prompt / forbidden 三態判定，可用 `codex execpolicy check` 測試規則。 4. **跑工作流**：每個任務照 Research（agentic search：glob + grep 找碼，勝過 RAG）→ Plan（用 /plan 拆步驟）→ Execute → Review（開第二個 Codex 或 Claude Code 當資深工程師審查）→ Ship。 **何時用** 當你想讓 Codex CLI 自主處理較大任務、又要求它可控且產出可信時。尤其適合團隊協作、需要把「怎麼跑這個專案」固化下來的情境。 📎 來源：shanraisshan/codex-cli-best-practice（作者 shanraisshan，MIT 授權）— 本篇為繁中改寫整理，完整技巧清單與工作流比較見上方連結。