CODEX 課程 / 12 核心 + 06 平台
建立可靠的 Codex 作業系統。
依序前進：先建立 terminal 與信任邊界，再保存 repository 知識、擴充 tool surface，最後只自動化已能提出證據的 workflow。
安全進入 Terminal
安裝、登入、從正確 repository 啟動，並在要求 Codex 行動前選好權限。
讓工作清楚且可重複
控制 live session、保存 durable guidance、依 scope 配置，並把變更轉成可 review 的證據。
- 05控制長時間 CLI session從規劃、實作到 review 都清楚且可操控的 session。
- 06用 AGENTS.md 保存 repository 知識精簡、已驗證，能教 Codex 如何建置與檢查此 repo 的 AGENTS.md chain。
- 07依 scope 配置 Codex，不靠偶然個人與 repo 行為可預測，one-off override 明確，沒有過時 profile 格式。
- 08把變更轉成可 review 的證據可重複的 change-test-diff-review loop，包含 prioritized findings 與 acceptance decision。
擴充、治理與自動化
連接 MCP、封裝 skills、加入 guardrails，再把獨立工作擴展為 subagents 與安全 CI。
- 09透過 MCP 連接外部系統Tool surface 狹窄，startup/approval policy 清楚且已驗證的 MCP connection。
- 10把重複工作封裝成 SkillsTrigger 清楚、可測試，distribution path 合理的 narrow skill。
- 11用 Hooks 與 Rules 加入 guardrails一個已 review hook 與已測 command rule，改善控制但不冒充完整 security boundary。
- 12從 Subagents 擴展到安全 Automation有界 parallel workflow 與 least-privilege automation，輸出可機器驗證。
直接建置 OpenAI Platform
保留原有 API 架構筆記，服務直接擁有 Responses、tools、schemas、agent loops、realtime 與 model routing 的產品。
- 13把 Responses 當成系統邊界一層能更換模型、卻不改變產品契約的 request boundary。
- 14為每個工具建立窄契約一層可審查、可重試、可撤銷權限的 tool layer。
- 15把 Schema 當成使用者體驗Typed model output 透過明確 validation gate 才進入產品程式。
- 16決定誰擁有 Agent Loop一個 controller 與 stop conditions 都明確的多步工作流。
- 17把 Realtime 當成即時系統一套用真實網路、聲音與中斷情境測試過的 realtime architecture。
- 18把模型選擇留在系統邊緣能用證據與設定採用新模型、而不是重寫產品的 deployment。