Cole Medin 在视频里演示了一套基于 Claude Code 的 Agentic Coding 工作流。作者发现其核心价值不在 Claude，而在方法本身，于是把整套流程移植到 Codex，并整理成一篇实践记录。
原工作流的核心是「AI Layer」：仓库里存放 PRD、全局规则、参考文档、命令和 Skills，帮助编码代理理解要构建什么、如何构建、遵循哪些流程。其中命令（command）是用户显式启动的工作流，Skills 则是代理按需调用的能力。
移植到 Codex 时，作者把 Claude Code 的 Markdown 命令转成 Codex Skills，放在 .agents/skills/ 目录下，并通过 openai.yaml 里的 allow_implicit_invocation: false 禁止代理自动触发，保证 $create-prd、$prime、$execute 等流程只能显式调用。全局指令文件也从 CLAUDE-template.md 转为项目根目录的 AGENTS.md。
验证环节用一个 todo list 应用跑通全流程：先让 Codex 提问澄清需求，再用 $create-prd 生成 PRD.md，$create-rules 扩充 AGENTS.md，$prime 在新会话重建项目心智模型，随后进入 PIV 循环——$plan-feature 产出持久化计划文件，$execute 在新会话执行计划，最后运行 typecheck、lint、build、test 并用 agent-browser Skill 做界面验证。Git 提交记录则充当长期记忆，供后续 $prime 回顾项目演进。
整套方法只用 PRD.md、AGENTS.md、少量持久化计划和几个 Skills 构成，相比 BMAD 这类完整框架更轻量。作者认为，用编码代理不失控不一定需要更多自动化，少量清晰工件、显式步骤和不跳过规划与验证的纪律就足够。
GitHub
#开发者 #工具 #Codex #AgenticCoding #ClaudeCode #AGENTSMD #PIV #Skills #AI编程
@DevToolboxHub