codex-use-cases

name	codex-use-cases
description	OpenAI Codex Use Cases 完整知識庫。涵蓋 12 個官方 use case， 包含原始與優化 prompt、工作流程、AGENTS.md 配置範例、 技術棧建議。適用於需要參考 Codex 最佳實踐、撰寫 AGENTS.md、 或設計 Codex 自動化工作流的場景。

Codex Use Cases 知識庫

快速索引

Use Case	分類	任務類型	難度	預估時間
Analyze datasets and ship reports	Data	Analysis	Intermediate	1h
Bring your app to ChatGPT	Integrations	Code	Advanced	1h
Build for iOS and macOS	Mobile	Code	Advanced	1h
Build responsive front-end designs	Front-end	Design	Intermediate	1h
Create browser-based games	Front-end	Code	Intermediate	Long-running
Generate slide decks	Engineering	Automation	Easy	20m
Iterate on difficult problems	Evaluation	Analysis	Advanced	Long-running
Kick off coding tasks from Slack	Integrations	Automation	Easy	5m
Review pull requests faster	Engineering	Automation	Easy	5s
Turn Figma designs into code	Front-end	Design	Intermediate	1h
Understand large codebases	Engineering	Analysis	Easy	5m
Upgrade your API integration	Engineering	Code	Intermediate	1h

使用方式

查找特定場景的 prompt

1. 查看下方分類索引找到對應 use case
2. 參考 prompts/optimized/{slug}.md 中的優化版 prompt
3. 替換 {{placeholder}} 為你的具體內容

為專案配置 AGENTS.md

1. 確認專案類型（前端 / 後端 / 數據 / 全棧）
2. 從相關 use case 的 structured/{slug}.json 中的 agents_md_snippets 提取片段
3. 組合成完整的 AGENTS.md

選擇合適的 Codex 工作流

1. 確定任務類型（Analysis / Automation / Code / Design）
2. 對照 use case 的 workflow_steps 建立工作流
3. 根據需求調整步驟

分類詳情

Data（數據類）

Use Cases: datasets-and-reports

核心能力：

• 數據匯入與清理（pandas）
• 探索性分析與圖表生成（matplotlib/seaborn）
• 模型建構（statsmodels/scikit-learn）
• 評分驅動的品質迴圈
• 自動生成報告

關鍵技術：Python, pandas, matplotlib, seaborn, statsmodels, scikit-learn

AGENTS.md 配置要點：

• 驗證數據類型和結構
• 使用 seaborn 進行統計視覺化
• 記錄超參數和模型設定
• 所有輸出保存到 outputs/ 目錄

---

Engineering（工程類）

Use Cases: generate-slide-decks, github-code-reviews, codebase-onboarding, api-integration-migrations

核心能力：

• 自動生成投影片（PptxGenJS）
• PR 自動審查（P0/P1 分級系統）
• 程式碼庫快速上手（請求流程追蹤）
• API 遷移（清點 → 計劃 → 執行 → 驗證）

關鍵技術：PptxGenJS, GitHub, OpenAI API

AGENTS.md 配置要點：

• PR 審查分級：P0（安全）> P1（測試/行為）> Informational
• Code review 需檢查安全回歸、缺失測試、風險行為
• API 遷移需保留既有行為

---

Evaluation（評估類）

Use Cases: iterate-on-difficult-problems

核心能力：

• Eval-driven improvement loop（評分驅動改進迴圈）
• 確定性 + LLM-as-judge 雙評分
• 持續迭代直到達標（>90%）
• 視覺化產出檢查（view_image）

關鍵技術：Eval scripts, LLM-as-judge

AGENTS.md 配置要點：

• 每次有意義的改變後重新評分
• 記錄分數變化
• 不在第一個可接受結果時停止
• 除非新版本明確更差，否則不回退

---

Front-end（前端類）

Use Cases: frontend-designs, browser-games, figma-designs-to-code

核心能力：

• 從截圖/設計稿精準實作 UI
• 使用 Playwright 自動化視覺驗證
• 瀏覽器遊戲開發（Phaser/PixiJS）
• Figma MCP 整合
• 響應式設計（mobile-first）

關鍵技術：React, CSS, Playwright, Phaser, PixiJS, Figma MCP, Next.js

AGENTS.md 配置要點：

• 重用現有設計系統元件
• 視覺比對使用 Playwright 截圖
• 響應式支持桌面與行動端
• 遊戲開發使用 PLAN.md 文件先規劃

---

Integrations（整合類）

Use Cases: chatgpt-apps, slack-coding-tasks

核心能力：

• ChatGPT 應用開發（action/canvas/connector）
• Slack Bot 整合
• OAuth 2.0 PKCE 認證
• Vercel 部署

關鍵技術：React, Vercel, OAuth, ChatGPT API, Slack

AGENTS.md 配置要點：

• ChatGPT App manifest 必須合規
• API 金鑰必須使用環境變數
• 所有 API 路由需驗證請求來源

---

Mobile（行動端）

Use Cases: native-ios-macos-apps

核心能力：

• CLI 優先的 SwiftUI 開發
• 跨 iOS/macOS 平台支持
• XcodeBuildMCP 建構驗證
• 9 種技能整合

關鍵技術：SwiftUI, Xcode, Swift Package Manager, XcodeBuildMCP

AGENTS.md 配置要點：

• 使用 Tuist 或 xcodebuild 管理專案
• SwiftUI App protocol 作為入口點
• 嚴格併發檢查
• 建構必須零警告

常見問題

Q: 如何選擇合適的 use case？

從任務類型出發：

• 需要分析數據 → Data
• 需要自動化重複工作 → Engineering
• 需要持續改進品質 → Evaluation
• 需要實作 UI → Front-end
• 需要第三方整合 → Integrations
• 需要開發原生 App → Mobile

Q: Codex App vs CLI vs Cloud 如何選擇？

• App: 適合互動式任務，可上傳檔案、即時預覽
• CLI: 適合嵌入開發工作流，自動化管線
• Cloud: 適合長時間運行的任務、CI/CD 整合

Q: AGENTS.md 放在哪裡？

放在專案根目錄。Codex 會在每次任務開始時讀取。

技術棧速查

技術	用途	相關 Use Case
pandas	數據處理	datasets-and-reports
matplotlib/seaborn	資料視覺化	datasets-and-reports
Playwright	E2E 測試 / 視覺驗證	frontend-designs, browser-games, figma-designs-to-code
PptxGenJS	投影片生成	generate-slide-decks
Phaser/PixiJS	遊戲引擎	browser-games
SwiftUI	iOS/macOS UI	native-ios-macos-apps
React + Next.js	Web 前端	chatgpt-apps, browser-games
Figma MCP	設計轉碼	figma-designs-to-code
OpenAI API	AI 整合	api-integration-migrations