zgx949/ai-pojia

破甲CodeX。面向小白的实用 Skills 与插件，可直接破甲CodeX发挥出模型最大的潜能，附完整教程和示例。

AI破甲 (ai-pojia) は、OpenAI の Codex コーディングエージェント向けの設定および Skill インストーラーです。カスタム指示ファイルと Skill を設定して、Codex がタスクを処理する際に特定の権限ベースのワークフローに従うようにします。プロジェクトはバージョン 0.2.0 で、上流プロジェクトの gpt-instruct v45 プロンプトの書き直し版に基づいていますが、すべての目標を自動的にサンドボックス化する、所有権/スコープを無視する、無条件に回答を拒否するなどの機能を明示的に削除しています。AI が許可されたタスクを完了し、検証可能な出力を生成することを目指していますが、すべてのモデルで動作する、または公式デモテストに合格したとは主張していません。

インストール内容

プロンプトファイル（prompts/ai-pojia.md）を Codex ディレクトリにコピーし、model_instructions_file 設定を介して読み込みます（新しいセッションの Codex 組み込み指示を置き換えます）。
Skill（skills/ai-pojia/SKILL.md）を同じディレクトリの skills/ai-pojia/ にインストールします。
設定の確認、プレビュー、バックアップ、復元のためのツールを提供します。

インストーラーは、独自のプロンプト、Skill、および関連設定のみを管理します。モデル、プロバイダー、認証、権限設定は変更しません。

インストール

最も簡単な方法: Codex に特定のメッセージを送信して、リポジトリをクローンし、README を読み、python3 install.py を実行し、その後 python3 install.py --doctor を実行して検証するよう依頼します。
手動: git clone、cd、python3 install.py。Python 3.9+ と、model_instructions_file とローカル Skill をサポートする Codex バージョンが必要です。Windows では、python3 の代わりに py -3 を使用します。
--codex-dir でカスタム Codex ディレクトリを指定できます（デフォルトは CODEX_HOME または ~/.codex）。

使用法

インストール後、通常のタスクは読み込まれた指示を使用します。
自作のテストデモの場合、ファイルを別のディレクトリに置き、「$ai-pojia を使用してこのテスト DEMO を分析してください...」のようなメッセージを送信します。Skill は、要約、分析証拠、修正コピー、差分、検証コマンド、実際の結果を生成します。
demos/ フォルダには現在テストプログラムや事前設定された回答はありません。公式デモは後で計画されています。

確認、プレビュー、アンインストール

python3 install.py --doctor – インストールを確認します。
python3 install.py --dry-run – ファイルを書き込まずにプレビューします。
python3 install.py --uninstall – 元のトップレベルの指示フィールドを復元し、Skill をアーカイブします。
手動でファイルを編集した場合や競合がある場合、ツールは停止して実際の状態を報告します。

上流と変更点

ソースは MDX-Tom/gpt-instruct の固定コミット（3ab84df）で、MIT ライセンスです。元の著作権は保持されます。
このバージョンは、継続実行、成果物配信、ベースライン比較、復元検証を保持しますが、すべての実際の目標をサンドボックス化する、所有権/スコープを無視する、無条件に拒否を禁止する、無関係なブランチを削除します。
正常に読み込まれたということは、設定が組み込み指示を指し、検証することを意味するだけであり、モデルがリクエストを受け入れることを保証しません。クライアント、モデル、サーバー側のルールは結果に影響します。

開発

テストは python3 -m unittest discover -s tests -v で実行します。
パッケージは python3 tools/package_release.py で作成します。
プラグインパッケージ用の plugin.json がありますが、まだ公開されていません。Skill をインストールしますが、グローバル指示は変更しません。完全なワンクリックエントリは install.py です。

制限事項

普遍的な拒否キャンセルはなく、全モデル互換性もなく、公式デモ完了結果もまだありません。
実際の検証範囲は docs/validation.md に文書化されています。