ChatGPT Work 工具与技能参考 – 全面概览

Codex 工具参考是什么以及它为何重要

Codex 工具参考是一个公开托管的清单，列出了 232 个可调用工具接口 和 44 个完整的技能定义，适用于 ChatGPT Work（也称为 Codex）。它为开发者和 AI 代理提供了一个单一可信来源，用于发现、理解并调用驱动 ChatGPT 扩展功能的精确 API——从浏览器自动化到数据分析、GitHub 管理和 Gmail 操作。通过公开 TypeScript 声明、工具描述以及每个技能的完整 SKILL.md 源码，该参考使原本不透明的“插件”生态系统变得透明、可复现且可审计。

主要工具类别的自包含概览

1. 核心可调用接口（223 个工具 + 9 个会话控制）

文件与进程操作 – apply_patch, exec_command, view_image, write_stdin, update_plan。
协作原语 – collaboration.spawn_agent, collaboration.send_message, collaboration.list_agents, collaboration.interrupt_agent, collaboration.wait_agent。
技能管理 – skills__list, skills__read 用于发现和加载可重用的指令包。
插件处理 – request_plugin_install 在缺少所需能力时建议安装插件。
MCP 资源 – list_mcp_resource_templates, list_mcp_resources, read_mcp_resource 将服务器端数据暴露给模型。

2. 高层级功能组（技能）

类别	代表性技能	典型用例
文档与视觉内容	`answers-charts`, `answers-images`, `documents`, `imagegen`, `pdf`, `Presentations`, `Spreadsheets`, `visualize`, `writing-blocks`	生成图表、编辑 Word/Google 文档、创建位图图像、渲染 PDF、构建幻灯片演示文稿、生成电子表格或渲染交互式可视化内容。
浏览器与网站	`control-browser`, `sites:sites-building`, `sites:sites-hosting`, `sites:sites-preview-troubleshooting`	使用 Playwright 自动化认证的网页交互，构建并托管静态网站，或排查预览失败问题。
上下文与交互	`demos:answers-ask-user-input`, `openai-library:library`, `personal-context`, `resolve-recipients`	向用户请求缺失数据，访问 ChatGPT 库，维持对话连续性，或在发送消息前消除收件人身份歧义。
OpenAI、技能与插件	`openai-docs`, `plugin-creator`, `plugin-management:plugin-management`, `skill-creator`, `skill-installer`, `template-creator`	获取 OpenAI 产品文档，搭建新插件，管理已安装插件，创建或安装新技能，从现有资产生成可复用模板。
数据分析	`data-analytics:build-dashboard`, `data-analytics:build-report`, `data-analytics:visualize-data`, `data-analytics:metric-diagnostics`, `data-analytics:market-sizing`	构建关键绩效指标仪表板，生成高管报告，验证数据质量，诊断指标异常，以及基于透明假设估算市场规模。
工作宠物与演示	`work-pets:create-pet`, `work-pets:update-pet`, `work-pets:pets`, `demos:onboarding-setup-pet`	创建、预览和管理动画化的 ChatGPT Work “宠物”，以个性化用户体验。
自动化	`automations.create`, `automations.update`, `automations.list`, `automations.peek`	安排重复提醒、条件监控任务，或为 Gmail、Slack、GitHub 等连接器设置基于 Webhook 的自动化流程。
GitHub	超过 80 个工具，涵盖仓库的增删改查、问题/拉取请求生命周期、工作流构件和代码搜索（例如 `github_create_issue`, `github_fetch_pr`, `github_merge_pull_request`）。	实现从语言模型直接发起的端到端软件开发工作流。
Gmail	21 个工具用于标签管理、消息读取、草稿撰写、发送、转发和批量操作（例如 `gmail_apply_labels_to_emails`, `gmail_create_draft`, `gmail_bulk_label_matching_emails`）。	使 AI 代理能够作为个人助理，组织、撰写并执行邮件操作。

该参考如何为 AI 消费而设计

技能页面 完全复制 SKILL.md 源码，确保模型能无歧义地读取精确的指令集。
工具声明 以 TypeScript 签名形式提供，模型可解析以生成类型正确的 JSON 负载。
可用性标志（会话配置、权限、已安装插件）均明确记录，使模型能优雅处理缺失能力的情况。

来自 Hacker News 评论的社区洞察

@simonw – “请参见此评论以获取背景信息（以及创建提示）：https://news.ycombinator.com/item?id=49504625#49505116” 作者指向原始创建提示，确认该参考是根据底层 Codex 配置程序化生成的。这一来源保障了读者，该清单反映的是实时系统，而非静态快照。

@simonw – “最有趣的技能是 control-browser。它告诉 ChatGPT Work 如何通过其 Node.js REPL 启动一个 Playwright 实例，然后运行 nodeRepl.write(await browser.documentation()); 来获取使用说明。” 该评论突显了一种设计模式：技能将文档生成的重担委托给运行时调用，而非嵌入庞大的 Markdown 文档。这使技能保持简洁，减少重复，并确保文档与底层库保持同步。

@satvikpendem – “我不明白这和 Codex 有什么不同，如果 Codex 能做所有同样的事情。” 区别在于，Codex 指的是底层执行引擎，而 ChatGPT Work（UI 层）强制执行严格的工具调用契约，提供经过筛选的 UI 用于技能选择，并增加安全检查（例如权限控制、令牌预算）。该参考使这些契约变得明确。

@montroser – “我们能否增加一个功能，用于在常规尺寸屏幕上测试网站？除非你在 4K 显示器上，否则左侧边栏需要自行滚动。” 这一请求突显了一个实际限制：许多浏览器自动化技能假设默认视口。为 control-browser 扩展 set_viewport 参数将解决此类特定于 UI 的测试需求。

@enraged_camel – “为什么 AI 生成的网站总是看起来一样？感觉就像 Bootstrap。” 该评论暗示了更广泛的设计偏见：许多视觉生成技能（如 imagegen, visualize）依赖默认样式库。向这些技能引入多样性参数（主题、布局网格、设计系统）可缓解“Bootstrap 效应”。

@felixgallo – “考虑到 Sam Altman 的历史、OpenAI 的安全变更以及 HuggingFace 的失败，使用 ChatGPT Work 是一个严重错误。” 尽管带有政治色彩，但该评论提醒开发者评估平台及其治理的可信度。该参考的开源性质通过允许对工具定义进行独立审计，缓解了部分风险。

@darepublic – “其中一些工作工具可能会拖慢速度并浪费大量令牌。” 确实，调用工具会产生请求/响应负载的令牌开销。参考中明确的 max_output_tokens 字段（例如在 exec_command 中）有助于开发者设置合理限制，避免成本失控。

开发者的实用建议

将参考作为契约使用 – 在构建自定义 ChatGPT Work 集成时，直接导入 TypeScript 声明以确保负载兼容性。
利用技能复用 – 不要重新实现常见模式（例如“向用户请求缺失上下文”），而是调用现有的 demos:answers-ask-user-input 技能以保持提示一致性。
审计权限 – 每个工具都列出了所需权限（例如 sandbox_permissions, require_escalated）。在启用技能前，需根据部署的安全策略验证这些权限。
以最小摩擦扩展 – 要添加新功能，创建 skill-creator 技能，搭建插件目录，并通过 plugin-management 注册。参考中已包含一个 plugin-creator 技能，可自动化此流程。
监控令牌预算 – 像 exec_command 和 functions.wait 这样的工具暴露了 max_output_tokens 和 yield_time_ms。根据预期命令输出大小调整这些值，以防止不必要的令牌消耗。
考虑 UI 限制 – 如果你的工作流依赖视觉布局（例如测试响应式设计），可考虑向 control-browser 技能添加视口控制参数，或将其封装在更高层级的技能中，在导航前设置所需尺寸。

结论

Codex 工具参考是一个 全面且机器可读的目录，涵盖了 ChatGPT Work 的所有能力，从底层操作系统命令到高层级业务分析。通过公开 工具签名 和 完整技能源码，它使开发者能够程序化地发现能力、审计安全边界，并构建稳健的 AI 驱动工作流。Hacker News 社区评论揭示了现实世界中的关切——文档设计、UI 体验、令牌效率和平台信任——这些可指导工具集的未来改进。