Codex子代理配置指南：覆盖Rust到DevOps的136+专家代理库

是不是经常遇到这种情况：你让 AI 帮忙审查一段复杂的 Rust 代码，结果它只给出了通用的“建议添加错误处理”；或者让它帮忙写一个 K8s 的 Deployment 配置，它生成的 YAML 却缺少关键的生产环境安全参数？

通用的大模型懂“编程”，但往往不懂“行规”。不同的语言、不同的基础设施、甚至不同的业务领域，都有其独特的最佳实践和坑点。今天要介绍的 Awesome Codex Subagents 项目，就是为了解决这个痛点而生。这不再是与一个“万金油”聊天，而是能随时召唤一位深耕特定领域的“资深专家”。项目精心策划了 超过 136 个 Codex 子代理，覆盖了从核心开发、语言专家到基础设施运维等 10 大类别。

核心功能与分类

这个项目不仅仅是一个 Prompt 列表，它利用了 Codex 原生的 .toml 配置文件，实现了深度的工程化定制。

1. 领域专家矩阵

项目将 136+ 个代理分为 10 大类，精准覆盖开发中的各类需求。以下是核心分类概览：

• 01. Core Development (核心开发): 涵盖 api-designer（API 设计）、backend-developer（后端开发）、frontend-developer（前端开发）、fullstack-developer（全栈开发）等日常开发必备角色。
• 02. Language Specialists (语言专家): 深耕特定语言生态，如 golang-pro (并发专家)、rust-engineer (系统编程专家)、nextjs-developer (全栈框架专家)。对于深耕特定语言，如 Rust 系统编程，这里的专家代理能给出更符合语言习语和安全规范的代码。
• 03. Infrastructure (基础设施): 也就是 DevOps 天堂，包含 kubernetes-specialist (K8s 专家)、terraform-engineer (Terraform 工程师)、cloud-architect (云架构师)。在 运维/DevOps/SRE 场景下，这些代理能生成更贴合生产环境的配置。
• 04. Quality & Security (质量与安全): 代码守门员，包括 code-reviewer (代码审查员)、security-auditor (安全审计员)、penetration-tester (渗透测试员)。
• 05. Data & AI (数据与人工智能): 数据与 人工智能 专家，如 llm-architect (LLM 架构师)、ml-engineer (机器学习工程师)、prompt-engineer (提示词工程师)。
• 06. Developer Experience (开发者体验): 提升效率的工具专家，如 git-workflow-manager (Git 工作流管理器)、refactoring-specialist (重构专家)。
• 07. Specialized Domains (专业领域): 特定垂直领域，如 blockchain-developer (区块链开发者)、iot-engineer (物联网工程师)、fintech-engineer (金融科技工程师)。

2. 智能模型路由

不同任务需要不同算力的模型，项目为每个子代理配置了最优模型，以平衡输出质量与使用成本：

Model	When It’s Used	Examples
gpt-5.4	深度推理 – 架构评审、安全审计、金融逻辑分析	security-auditor, architect-reviewer, fintech-engineer
gpt-5.3-codex-spark	快速扫描、内容合成及较轻量级的研究任务	search-specialist, docs-researcher, agent-installer

3. 沙盒模式哲学

安全是重中之重，每个子代理都明确定义了其对文件系统的访问权限：

• 只读代理 (Read-only agents): 如审查员、审计员。配置为 sandbox_mode = “read-only” ，仅分析不修改，非常适合 Code Review 场景。
• 工作区写入代理 (Workspace-write agents): 如开发者、工程师。配置为 sandbox_mode = “workspace-write” ，允许在指定工作区内创建和修改文件，适合实际开发任务。

4. 原生子代理结构

每个代理都是一个标准的 .toml 配置文件，结构清晰，易于理解和自定义：

name = "subagent-name"
description = "When this agent should be invoked"
model = "gpt-5.3-codex-spark"
model_reasoning_effort = "medium"
sandbox_mode = "read-only"

[instructions]
text = """
You are a [role description and expertise areas]...

[Agent-specific checklists, patterns, and guidelines]...
"""

实战配置与使用

安装与配置

安装过程非常简单，本质上是将 .toml 文件复制到 Codex 指定的目录。你可以根据需求选择全局安装或项目级安装。

子代理存储位置说明：

Type	Path	Availability	Precedence
项目级子代理 (Project Subagents)	.codex/agents/	仅当前项目可用	更高
全局子代理 (Global Subagents)	~/.codex/agents/	所有项目可用	更低

注意：当命名冲突时（即全局和项目目录存在同名代理），项目特定的子代理会覆盖全局代理。

安装命令示例：

1. 全局安装一个后端开发专家：

   mkdir -p ~/.codex/agents
   cp categories/01-core-development/backend-developer.toml ~/.codex/agents/

2. 为当前项目安装一个代码审查员：

   mkdir -p .codex/agents
   cp categories/04-quality-security/reviewer.toml .codex/agents/

工作流实战

Codex 不会自动激活或使用这些子代理，你需要在 Prompt 中显式地调用它们。以下是官方推荐的高效工作流示例：

• PR 审查工作流 (并行审查)：

  Review this branch with parallel subagents. Have reviewer look for correctness, security, and missing tests. Have docs_researcher verify the framework APIs this patch depends on. Wait for both and summarize the findings with file references.

• Bug 调查工作流 (链式调查)：

  Investigate the broken settings flow. Have code_mapper trace the owning code paths, browser_debugger reproduce the bug in the browser, and frontend_developer propose the smallest fix after the failure is understood. Wait for the read-heavy agents first, then continue.

避坑指南与总结

使用注意事项：

1. 显式调用是关键：Codex 本身没有智能路由功能，它不会自动“猜测”你要用哪个子代理。你必须在 Prompt 中像使用同事一样明确指定（例如“Have code_mapper trace…”）。
2. 注意权限管理：在使用 sandbox_mode = “workspace-write” 模式的代理时，请确保你了解并信任其即将进行的操作，因为它有权限直接创建或修改你工作区内的文件。
3. 理解配置优先级：如果你在全局目录和项目目录都放置了同名代理，项目目录的代理会优先生效。这非常适合针对特定项目覆盖一些通用配置。

总结
Awesome Codex Subagents 是目前非常全面的 Codex 专用代理库，非常适合追求极致开发效率和代码质量的开发者或团队。无论你是全栈开发者、DevOps 工程师还是安全专家，都能在这里找到高度专业化的“数字分身”，让 AI 辅助编程变得更精准、更高效。

如果你对这类提升开发效率的工具和模式感兴趣，欢迎到 云栈社区 的相应板块交流讨论。

（项目开源地址：https://github.com/VoltAgent/awesome-codex-subagents，采用 MIT 许可证。子代理按“原样”提供，使用前请自行审核其安全性。）