Codex对抗评审
AI Skill Hub 强烈推荐：Codex对抗评审 是一款优质的Agent工作流。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
Codex对抗评审 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
Codex对抗评审 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
Codex对抗评审 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：npm 全局安装 npm install -g codex-adversary # 方式二：npx 直接运行（无需安装） npx codex-adversary --help # 方式三：项目依赖安装 npm install codex-adversary # 方式四：从源码运行 git clone https://github.com/todd866/codex-adversary cd codex-adversary npm install npm start
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
codex-adversary --help
# 基本用法
codex-adversary [options] <input>
# Node.js 代码中使用
const codex_adversary = require('codex-adversary');
const result = await codex_adversary.run(options);
console.log(result);
# codex-adversary 配置说明 # 查看配置选项 codex-adversary --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export CODEX_ADVERSARY_CONFIG="/path/to/config.yml"
codex-adversary
Recruit Codex as an automatic adversarial reviewer inside Claude Code.
When Claude runs a review or red-team pass, it usually reviews with itself. This setup makes Claude also recruit Codex — a second, independently-prompted model from a different vendor — on the same artifact, then reconcile the two. A second model catches mistakes a single reviewer's blind spots would miss: agreement raises confidence, and disagreement is where the lead looks harder.
It works on code (local git diffs and branch diffs) and on prose (a manuscript, a research claim, an argument, a design doc).
Codex plays two roles: an adversarial reviewer (retrospective — tear apart finished work) and an advisor (prospective — a second opinion on a decision before you act).
One honest caveat up front: Codex and Claude are both transformer LLMs trained on overlapping data, so this is correlated diversity, not independence. Agreement reduces stochastic misses; it does not clear shared blind spots. Treat agreement as raised confidence, never as verification — anything correctness/safety/money-critical still needs a non-LLM check (run the code, check the source, do the arithmetic). See Limitations.
Requirements
- Claude Code - Codex CLI, installed and authenticated (codex login). It runs on whatever account/model your Codex CLI is configured with. Tested against Codex CLI 0.139.0. - bash 3.2+ on macOS or Linux (or WSL on Windows). Native Windows shells are not supported.
Install
git clone https://github.com/todd866/codex-adversary
cd codex-adversary
./install.shThe installer copies the wrapper, skill, and command into ~/.claude/, and appends the auto-trigger directive to ~/.claude/CLAUDE.md (idempotently — re-running upgrades the block in place). Start a new Claude Code session to pick up the skill. Remove everything later with ./uninstall.sh.
To install into a non-default location: CLAUDE_HOME=/path/to/.claude ./install.sh.
Uninstall
./uninstall.shRemoves the installed files (only those carrying this project's stamp) and strips the directive block from ~/.claude/CLAUDE.md.
Usage
- Automatic: when Claude runs a substantive review/red-team pass, it recruits Codex and synthesizes. Nothing to type. - Explicit: /adversarial-review <file, diff, or claim>. - Standalone (bash):
# prose
cat draft.md | ~/.claude/bin/codex-adversary.sh --mode prose --effort xhigh \
--focus "scrutinise the statistical claims"
# code (uncommitted changes, or vs a base branch)
~/.claude/bin/codex-adversary.sh --mode diff
~/.claude/bin/codex-adversary.sh --mode diff --base main
# advise — a second opinion on a decision before acting
echo "Queue vs direct calls between A and B? Leaning queue. What am I missing?" \
| ~/.claude/bin/codex-adversary.sh --mode advise --repo .
Troubleshooting
- First, run codex-adversary.sh --doctor — it reports your Codex version, whether codex exec works, and which required flags are present. - "Codex exited non-zero / no output" (exit 4): usually not logged in — run codex login. - "timed out" (exit 5): raise --timeout (default 600s), or the artifact is too large. - "incompatible" (exit 6): your Codex lacks codex exec or --output-last-message — update Codex (see MAINTENANCE.md).
Exit codes: 0 ran · 2 usage · 3 not installed · 4 failed/empty · 5 timed out · 6 incompatible.
高质量的自动化代码评审工具
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，Codex对抗评审 是一款质量优秀的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | codex-adversary |
| 原始描述 | 开源AI工作流：Recruit Codex (GPT) as an automatic adversarial reviewer inside Claude Code — di。⭐23 · JavaScript |
| Topics | ai-agentsai-code-reviewcodexjavascript |
| GitHub | https://github.com/todd866/codex-adversary |
| License | MIT |
| 语言 | JavaScript |
收录时间：2026-06-24 · 更新时间：2026-06-24 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。