他们的核心结构其实很简单，就四层：
第一层是 AGENTS.md 文件，这个文件的作用是强制触发规则。说白了就是用 if/then 的逻辑写清楚，什么情况下必须调用哪个 workflow，不给模型留猜测的空间。
第二层是 .agents/skills/ 目录，里面封装了具体的工作流。每个 skill 只干一件事，有一个明确的触发条件，产生一个确定的输出。这样做的好处是职责清晰，不会乱。
第三层是 scripts/ 目录，那些需要固定顺序执行的 shell 操作全部放这里。为什么要这么做？因为不想让模型每次都重新猜一遍执行顺序，直接告诉它按脚本来就行了。
第四层是 Codex GitHub Action，等本地测试稳定了，就把整套逻辑搬进 CI 环境，完全复用，不用重新写。
还有一个特别容易被忽视的细节：skill 里面有个 description 字段，这个字段不是给人看的注释，它是路由信号。如果你写得模糊，agent 就不知道该用哪个 skill。OpenAI 的建议很直接，路由不准确的时候，先改 description，别急着加代码。
把这套思路往外推一推，你会发现一个规律：任何项目，只要你把工程规范显式地编码进仓库里，agent 的行为就会稳定得多。与其让 AI 自己摸索，不如直接告诉它规则是什么。
仓库地址：github.com/openai/openai-agents-python。
可以去看看具体实现。
##