不知道有多少人玩了codex的电子宠物，这里有一篇完整解读的文章，还挺有意思的🥹。
Codex Pet Skill：一只电子宠物背后的 Agent 生产系统样本
这篇文章表面在拆 OpenAI Codex 的 hatch-pet skill，真正讲的是：成熟 Skill 应该把经验、边界、工具链、验收和修复流程封装成可执行协议，而不只是把 prompt 存进 SKILL.md。
hatch-pet 生成的是 Codex app 可加载的动画宠物资产：最终产物是 pet.json 和 spritesheet.webp。资产协议很具体：1536×1872 的 8×9 atlas，每格 192×208，9 行分别对应 idle、running、waiting、failed、review 等状态，未使用格必须透明。也就是说，它产出的不是“好看的宠物图”，而是 app 状态机可以消费的动画表。
文章最有价值的拆解在工程边界：$imagegen 负责非确定性的视觉生成，scripts 负责确定性工作，包括 manifest、provenance、hash、抽帧、拼 atlas、透明背景校验、contact sheet、preview video 和最终打包。模型生成的图只是材料，经过记录来源、结构检查、视觉检查和打包后，才变成可用资产。
子代理设计也很值得借鉴：row strip 可以并行生成，但 manifest、record、mirror、finalize、package 都由父代理控制。这个模式可以抽象成一句话：worker 可以并行，truth commit 必须集中。对 AgentOS / OpenClaw 这类系统，这是比“多开几个子代理”更关键的控制面设计。
QA 部分也清醒：脚本能验证尺寸、alpha、空 cell、hash，但不能证明“这还是同一只宠物”或“review 状态真的像 review”。所以它把结构正确和语义正确分开验收。失败后也不是整套重做，而是定位失败 row，归档旧输出，追加 repair note，只重开对应 job。
我的判断：这篇适合收藏进 Skill 设计参考。它把“Skill 是什么”从提示词模板推进到生产协议：模型生成候选，manifest 保存状态，脚本编译产物，QA 分层验收，repair 限定范围，control plane 统一提交。宠物是外壳，真正有用的是这套可复用的 Agent 工程骨架。
文末还提到 Codex v0.128.0 的 /goal
🔗 文章：http://t.cn/AXJlmNqw（微信）
💻 hatch-pet skill：http://t.cn/AXJlmNqA（GitHub）
💻 OpenAI Skills：http://t.cn/AXVbNdAi（GitHub）
💻 Codex goals reference：http://t.cn/AXJlmNqZ（GitHub）
#HOW I AI# #ai生活指南# #AI工具#
