这组文章是给“想真正把 AI 编程工具用起来”的开发者准备的。重点不是罗列工具名，而是把几个容易混在一起的问题拆开：入口怎么选、国内网络怎么处理、项目规则怎么固化、什么时候用 MCP，什么时候写 Skill。
本文核对时间：2026-05-12。工具更新很快，具体命令和登录入口以官方文档、当前版本 --help 输出为准。
先看结论
如果你刚开始用，建议按这个顺序读：
- Codex 入门：App、IDE 扩展和 CLI 怎么选
- 不用订阅账号也能用 Codex：API Key、中转站与国内模型配置
- Claude Code 入门：安装、登录和 CLAUDE.md
- MCP 入门：把文件、GitHub 和数据库接给 AI
- Skills 入门：把重复提示词沉淀成工作流
- 这份手册应该部署在哪：国内访问优先的方案
最短路线是：先跑通 Codex CLI，再补 AGENTS.md，再按需要配置 MCP 或 Skill。
这套手册解决什么
AI 编程工具的坑通常不在“会不会写提示词”，而在这些基础设施问题：
| 问题 | 对应文章 |
|---|---|
| 不知道装 App、IDE 扩展还是 CLI | Codex 入门 |
| 没有 ChatGPT 订阅账号，或国内无法直连 | Codex 网络与模型接入 |
| 想多保留一个 Claude 生态工具 | Claude Code 入门 |
| 想让 AI 安全访问文件、GitHub、数据库 | MCP 入门 |
| 总是重复同一段提示词和审查清单 | Skills 入门 |
| 想让国内读者能稳定访问手册 | 国内部署方案 |
先分清四个概念
Codex 是 OpenAI 生态里的编程代理入口，可以通过 App、IDE 扩展或 CLI 使用。
Claude Code 是 Anthropic 生态里的终端编程代理，适合在项目目录里读代码、改代码、跑命令。
MCP 解决的是“AI 需要访问外部工具或数据源”的问题，例如文件系统、GitHub、数据库、内部 API。
Skill 解决的是“AI 需要复用一套工作方法”的问题，例如固定的中文文档写法、代码审查格式、发布清单。
国内用户优先处理网络和协议
很多失败不是模型能力问题，而是入口不通、协议不兼容、密钥没被正确读取。
建议先确认三件事：
- 你准备用 ChatGPT 登录，还是用 API key / 中转站 key / 国内模型 key。
- 你的 provider 是否兼容 OpenAI Responses API。
- 本地
~/.codex/config.toml和环境变量是否能被当前终端读取。
只支持 /v1/chat/completions 的服务，通常不适合新版 Codex 主流程。它们可以留给其他兼容 Chat Completions 的工具使用。
推荐学习路径
完全新手
先装 Codex App 或 IDE 扩展，选一个练习目录，让它做一个很小的任务。不要一开始就让它改生产项目。
完成后再读网络接入文章，把 API key、中转站或国内模型网关配置清楚。
有开发经验
直接从 Codex CLI 开始：
__SHIKI_CODE_0__跑通后补一个 AGENTS.md，把项目的安装、测试、构建和修改边界写进去。
团队或长期项目
建议同时准备：
- 项目根目录的
AGENTS.md - Claude Code 用户需要的
CLAUDE.md - 一组最小可用的 MCP Server
- 1-3 个高频工作流 Skill
这里的重点是“少而稳定”。每个工具入口都要有明确边界和验证方式。
发布形态
这份手册不一定要做成独立网站。放进博客反而更适合长期维护：每个主题是一篇文章，后续更新某一章时不会影响整站结构。
如果要保证国内访问，部署是另一个问题。当前博客使用 Next.js + OpenNext Cloudflare，内容并入博客以后，读者是否能稳定访问仍取决于博客实际部署线路。具体取舍见部署方案文章。
参考来源
- OpenAI Codex 文档：https://developers.openai.com/codex/
- Claude Code 文档：https://code.claude.com/docs/en/
- MCP 官方文档：https://modelcontextprotocol.io/docs
- OpenAI Skills 示例：https://github.com/openai/skills
