37 星的小众仓库，把 Codex 跑成并行舰队
刷 GitHub Trending 经常刷到那种”一夜 22K Star”的爆款，但今天想聊一个完全反向的例子：avenoxai/avenoxskills——37 Star 的小仓库，做的事情却全是真生产线的活儿，没一行 demo 代码。
它的卖点不是体量，是”凌晨三点出过事”这五个字。每个 Skill 都是被 YouTube 出片流水线、Codex 集群调度、monorepo 外审跑过真实任务的版本——踩过的坑、爆过的 2am 故障，全沉淀进 SKILL.md 里。对比一下，那种上来就放 100 个 demo Skill 的仓库，深度差一个数量级。
codex-fleet：把 Codex CLI 变成并行舰队
这是仓里我最看重的 Skill。多数人用 Codex 是一条 CLI 跑一个任务，速度慢、串行、卡住就没法换。这个 Skill 把 Codex CLI 重新包装了一下：
- 多 lane 并行：每个 lane 是独立 worktree，互不污染主目录。一个任务拆三路，CPU 跑满。
- gpt-image-2 直接调：原生挂图能力，不需要另接 midjourney 那一套。
- 零依赖：不需要 control plane、不需要 K8s，单机就能起舰队。对个人开发者太友好了。
这意味着你跑一个大型 refactor，可以让 Claude Code 当主脑规划，再让三辆 Codex 卡车分别去实施。每个卡车跑自己的 worktree，最后主脑再合并——这不就是 2026 年版的”分布式编程”吗？
fable-orchestration：稀缺模型 vs 廉价跑量
另一个让我眼前一亮的 Skill。它解决的问题是：当你主循环跑在一个顶级模型上（贵、慢），哪些事情丢给便宜子代理、哪些丢给 Codex lane 去做？
路由逻辑不是按”任务类型”而是按”难度梯度”判断——简单的 read-only 侦察丢给 25× 便宜的模型，重构和决策丢给顶配。这个思路对正在烧 token 的 Agent 团队很关键，光这一套规则每月能省几千块账单。
video pipeline：本地化 YouTube 工厂
仓里还有一组三件套——avenox-video（路由）+ avenox-roughcut（粗剪）+ avenox-graphics（包装）+ avenox-thumbnail（高 CTR 封面）。整套链路不上传渲染服务器，全程本地。gpt-image-2 并行生成封面、有 hook 模式 playbook、有硬性安全规则。
对 YouTube 内容创作者来说，等于开箱即用的 agentic 工厂。主播只负责口播，剩下全交给 Agent 跑完。
chainscan：一条 Key 查 60+ 链
最后一颗彩蛋是 chainscan——通过 Etherscan V2 统一 API + Foundry cast 兜底，做了一个多链浏览器。一个 key、一个端点，覆盖 60+ 公链的合约、交易、日志、余额、token 信息。对 Web3 开发者做跨链监控够用。
怎么装
兼容 Claude Code、Cursor，以及任何读 SKILL.md 的 harness。装法两种：
- 整包
git clone+cp -R到~/.claude/skills/ - 挑一个 Skill 单文件拷过去（除了 video 三件套共用
avenox-studio/，其他都是独立的）
37 Star 不代表弱——这种”凌晨三点没出过事”的工程经验，往往比 10K Star 的玩具仓库值钱得多。如果你正在烧 token 做 Agent 编排，或者想把 YouTube 频道全流程 Agent 化，这仓值得精读一遍。
👉 GitHub：https://github.com/avenoxai/avenoxskills
评论区
登录后可评论。