最近给 Codex 换皮肤这个需求，热度确实不小。有开发者通过给别人定制皮肤，一周就赚了几万块，这生意还真有人做成了。

不过，从数据和市场反馈来看，市面上始终缺少一个称手的皮肤制作工具。于是，有开发者花了几天时间，捣鼓出了这个 Codex Themes 工具。

你可以在里面一键换上李白的皮肤主题，那种感觉，确实很舒服。

也可以一键回到十几年前的那个盛夏——QQ的咳嗽声一响，心跳漏半拍，那个你等了一整晚的头像，终于亮了。

换上提莫的皮肤，写代码都有种在峡谷里种蘑菇的快乐。

操作很简单，无需复杂的环境配置，一键应用就可换肤。而且这个工具是通过 CDP 的方式注入装饰层，不会修改 Codex 安装包代码，所以也不会影响 Codex 的原生交互。如果哪天觉得不爽了，还能一键切换回 Codex 默认的原生主题。

应用内置了不少主题和皮肤，你可以一键使用，也可以复制为副本，然后自定义修改。调色嘛，满意了就用，不满意就继续改，直到手顺为止。

不过，最核心的亮点还不在这里。在 Codex Themes 里，你可以直接使用 Codex 来生成想要的主题，里面配置了主题皮肤制作 Skill 和可视化流程。通过 App Server 的方式，只要本地有 Codex，就能一键连接，然后在上面进行多轮修改，直到挑出自己满意的主题为止。

制作好主题后，你甚至可以把它发布到社区广场，让其他人使用。用户购买后，你也能获得对应的积分。用户可以用积分或者支付宝直接购买主题——这样一来，主题创作的闭环就打通了。

这样一个带有支付、前后端、数据库能力，相对成熟闭环的产品，现在已经被免费开源了。相关信息如下：

官网：theme.codexguide.ai
开源地址：github.com/freestylefly/codex-themes

你别说，就连这个官网也是经过用心打磨的，整体效果令人满意。

这么一套相对闭环的产品，全程是用 Kimi 最新最强的模型 K3 开发的。最近 Kimi 新发布的 K3 模型确实很火，圈内实测都在说它的原生多模态能力非常能打，而且在长上下文处理和长时 Agent Coding 任务上极其稳定。

这种需要实时截图、看渲染结果、还要在代码和视觉反馈之间反复闭环的工具，恰好是检验 K3 真实实操实力的绝佳场景。从实测体验来看，K3 整体性能超过 Claude Opus 4.8 和 GPT 5.5，仅次于 Claude Fable 5 和 Sol，部分场景甚至能接近 Sol 的水平。

下面，分享一下整个开发历程，希望对你有所帮助。

一开始，是把 K3 接入了 Codex，但可能是使用人数过多或者适配问题，经常会报 400 自己中断掉对话。后来接入了 Claude Code，丝滑度就上来了。具体是在自己的产品 WeSight 中接入了搭载 K3 的 Claude Code。

只需填入 kimi 的 API Key 即可。

配置好 K3 后，并没有直接让它写代码，而是先把需求同时给到 Claude Fable 5 和 GPT 5.6 Sol，让它们出方案，然后用不同模型进行互相辩证修复。这种多模型交叉验证的思路，本质上借鉴了代码评审里的交叉 review 机制——不同模型的知识分布和推理路径各有盲区，让它们互相挑刺，往往一轮下来就能把方案里的架构缺陷和边界条件遗漏提前暴露掉，远比单一模型自说自话要靠谱得多。

几轮下来后，确认方案没问题，就直接开启猛干模式（goal），输入提示词：

/goal 按照开发计划帮我完成开发任务「这里填 plan 的实际路径」

猛干模式一开，K3 已经自己读需求文档、拆任务、写代码，全程不用插手。

整个过程跑了整整两个小时，中间经历了五轮自主迭代。它自己跑构建、看报错、修 bug，修完再跑，直到跑通为止。这种长时 Agent Coding 任务，最考验模型的就是记性和耐力。很多模型跑个半小时就开始上下文漂移，之前定好的架构约束全忘光，开始瞎改。

比如 CDP 注入装饰层的时候，皮肤样式和 Codex 原生样式发生了冲突，按钮被主题色污染了。

K3 自己定位到是 CSS 优先级和选择器穿透的问题，然后用 CSS 变量加样式作用域隔离的方案解决了。装饰层的样式完全被圈在自己的命名空间里，不会外溢污染原生界面。这个解法相当工程化，即便是人类开发者，也得琢磨一会儿。

无论是 Codex Themes 的客户端还是官网，整个设计还是有一些亮点的，尤其是图片和布局。做法是先让 GPT-image 2 生成设计图，然后交给 K3 进行复刻，配合相关的 skill，复刻能力非常强。

所以包括皮肤的设计、主题及界面、官网的设计，用的都是这一套工作流，非常丝滑。这也侧面说明 K3 在原生多模态上表现不错。

很多能力，之前开发过的产品已经完成过闭环验证。K3 在前端审美上还算在线，在后端逻辑上比较老道。但有一个场景，是之前所有产品都没验证过的——支付能力。

正常网站要接入微信或支付宝，需要备案，整个流程还挺复杂，何况还是 AI 域名的网站，更加困难。这里用的是支付宝的 Agent 支付，完美解决了这个问题。

可以理解为，只需一行命令就能快速将网站接入支付能力。通过 npx -y@alipay/alipay-aipay@latestinstall 安装支付宝 AI 付 Skill，加载 alipay-aipay 技能为项目集成网站支付，完成沙箱测试，并完成签约入驻。

有了支付能力，就可以做付费主题和积分商城了。但这个任务非常麻烦，以前开发这些功能，没个把星期是搞不定的。在支付宝工作时，也踩过这方面不少坑。但现在想把这个复杂的任务丢给大模型，看看 K3 实际工程化上的能力。

由于过于复杂，这个任务单独开了个迭代分支 Chat，同样多模型出迭代开发计划，然后丢给 K3，开启 goal 模式。

K3 会先调用 Plan Agent 深入理解需求，然后分多个实现阶段，用不同 Agent 完成。

因为付费主题和积分商城涉及用户体系、鉴权体系、支付体系、积分体系，非常复杂，K3 光是 Agent Plan 做任务拆解，就花了接近 24 分钟。支付宝支付闭环上也花了不少时间，但在经历个把小时的努力后，K3 完成了整体交付。

虽然有一些细节方面的瑕疵，但整体链路是闭环的，只需要把问题不断给 K3，让它做调整就可以了。

开发完成后，并没有直接相信它，老规矩，拉来群殴。把 K3 写的核心代码丢给 Claude Fable 5 和 GPT 5.6 Sol 做 code review，让它们专门挑刺，重点看安全性、边界条件和性能隐患。不过整体安全性和边界条件，K3 考虑得还是挺周到的。但也有一些比如积分扣减的并发问题、支付回调的幂等性处理上，发现了问题后再让 K3 直接修复。

这套流程走下来，总结一下就是：出方案用群殴，干活用 K3，验收再群殴。AI 负责干活，人负责当包工头，这感觉确实不错。

回头看这个项目，从需求到上线，满打满算 5 天。放以前，前后端加支付再加官网，没有小半个月根本下不来。而要做的事情，基本上就是提需求、审方案、点确认，真正敲代码的活儿，K3 全包了。

说实话，越来越觉得，现在程序员的核心竞争力已经在悄悄变天了。以前是比谁代码写得快，现在是比谁把需求描述得清楚、把方案审得明白、把 AI 指挥得服服帖帖。会用 AI 不稀奇，会让 AI 老老实实把活干好，才是真本事。

工具已经开源了，地址再放一次，方便你直达：

官网：theme.codexguide.ai
开源地址：github.com/freestylefly/codex-themes

最后问问大家，如果给你的 Codex 换皮肤，你最想换什么主题？李白、提莫，还是直接整一个初音未来？