Code Change Verification
Verbindlicher Prüfablauf für Code-, Test- und Build-Änderungen im OpenAI Agents Python Repository.
- Skill Road
- Code Change Verification
Kategorien
Code Change Verification ist ein einzelner Skill aus OpenAIs offiziellem Open-Source-Repository openai-agents-python. Die direkte Primärquelle ist https://github.com/openai/openai-agents-python/tree/main/.agents/skills/code-change-verification. Der Skill beschreibt einen abschließenden Prüfablauf für Änderungen, die Laufzeitcode, Tests oder die Build- und Testkonfiguration betreffen. Statt eine Änderung nur anhand einer lokalen Momentaufnahme zu beurteilen, führt der Workflow durch Formatierung, Linting, Typprüfung und Tests. So entsteht eine nachvollziehbare technische Schranke vor der Fertigmeldung.
Zweck und Zielgruppe
Laut Anbieter soll der Skill erst nach einem sauberen Implementierungs-Review als vollständiger Abschluss-Gate verwendet werden. Während der Entwicklung sind fokussierte Tests und eng begrenzte statische Prüfungen sinnvoller, weil sie schnelle Rückmeldung geben. Der breite Ablauf gehört an das Ende einer stabilen Änderung. Geeignet ist der Skill besonders für Teams, die Änderungen am Python-SDK reproduzierbar absichern und eine klare Aussage darüber benötigen, ob die vorgesehenen Qualitätsprüfungen erfolgreich waren. Er ist kein Ersatz für fachliche Abnahme, Sicherheitsanalyse oder eine Prüfung, ob die Änderung tatsächlich die richtige Anforderung löst.
Der vorgesehene Ablauf
Die offizielle Anleitung stellt für macOS und Linux ein Skript bereit, das aus dem Repository-Wurzelverzeichnis arbeitet. In der normalen Reihenfolge ruft es make format, make lint, make typecheck und make tests auf und beendet sich beim ersten Fehler. Formatierung kann dabei Dateien anpassen, während Linting, Typprüfung und Tests Fehler sichtbar machen. Für Codex in einer Sandbox nennt die Quelle eine Umgebung, die den OpenAI-Schlüssel aus dem Prozess entfernt und den vorgesehenen Sandbox-Testmodus aktiviert. In anderen lokalen Umgebungen soll das Skript mit der dort passenden, nicht privilegierten Umgebung ausgeführt werden. Windows verwendet die bereitgestellte PowerShell-Variante.
Fehlerbehandlung und Evidenz
Wenn ein Schritt fehlschlägt, soll das Problem behoben und der vollständige Ablauf erneut gestartet werden. Ein grüner früherer Teilschritt beweist nicht, dass die späteren Prüfungen ebenfalls erfolgreich sind. Der Ablauf soll seine Ausgaben direkt zeigen, damit ein Review die konkrete Fehlerursache nachvollziehen kann. Vor dem vollständigen Stack empfiehlt die Quelle, vorhandene laufende repositoryweite Tests, Typprüfungen, Build- oder Integrationsläufe zu berücksichtigen. Sichtbare Ressourcenkonkurrenz ist ein Grund, zunächst Review- oder Vorbereitungsarbeit zu erledigen und später erneut zu prüfen, nicht eine zusätzliche Sperrdatei oder einen Host-weiten Mutex einzuführen.
Sicherheit und Grenzen
Der Skill autorisiert keine erweiterten Rechte. Er soll in der normalen Arbeitsbereichs-Sandbox laufen und nicht nach einem Fehlschlag mit weiterem Host-Zugriff wiederholt werden. Die Tests können weiterhin von lokalen Abhängigkeiten, Plattformbesonderheiten oder fehlenden Systempaketen abhängen. Laut Anbieter kann die macOS-Abdeckung für speziell markierte native Sandbox-Tests auf einem vertrauenswürdigen GitHub-Runner stattfinden; ist dieser nicht verfügbar, muss die fehlende Abdeckung offen berichtet werden. Keine Prüfung beweist vollständige Sicherheit. Speichern Sie keine API-Schlüssel, Tokens, persönlichen Daten oder vertraulichen Testinhalte in Prüfprotokollen oder Beispieldateien. Lokale Tests bedeuten außerdem nicht, dass verbundene Modellaufrufe lokal verarbeitet werden.
Einordnung für die Praxis
Die Stärke des Skills liegt in der klaren Definition eines Ende-zu-Ende-Gates: Eine Änderung gilt erst als abgeschlossen, wenn alle vorgesehenen Stufen erfolgreich durchlaufen sind und keine offenen Probleme verbleiben. Für eine noch instabile Änderung ist der vollständige Lauf unnötig teuer; fokussierte Tests bleiben dann der bessere Zwischenschritt. Diese Beschreibung wurde am 9. September 2026 anhand der offiziellen Skill-Datei und der offiziellen OpenAI-Agents-Dokumentation geprüft. Das Repository ist laut Anbieter Open Source und unter Apache-2.0 lizenziert. Aktuelle Skripte, Abhängigkeiten und Plattformhinweise sollten immer in der Primärquelle geprüft werden.
Installationsanleitung
Schritt 1: Was die Code-Change-Verification-Skill ist
Die Skill Code Change Verification stammt aus dem offiziellen Repository openai/openai-agents-python und liegt dort im Verzeichnis für Agentenskills, das für das OpenAI Agents SDK für Python genutzt wird. Laut Anbieter stellt die Skill sicher, dass eine Codeänderung erst dann als abgeschlossen gilt, wenn Formatierung, Linting, Typprüfung und Tests erfolgreich durchgelaufen sind. Sie kommt bei Änderungen zum Einsatz, die Laufzeitcode, Tests oder Build- beziehungsweise Testkonfiguration betreffen, kann aber bei reinen Dokumentations- oder Metadaten-Änderungen übersprungen werden, sofern nicht ausdrücklich der volle Prüfumfang gewünscht ist. Die Skill versteht sich dabei explizit als abschließendes Kontrolltor nach einem bereits erfolgten Review und wird erst aktiv, wenn der vorausgehende Review-Schritt für einen stabilen Änderungsstand abgeschlossen ist.
Schritt 2: Der Prüfablauf im Detail
Der eigentliche Prüfvorgang wird laut Dokumentation über ein Startskript ausgeführt, wobei je nach Betriebssystem unterschiedliche Aufrufe vorgesehen sind: Unter macOS und Linux existiert ein spezieller Aufruf für den Einsatz innerhalb einer Codex-Sandbox-Umgebung sowie ein allgemeinerer Aufruf für andere Umgebungen, unter Windows kommt ein PowerShell-Skript zum Einsatz. Auf macOS und Linux führt das Skript die vier Schritte make format, make lint, make typecheck und make tests nacheinander aus und bricht beim ersten Fehler sofort ab, wobei innerhalb der einzelnen Schritte weiterhin Parallelisierung etwa durch mehrere Testworker möglich bleibt. Das Bash-Skript gibt die Ausgabe jedes Befehls direkt und unverändert weiter, während der Windows-Wrapper Lint-, Typprüfungs- und Testschritte parallel mit regelmäßigen Statusmeldungen ausführt. Schlägt ein Befehl fehl, muss das zugrunde liegende Problem behoben und das Skript erneut gestartet werden; erst wenn sämtliche Befehle ohne verbleibende Probleme erfolgreich durchlaufen, gilt die Änderung als vollständig verifiziert.
Schritt 3: Wann die volle Prüfung startet
Ein besonderes Merkmal der Skill ist ihr gestufter Ansatz bei der Ressourcennutzung. Während eines laufenden, iterativen Reviews sollen laut Dokumentation nur fokussierte Einzeltests und gezielt eingegrenzte statische Prüfungen für die konkret betroffene Typgrenze verwendet werden; der vollständige, repository-weite Prüfdurchlauf mit make typecheck und den übrigen Schritten wird bewusst zurückgestellt, bis der Review sauber abgeschlossen ist. Unmittelbar bevor die vollständige Prüfkette gestartet wird, soll anhand verfügbarer, nur lesender Prozess- oder Aufgabenindikatoren geprüft werden, ob bereits ein anderer repository-weiter Test-, Typprüf-, Build- oder Integrationslauf auf demselben Host aktiv ist. Wird eine solche konkrete Ressourcenkonkurrenz erkannt, soll stattdessen mit anderer, weniger ressourcenintensiver Arbeit fortgefahren und später erneut geprüft werden, ohne dabei eine eigene Sperrdatei oder einen host-weiten Mutex anzulegen.
Schritt 4: Voraussetzungen und Einrichtung
Damit die Skill automatisch geladen wird, muss sie laut Dokumentation im Verzeichnis .agents/skills/code-change-verification innerhalb des jeweiligen Repositorys abgelegt sein. Vorausgesetzt wird zudem ein funktionierendes Makefile mit den Zielen format, lint, typecheck und tests, da die Skript-Wrapper letztlich nur diese Make-Ziele nacheinander aufrufen. Für den Einsatz innerhalb einer Codex-Sandbox unter macOS oder Linux ist außerdem ein bestimmter Umgebungsvariablen-Aufruf vorgesehen, der unter anderem einen alternativen Python-Paketindex setzt, um Netzwerkzugriffe innerhalb der Sandbox kontrolliert zu halten.
Sicherheit, Grenzen und Best Practices
Laut Dokumentation müssen die Verifikationsläufe und alle davon gestarteten Kindprozesse strikt innerhalb der normalen Codex-Sandbox verbleiben; es dürfen keine erweiterten Sandbox-Berechtigungen für den Prüf-Wrapper angefordert und auch keine mit erweiterten Rechten erneuten Versuche unternommen werden, was verhindert, dass ein automatisierter Prüflauf unbeabsichtigt über seine vorgesehenen Zugriffsrechte hinauswächst. Die Grenze der Skill liegt darin, dass sie selbst keine inhaltliche Qualitätsprüfung des Codes vornimmt, sondern ausschließlich als Ausführungs- und Abbruchlogik für bereits vorhandene Werkzeuge wie Formatierer, Linter, Typchecker und Testrunner dient; ist eines dieser zugrunde liegenden Werkzeuge unzureichend konfiguriert, überträgt sich diese Lücke unverändert auf die Verifikation. Für Projekte ohne einheitliches Makefile mit den genannten vier Zielen ist die Skill in ihrer aktuellen Form nicht direkt einsetzbar und müsste zunächst an die eigene Build-Toolchain angepasst werden.
- Anbieter
- OpenAI
- Lizenz
- Apache-2.0
- Zuletzt geprüft
- 09.09.2026
Repository und Dokumentation
Kategorien
Kompatibel mit
Passende Ratgeber
Anleitungen und Hintergrund, die zu diesem Eintrag passen.