从零构建Codex智能体技能：解锁复杂任务自动化

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度

你装好了 Codex，看着它强大的代码生成能力，却总觉得差点意思。让它写个函数，它写得又快又好；但当你需要它帮你完成一个完整的、多步骤的自动化任务时，比如“分析这个项目的依赖，生成一份安全报告，并自动创建一个待办事项”，它要么卡壳，要么跑偏。问题出在哪？你缺的不是一个更聪明的模型，而是一套能让 Codex 稳定执行复杂任务的“操作手册”——这就是Skills（智能体技能）。

很多人把 Codex 当作一个加强版的代码补全工具，这大大低估了它的潜力。它的核心价值在于扮演一个能理解你意图、并自主执行工作流的“智能体”。而 Skills，就是定义这些工作流的蓝图。没有 Skills，Codex 就像一台没有安装任何软件的电脑，空有强大的硬件，却无法完成特定任务。掌握 Skills，你才能真正解锁 Codex 的“进阶玩法”，将零散的指令串联成可预测、可复用、可协作的自动化流程。

本文将带你从零开始，彻底吃透 Codex Skills。我们不会停留在概念介绍，而是直接切入实战：从 Skills 的核心原理讲起，手把手教你创建第一个技能，再到如何组织、分发、管理你的技能库。你将学会如何让 Codex 从一个“代码助手”进化为一个能处理代码审查、自动化部署、数据分析等复杂任务的“工程伙伴”。无论你是想提升个人效率，还是为团队构建标准化的开发流程，这篇文章都将为你提供清晰的路径和可落地的方案。

1. 这篇文章真正要解决的问题

你是否遇到过这些情况？

• 重复劳动：每次开始新项目，都要手动设置相同的.gitignore、README.md和基础 CI/CD 配置。
• 流程混乱：团队里每个人执行代码审查、运行测试、部署的步骤都不一致，导致结果不可预测。
• 智能体“失忆”：你告诉 Codex 一个复杂的多步任务，它执行到一半就忘了前面的上下文，或者开始自由发挥。
• 能力孤岛：你精心调教出一个好用的提示词（Prompt），却无法方便地分享给同事或在其他项目中复用。

这些问题背后，本质上是缺乏一种将“知识”和“流程”固化、标准化并分发给 AI 智能体的机制。Codex Skills 正是为了解决这些问题而生。它不是一个花哨的功能，而是 Codex 从“玩具”走向“生产力工具”的关键桥梁。

本文要解决的核心问题是：如何系统性地为 Codex 构建、管理和应用 Skills，从而将一次性的、脆弱的对话提示，转变为稳定、可靠、可复用的自动化工作流。

我们将重点关注：

1. 理解 Skills 与普通 Prompt 的本质区别：为什么简单的聊天指令无法胜任复杂工作流？
2. 掌握 Skills 的完整生命周期：从创建、测试、优化到分发和团队协作。
3. 避开常见陷阱：例如技能描述（description）写得不好导致无法触发，或者技能之间相互冲突。
4. 构建实用的技能库：我们将创建几个真实场景的技能示例，如“初始化项目脚手架”、“运行安全扫描并生成报告”。

读完本文，你将能清晰地判断一个任务是否适合封装为 Skill，并具备独立开发和部署一套技能体系的能力。

2. 基础概念与核心原理

在深入实操之前，我们必须厘清几个关键概念，这能帮助你理解 Skills 为何如此设计，以及如何更有效地使用它。

2.1 什么是 Codex Skills？

简单来说，一个 Skill 就是一个打包好的“任务执行包”。它不仅仅是一段提示词，而是包含：

• 指令（Instructions）：告诉 Codex 这个技能要做什么、分几步做、输入输出是什么。这是技能的核心。
• 元数据（Metadata）：主要是name和description，用于技能的识别和匹配。
• 参考资料（References）：可选的文档、API 说明、规范文件等，为 Codex 提供执行任务所需的背景知识。
• 脚本（Scripts）：可执行的外部脚本（如 Bash、Python），用于处理那些需要确定性或复杂计算的任务。

Skills 与普通 Prompt 的核心区别：

2.2 Skills 的核心工作原理：“按需展开”上下文

这是 Skills 设计中非常精妙的一点，也是其高效的关键。Codex 启动时，不会把所有已安装技能的详细指令都加载到内存或上下文中。这样做会迅速耗尽有限的大模型上下文窗口。

它的工作流程是：

1. 扫描与索引：Codex 启动后，会从多个预设路径（后文详述）扫描所有技能目录，但只读取每个技能的SKILL.md文件中的name和description这两个元数据字段。
2. 生成技能列表：Codex 将这些简化的技能信息（名称和简短描述）汇总成一个列表，放入初始上下文。这个列表的大小被严格限制（通常不超过上下文窗口的2%或8000字符），以确保不会挤占主要的任务提示词空间。如果技能太多，Codex 会自动缩短描述。
3. 智能匹配与触发：当你提出一个任务时，Codex 会基于这个简化的技能列表，判断是否有技能的description与当前任务匹配（隐式调用），或者你直接通过$skill-name指定了技能（显式调用）。
4. 按需加载：只有当 Codex 决定要使用某个技能时，它才会去读取该技能SKILL.md中的完整指令、以及相关的参考资料和脚本，并将其加载到当前上下文中。这就像一本厚厚的操作手册，Codex 平时只记得目录，用到哪一章才去翻看具体内容。

这种“按需展开”机制，在技能数量庞大时，能极大地提升资源利用效率和响应速度。

2.3 Skill 与 Plugin 的关系

这是另一个容易混淆的概念。根据官方材料：

• Skill（技能）：是“可复用工作流”的创作格式。它关注的是工作流本身的设计和定义。你首先应该思考的是如何把一项任务流程化。
• Plugin（插件）：是“可安装分发单元”。它关注的是如何将一个或多个技能（以及可能的其他资源，如 MCP 服务器配置、应用映射）打包，以便于分发、安装和集成。

简单类比：Skill 像是你写的一个 Python 脚本（.py文件），而 Plugin 像是你将这个脚本打包成的 Pip 安装包（.whl文件），后者更容易分享和安装。

最佳路径：先专注于在本地创建和测试好你的 Skill。当你需要与团队共享，或希望将其作为产品的一部分交付时，再考虑将其打包成 Plugin。

3. 环境准备与前置条件

在开始创建 Skills 之前，请确保你的 Codex 环境已就绪。

1. 已安装 Codex：你需要已经成功安装并配置好 OpenAI Codex。这通常包括 Codex CLI、IDE 扩展（如 VS Code）或 Codex App。本文的示例将主要基于 CLI 环境，但原理通用。
2. 基础命令行操作：需要熟悉在终端（Terminal）中进行基本的目录和文件操作。
3. 文本编辑器：用于编辑SKILL.md和 YAML 配置文件。
4. （可选）Git：如果你计划在团队中通过 Git 仓库管理技能，需要基本的 Git 知识。

验证安装：打开终端，运行以下命令，确认 Codex CLI 可用。

codex --version

如果看到版本号输出，说明安装成功。如果提示命令未找到，请参考官方文档完成 Codex CLI 的安装和配置。

4. 核心流程拆解：创建你的第一个 Skill

让我们从一个最实用的场景开始：创建一个用于“初始化 Python 项目脚手架”的 Skill。这个技能将指导 Codex 自动创建标准的项目目录结构、README.md、requirements.txt、.gitignore等文件。

4.1 规划技能内容

在动手写代码之前，先明确技能的目标：

• 名称（name）:init-python-project
• 描述（description）: 当用户想要创建一个新的 Python 项目，或初始化一个空目录为 Python 项目结构时触发。技能将创建基础文件和目录。
• 指令（instructions）: 详细列出创建步骤、文件内容模板以及注意事项。
• 触发方式: 我们希望通过隐式调用，例如用户说“帮我把这个文件夹初始化为一个 Python 项目”，Codex 就能自动匹配并执行此技能。

4.2 选择技能的保存位置

Codex 从多个层级读取技能，我们需要决定把技能放在哪里。对于个人常用技能，放在用户目录下是最方便的。

根据材料，用户级技能的路径是：$HOME/.agents/skills

• Linux/macOS:~/.agents/skills
• Windows:%USERPROFILE%\.agents\skills

我们在此路径下为我们的技能创建一个目录。

# 进入用户技能目录 cd ~/.agents/skills # 为我们第一个技能创建目录 mkdir init-python-project # 进入技能目录 cd init-python-project

4.3 创建核心文件：SKILL.md

这是技能的灵魂。在init-python-project目录下，创建SKILL.md文件。

--- name: init-python-project description: Initialize a standard Python project scaffold with README, .gitignore, requirements.txt, and a src/ directory structure. Trigger when the user asks to set up, create, or initialize a new Python project in the current or a specified directory. --- # Python Project Initialization Skill ## Goal Create a standard, well-organized Python project structure in the current working directory (or a specified path). ## Workflow Steps 1. **确认目标目录**: 询问用户是否在当前目录初始化，或指定其他路径。如果未指定，默认使用当前目录。 2. **创建核心目录**: * `src/`: 用于存放项目源代码包。 * `tests/`: 用于存放单元测试。 * `docs/`: 用于存放项目文档。 3. **创建基础文件**: * `README.md`: 包含项目名称、简介、安装和用法示例。 * `requirements.txt`: 初始为空，用于记录项目依赖。 * `.gitignore`: 包含针对 Python 和常见 IDE 的忽略规则。 * `setup.py` 或 `pyproject.toml`: 基础的打包配置（可选，根据用户需求）。 * `src/__init__.py`: 使 `src` 成为一个 Python 包。 4. **填充文件内容**: 为每个文件生成合理、通用的初始内容。 5. **输出总结**: 列出所有创建的文件和目录，并给出下一步建议（如：安装虚拟环境，添加第一个模块）。 ## Detailed Instructions for Codex 当你执行此技能时，请严格遵循以下步骤： ### 1. 交互确认 向用户提问：“您希望在哪一个目录初始化 Python 项目？(默认: 当前目录 `$(pwd)`)”。等待用户输入或确认。 ### 2. 目录创建 在目标目录中，依次创建以下目录（如果不存在）： - `src/` - `tests/` - `docs/` ### 3. 文件创建与内容生成 在目标目录中创建以下文件并填充内容： **a. README.md** ```markdown # Project Title Brief description of your Python project. ## Installation ```bash # Clone the repository git clone <repository-url> cd <project-folder> # (Optional) Create a virtual environment python -m venv venv source venv/bin/activate # On Windows use `venv\Scripts\activate` # Install dependencies pip install -r requirements.txt

Usage

from src import main # Example usage if __name__ == "__main__": main.run()

Project Structure

. ├── src/ # Source code ├── tests/ # Test files ├── docs/ # Documentation ├── README.md └── requirements.txt

License

[Specify your license, e.g., MIT]

**b. .gitignore** ```gitignore # Byte-compiled / optimized / DLL files __pycache__/ *.py[cod] *$py.class # Virtual environments venv/ env/ .venv/ # IDE .vscode/ .idea/ *.swp *.swo # Distribution / packaging dist/ build/ *.egg-info/ # Logs and databases *.log *.sqlite3 # OS generated files .DS_Store Thumbs.db

c. requirements.txt(初始留空，或添加常见开发依赖)

# Add your project dependencies here # e.g., requests>=2.28.0

d. src/init.py(创建一个空文件，使其成为一个包)

4. 最终输出

完成所有操作后，向用户报告： “✅ Python 项目脚手架初始化完成！ 已创建目录：src/, tests/, docs/ 已创建文件：README.md, .gitignore, requirements.txt, src/init.py 建议下一步：1. 创建虚拟环境 (python -m venv venv)。2. 激活虚拟环境。3. 开始在你的src/目录下编写代码。”

Boundaries

• 如果目标目录已存在同名文件，应询问用户是否覆盖，或跳过。
• 本技能仅创建基础结构，不涉及安装特定框架（如 Django, Flask）或复杂的配置。
• 如果用户的需求明显是其他语言（如 JavaScript, Go）的项目，不应触发此技能。

**关键点解析**： 1. **Front Matter**: 开头的 `---` 之间是 YAML 格式的元数据，`name` 和 `description` 是必需的。`description` 写得非常具体，包含了触发词（“set up, create, initialize”）和场景（“new Python project”），这有助于 Codex 进行准确的隐式匹配。 2. **结构化指令**: 指令部分被清晰地分为 Goal、Steps、Detailed Instructions 和 Boundaries。使用祈使句和明确的步骤，让 Codex 易于遵循。 3. **包含示例代码**: 在指令中直接包含了文件内容的模板，Codex 可以直接使用或微调，这比让它“凭空想象”要可靠得多。 4. **明确边界（Boundaries）**: 定义了技能“不该做什么”，防止 Codex 在不合适的场景下被触发或执行错误操作。 ### 4.4 测试技能 保存 `SKILL.md` 后，Codex 会自动检测到新技能。如果没有立即出现，重启你的 Codex 应用或 CLI 会话。 现在，打开 Codex（CLI 或 IDE），在目标目录下尝试触发它。 **方式一：隐式调用** 在 Codex 聊天界面或 CLI 中输入：

帮我在这个文件夹里创建一个新的Python项目。

观察 Codex 的响应。它应该能识别到 `init-python-project` 技能，并开始执行你定义的步骤：询问目录、创建文件夹和文件。 **方式二：显式调用** 你也可以直接使用技能名称调用：

$init-python-project

如果技能被成功触发并执行，你会看到目录下生成了相应的文件和文件夹。如果未触发，请检查： 1. 技能目录是否放在了正确的路径（`~/.agents/skills/`）。 2. `SKILL.md` 的格式是否正确，特别是 `name` 和 `description` 字段。 3. `description` 是否足够清晰地描述了触发场景。 ## 5. 进阶技能开发：集成脚本与参考资料 纯指令型技能适用于大多数流程化任务。但对于需要执行确定性操作、调用外部工具或进行复杂计算的任务，我们需要为技能添加**脚本（Scripts）**。 ### 5.1 创建带脚本的技能：自动化代码安全检查 假设我们想创建一个技能，用于对当前 Git 仓库的代码进行简单的安全检查（例如，使用 `grep` 搜索可能存在的硬编码密码、密钥模式）。 1. **创建技能目录和核心文件** ```bash cd ~/.agents/skills mkdir code-security-scan cd code-security-scan touch SKILL.md mkdir scripts ``` 2. **编写脚本** 在 `scripts/` 目录下创建一个 Bash 脚本 `scan_secrets.sh`。 ```bash #!/bin/bash # scripts/scan_secrets.sh # A simple script to scan for potential hardcoded secrets in the current git repository. set -euo pipefail echo "🔍 Starting security scan for potential secrets..." # Define patterns to search for (simplified examples) PATTERNS=( "password\s*=" "api_key\s*=" "secret\s*=" "token\s*=" "BEGIN RSA PRIVATE KEY" "-----BEGIN PRIVATE KEY-----" ) SCAN_RESULTS_FILE=".codex_scan_results.txt" > "$SCAN_RESULTS_FILE" # Clear previous results FOUND_ISSUES=0 for pattern in "${PATTERNS[@]}"; do echo "Scanning for pattern: $pattern" # Use git grep to search only tracked files, ignoring binary files if git grep -n -I -i "$pattern" -- './*' 2>/dev/null | head -20 >> "$SCAN_RESULTS_FILE"; then FOUND_ISSUES=1 fi done if [[ $FOUND_ISSUES -eq 0 ]]; then echo "✅ No obvious hardcoded secrets patterns found in tracked files." rm -f "$SCAN_RESULTS_FILE" else echo "⚠️ Potential secrets found. Review the following matches in $SCAN_RESULTS_FILE:" cat "$SCAN_RESULTS_FILE" echo "" echo "**Important:** This is a basic scan. Manual review is essential. Consider using dedicated secret scanning tools." fi ``` 给脚本添加执行权限： ```bash chmod +x scripts/scan_secrets.sh ``` 3. **编写 SKILL.md** ```markdown --- name: code-security-scan description: Perform a basic security scan on the current Git repository to detect potential hardcoded secrets (like passwords, API keys). Trigger when user asks for a security check, secret scan, or code audit. --- # Code Security Scan Skill ## Goal Run a lightweight, automated scan against the tracked files in the current Git repository to identify patterns commonly associated with hardcoded secrets. Provide a summary report. ## Workflow 1. Ensure the current directory is within a Git repository. 2. Execute the `scripts/scan_secrets.sh` script. 3. Capture and present the script's output to the user. 4. Provide recommendations based on the findings. ## Detailed Instructions for Codex When this skill is invoked, follow these steps: 1. **Check Context**: Confirm with the user that they want to run a security scan in the current repository. If not in a Git repo, inform the user and stop. 2. **Execute Script**: Run the provided Bash script: `./scripts/scan_secrets.sh` - The script uses `git grep` to search for predefined secret patterns. - It outputs results to the terminal and saves them to a temporary file (`.codex_scan_results.txt`). 3. **Interpret Results**: - If the script outputs "No obvious hardcoded secrets patterns found", convey this as a positive check. - If potential issues are found, display the findings from the output file and **strongly advise** the user to manually review each flagged line. 4. **Advise Next Steps**: - Recommend using dedicated secret management solutions (e.g., environment variables, vaults). - Suggest integrating more robust secret scanning tools (like `gitleaks`, `truffleHog`) into CI/CD pipelines. - Remind the user to remove any accidentally committed secrets from history using `git filter-repo` if necessary. ## Boundaries & Notes - This is a **basic** heuristic scan. It will have false positives and false negatives. - It only scans files tracked by Git. Untracked or ignored files are not checked. - The skill is read-only and does not modify any code. - The script is provided as part of the skill. Codex should not attempt to rewrite the scanning logic unless explicitly asked to improve the skill itself. ``` **这个技能的关键在于**：我们将确定性的、复杂的文件扫描逻辑封装在了外部脚本中。Codex 的角色是**编排者**——它负责确认上下文、执行脚本、解释结果并提供建议。这比让 Codex 自己生成并执行 `grep` 命令更可靠、更安全。 ### 5.2 使用参考资料（References） 对于一些需要特定领域知识的技能，你可以提供参考资料。例如，为一个“编写 AWS CloudFormation 模板”的技能添加 AWS 资源类型文档。 在技能目录下创建 `references/` 文件夹，将相关的 `aws_cf_guide.md` 等文档放入。在 `SKILL.md` 的指令中，可以提示 Codex：“关于 EC2 实例属性的详细说明，请参考 `references/aws_ec2_properties.md`”。Codex 在加载技能时，会将这些参考资料一并读入上下文。 ## 6. 技能的组织、管理与高级配置 ### 6.1 技能的多层级存储 Codex 支持从不同层级加载技能，这为技能的管理提供了灵活性。理解这些层级对团队协作至关重要。 | 技能范围 | 路径示例 | 推荐用途 | | :--- | :--- | :--- | | **REPO (仓库)** | `./.agents/skills/` | **项目/模块特定技能**。如：该项目独有的构建脚本、部署流程。 | | **REPO (仓库根)** | `$REPO_ROOT/.agents/skills/` | **团队共享技能**。如：团队统一的代码审查标准、提交信息规范。 | | **USER (用户)** | `~/.agents/skills/` | **个人全局技能**。如：你为自己定制的常用工具链、笔记模板。 | | **ADMIN (系统)** | `/etc/codex/skills/` | **系统级技能**。由管理员部署，如：公司内网服务调用、统一审计日志。 | | **SYSTEM (内置)** | (随 Codex 安装) | **Codex 官方内置技能**。如：`skill-creator`, `skill-installer`。 | **冲突解决**：如果不同层级存在同名技能，Codex **不会**合并它们，而是会同时出现在可选列表中。这允许你在个人层级覆盖或扩展系统/团队层级的技能。 ### 6.2 启用、停用与配置技能 你不需要通过删除文件来禁用技能。可以通过编辑 Codex 的用户配置文件 `~/.codex/config.toml` 来管理。 ```toml # ~/.codex/config.toml [[skills.config]] path = "/home/your_username/.agents/skills/experimental-skill/SKILL.md" enabled = false # 禁用此技能 [[skills.config]] path = "/home/your_username/.agents/skills/code-security-scan/SKILL.md" enabled = true # 确保启用（默认就是true） # 可以在这里添加其他配置，如调用优先级等（如果未来支持）

修改配置后，需要重启 Codex 以使更改生效。

6.3 添加可选元数据 (agents/openai.yaml)

为了在 Codex App 等图形界面中获得更好的体验，你可以为技能添加元数据文件。

在技能目录下创建agents/openai.yaml：

# agents/openai.yaml interface: display_name: "Python 项目初始化器" # 在UI中显示的名称 short_description: "快速创建标准Python项目结构" # UI中的简短描述 icon_small: "./assets/python-icon-small.svg" # 图标路径（可选） icon_large: "./assets/python-icon-large.png" brand_color: "#3776AB" # Python 标志性的蓝色 default_prompt: "请使用Python项目初始化技能。" # 使用技能时的默认环绕提示词 policy: allow_implicit_invocation: true # 是否允许隐式调用，默认为true。设为false则只能显式调用。 dependencies: tools: - type: "mcp" value: "github" description: "Access to GitHub API for repository operations" transport: "stdio" # url or command would be defined in MCP server config

这个文件不是必须的，但它能提升技能在集成环境中的可发现性和易用性。

7. 技能的分发：从 Skill 到 Plugin

当你开发了一个非常有用的技能，并希望与团队或社区分享时，就应该考虑将其打包为Plugin。

根据材料，在以下情况应考虑使用 Plugin：

1. 分发可复用技能：让其他人能通过简单的命令安装你的技能。
2. 组合多个技能：将一组相关的技能打包在一起分发。
3. 与应用集成交付：将技能作为某个桌面应用或 CLI 工具的一部分。

创建 Plugin 是一个更高级的主题，通常涉及定义plugin.yaml清单文件，指定包含的技能、依赖的 MCP 服务器、所需的权限等。官方文档的“插件”部分提供了详细指南。简单来说，Plugin 是一个包含技能和其他资源的标准化包。

对于个人和团队内部共享，一个更轻量级的方法是使用Git 仓库。你可以将你的技能目录推送到 Git 仓库（如 GitHub），团队成员通过克隆仓库到本地~/.agents/skills/或使用符号链接的方式来安装。

8. 最佳实践与工程建议

根据官方指南和实战经验，以下是创建高质量 Skills 的关键建议：

1. 单一职责，聚焦明确：一个技能只做一件事，并把它做好。不要创建“瑞士军刀”式的巨型技能。例如，将“代码审查”和“安全扫描”拆分为两个独立的技能。
2. 指令优先于脚本：除非需要绝对的确定性、调用外部工具或执行复杂计算，否则尽量用清晰的指令（Instructions）来指导 Codex。这保持了灵活性，并能利用大模型的推理能力。脚本应作为指令的补充。
3. 编写清晰的描述（Description）：这是隐式调用的关键。用简练的语言说明技能在什么场景下触发，并包含关键的触发词。同时，也要说明什么情况下不应触发。例如：“当用户请求生成数据库迁移脚本或修改现有表结构时触发。不适用于普通的数据查询操作。”
4. 测试、测试、再测试：用各种相关的、不相关的提示词去测试你的技能。确保它在该出现的时候出现，不该出现的时候保持沉默。检查其执行结果是否符合预期。
5. 版本控制你的技能：将.agents/skills/目录纳入 Git 管理。这便于回溯更改、团队协作和回滚。
6. 建立团队技能库：在团队项目的根目录创建.agents/skills/文件夹，存放团队共享的技能（如项目规范的代码生成器、团队特定的部署脚本）。这能极大提升团队协作的一致性和效率。
7. 注意安全边界：对于能执行脚本或访问外部资源的技能，务必在指令中明确其操作范围和权限。避免创建具有破坏性（如rm -rf）或高权限操作的技能，除非在绝对受控的环境下。
8. 从模仿开始：参考官方和社区的技能示例（如openai/skills仓库）是快速学习的最佳途径。看看别人是如何设计指令结构和描述语句的。

9. 常见问题与排查思路

掌握 Codex Skills 的本质，是学会如何将人类的工作流“翻译”成 AI 智能体能够稳定、重复执行的“程序”。它不再是你和模型之间一次性的、充满不确定性的对话，而是一份可版本化、可测试、可共享的自动化契约。

从今天起，尝试将你日常开发中那些重复的、有固定模式的“套路”封装成 Skills。无论是初始化项目、生成样板代码、运行测试套件，还是执行代码审查清单，每一次封装都是对你工作流的一次提炼和优化。当你积累起自己的技能库时，Codex 将真正从一个被动的助手，转变为你项目中一个主动的、可靠的自动化引擎。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度