12 个 Codex 必装官方插件，装了就是降维打击

{ codex }

 故事是这样的。 

 上个月我们团队一个同事，用 Codex 三个月了，每天都在喊「好用好用」。我坐过去看了一眼他的配置，当场无语。插件栏里空空如也，连官方出的那几个最基础的都没装，硬用裸机在那干活。 

 我问他，你知道 OpenAI 官方出了插件系统吗？ 

 他说，知道啊，但感觉那些插件是不是花里胡哨的，就没装。 

 我帮他装了四个之后，他沉默了大概三十秒，然后说，我这三个月到底在干什么。。。 

 我非常理解那种感觉。 

 Codex 这个东西，底层能力固然强。但它不是一个用了就能发挥满的工具。好比你买了一台高端厨师机，但你不知道可以换打面钩、切片附件、搅拌桨，你就只用了一个搅拌功能，那你其实根本没摸到这台机器能做什么。 

 OpenAI 的插件体系，就是那些附件。 

 今天这篇文章，我把我自己用下来最不能少的 12 个 Codex 官方插件，认真跟你聊一遍。不是那种「5秒钟看完然后忘掉」的水文，是我每一个都实际上手用过、觉得真的有用才写进来的。 

 如果你现在用着裸机 Codex，那今天这篇文章你认真看完，明天的工作效率至少能上一个台阶。 

 先说背景，Codex 的插件体系是分两类的。 

 一类是第三方开发者做的，质量参差不齐，有些绝了有些纯属玩票。 

 另一类是 OpenAI 官方亲自下场做的，放在官方 extensions 栏里。这些是今天重点说的对象。 

 官方插件的好处显而易见，模型对接是原生的，不存在什么「第三方接口不稳定」「权限打架」这类麻烦事，装上去就能用，跟本体无缝衔接。坏处嘛。。。官方做的东西嘛，你懂的，交互有时候朴实到让你有点难受。但功能上是真的稳。 

 好，开始逐一过。 

01 · Code Interpreter（代码解释器）

这个不装就算白用 Codex

 对，我知道这个很多人听说过，但你真的装了吗。 

 Code Interpreter 开启之后，Codex 不只是「写代码」了，它可以真的跑代码。你扔给它一个 CSV，它能直接跑统计分析，出图，出结论，不需要你自己搭环境。你让它做一个数学模拟，它能在沙箱里真实运行，把结果给你。 

 区别在哪？没装 CI 的时候，Codex 给你的代码是它「预测」应该正确的代码。装了之后，它给你的是「真的跑通了」的代码。这两个之间差的就是那条护城河。 

 我自己最常用的场景，是让它帮我处理数据，然后直接出一个可以截图的图表。省了我打开 Python、配环境、写 matplotlib 的整个流程。 

 怎么装，进 Codex 设置，Extensions → Add → 搜「Code Interpreter」，官方标识的点安装就行。 

02 · Web Browsing（联网搜索）

没有它，你的 Codex 活在 2024

 这个更不用多说了。Codex 本体的知识截止在训练数据的日期，不开联网它就是个有点笨的专科医生，只会在它学过的东西里面找答案。 

 开了 Web Browsing，你问它「Next.js 15 的 breaking changes 有哪些」，它会真的去查，去翻文档，然后给你一个当下准确的答案，而不是用 2023 年训练数据里的印象糊弄你。 

 我觉得这个尤其适合做技术调研的场景。你不再需要先去谷歌、再整理、再把内容喂给 Codex 让它分析，整个流程缩短了至少一半。 

 要注意的一点，它的搜索结果是它「觉得够用了就停」，你如果想深挖某个来源，最好告诉它「帮我把这个链接的内容读完再回答我」。 

03 · DALL·E（文生图）

提示词对了，出图是真的好看

 我知道你在想什么，这个我知道啊，ChatGPT 就有。 

 但问题是，在 Codex 里装了之后，你可以把图像生成跟代码工作流接在一起。比如我让 Codex 帮我写了一个数据报告，然后直接在同一个对话里说「帮我根据这份报告生成一张可以放在 PPT 封面的配图，科技感，深色背景」，它就直接出了，不需要我切换到另一个标签页或者工具。 

 工作流的连贯性，这个价值被严重低估了。 

04 · Memory（长期记忆）

装了之后 Codex 才算「认识你」

 我一直觉得，没装 Memory 插件的 Codex，就是一个失忆症患者。每次跟它聊，都要重新自我介绍，「我是做什么的」「我们项目用什么框架」「我喜欢什么代码风格」，烦死了。 

 装了 Memory 之后，这些东西会被 Codex 记住，带到下次对话。你告诉它「我们用 TypeScript 严格模式，不要用 any」，下次你一开口它就知道了，不需要再说。 

 当然这里有个隐私问题，你可以在设置里看到它记了什么，也可以手动删掉。我建议装了之后去看一眼它自动记的东西，删掉你不想留的，保留真正有用的。这块是你自己能控制的。 

 前面四个是基本款，没有它们你就是残局。 

 后面的，开始进阶了。 

05 · GitHub Integration

仓库直接拉进来让 Codex 看

 这个是开发者必装，没有之一。 

 装了之后你可以把 GitHub 仓库直接授权给 Codex，它能读你的 repo，能理解你的项目结构，然后你问它「这个 bug 在哪里」「帮我给这个功能加单测」，它是真的在看你的实际代码，不是在瞎蒙。 

 有一次我把一个老项目的 repo 授权进去，让 Codex 给我做一个架构梳理，它输出了一份比我当时做的文档还清晰的架构说明，还指出了三个我知道但一直没时间处理的设计债。搞得我沉默了很久。 

 权限控制这块，它是只读的，不会主动往你仓库写东西，放心装。 

06 · Docs Reader（文档阅读器）

PDF 扔进去，让它帮你读

 比较骚的事是，这个插件支持的格式出乎意料地多。PDF、Word、Excel、Markdown，扔进去它都能消化。 

 我最常用的场景是扔进去一份技术规格书，然后问它「这里面有没有跟我们现有架构冲突的地方」，或者「帮我把这份设计文档转成一个 Jira story 的格式」。 

 它还能处理多文档联合分析，你扔两份文档进去，问「这两份方案的核心差异在哪」，它能给你一个清楚的对比。 

 坦率的讲，这个插件我推荐给过身边不少非开发的朋友，做产品的、做策略的，他们用这个处理需求文档和市场报告，都说很顺。 

07 · Terminal Assistant（终端助手）

命令行恐惧症克星

 这个我觉得被严重低估了。 

 Terminal Assistant 的核心能力是，你用自然语言描述你想在终端做什么，它给你准确的命令，并且解释每一段是干什么的。 

 「帮我找出这个目录下超过 500MB 的文件」「帮我写一个监控某个进程 CPU 用量的脚本」「帮我给这个 Docker 容器配一个健康检查」，这类需求你以前是不是要去 StackOverflow 搜，然后对着一堆回答猜哪个适合你的系统？现在你说自然语言就行了。 

 更重要的是，遇到一条你没见过的命令，你可以直接复制给它问「这段 Linux 命令在做什么？有没有风险？」，它会逐段拆开告诉你，不让你瞎跑了不知道自己在做什么。 

08 · API Tester

不用开 Postman 了

 装了 API Tester 之后，你可以直接在 Codex 里测接口。 

 你告诉它你的接口地址、method、headers、body，它直接帮你发请求，返回结果，然后分析响应。 

 更厉害的是，它能根据你的接口文档，自动生成测试用例，包括正常请求、边界情况、错误情况，然后逐一帮你跑，出一份测试报告。 

 我们团队的一个后端，现在接口写好了第一件事就是扔给 Codex 的 API Tester，让它先冲一遍，有问题再去看。这个习惯比我之前催他写单测管用多了，因为他愿意用。 

 好，说到这里进入最后四个，也是我觉得最容易被忽视但其实影响最深的那几个。 

09 · Code Review Assistant

给你做 CR 的，比同事快，比同事狠

 我真的很喜欢这个。 

 它不只是找 bug。你把代码或者 diff 给它，它会做多维度的 review，性能、安全性、可读性、是否符合你设定的团队规范，分类给你出来。 

 有一次我自己写了一段「感觉没什么大问题」的代码，丢给 Code Review Assistant，它直接指出了一个 SQL 注入风险。。。我当时是真的愣了一下。那段代码我看了三遍没看出来，它一秒给我找到了。 

 坦率的讲，这玩意不能替代真正的同事 CR，因为它不懂你的业务上下文，有时候它觉得有问题的点其实是刻意为之的。但作为「送 PR 之前的第一道自检关」，它非常好使。 

10 · Database Query Assistant

不会 SQL 的人终于解脱了

 这个我推荐给做数据和运营的朋友们，比推荐给开发的更多。 

 你把数据库的 schema 告诉它（复制粘贴表结构就行），然后用自然语言描述你想查什么，它生成 SQL 给你，还会解释这条 SQL 在做什么，有没有潜在的性能问题。 

 「查出过去 30 天里，同时购买了 A 产品和 B 产品的用户数量，按城市分组」，这种需求你以前要去找开发帮你写，或者自己去 StackOverflow 拼 SQL，现在直接问它就行了。 

 它还能帮你做 SQL 优化，把你写的一个慢查询给它，它会分析执行计划，建议加索引或者改写方式，然后给你一个优化版本。这个功能我们团队的 DBA 大佬用了一次，点了点头，说，还不错。这个评价已经很高了。 

11 · Test Generator

你写代码，它帮你想测试

 大家都知道单测要写，大家也都知道写单测很烦。 

 Test Generator 干的事就是，你把函数或者模块给它，它自动生成一批单元测试。覆盖正常路径、边界情况、异常路径，分层给你列出来。 

 我个人觉得它最大的价值不是生成测试本身，而是它逼你思考你自己没想到的 edge case。很多时候它生成的测试，里面有个 case 让我看了一眼，「诶，这种情况我的代码好像还真没处理」，然后回去改代码。 

 它支持主流框架，Jest、pytest、JUnit 之类的，装上去之后在对话里告诉它你用哪个框架就行了。 

12 · Project Planner

把模糊的需求掰成清楚的任务

 这个可能是最容易被低估的，因为它不是「写代码」类的插件，但我觉得它对实际工作的影响比写代码类的还大。 

 你告诉它一个模糊的需求，「我们要做一个用户行为分析的后台功能」，它会帮你拆解成具体的技术任务，按优先级排列，识别出依赖关系，估算复杂度。 

 它问的那些追问也很好，「这个功能需要实时的吗还是 T+1 的？」「用户数量级大概在哪个范围？」「有没有需要跟现有系统对接的地方？」，这些问题本来是产品和架构讨论时应该问的，现在你跟它说自然语言就能走完这个过程。 

 我用这个最多的时候，是项目启动前的方案阶段，让它帮我把脑子里那些还没成形的想法整理成一个有结构的计划。然后我再去跟团队对，效率高很多。 

 说到这里，12 个都过完了。 

 汇总一下，按照我觉得的必装优先级排， 

优先级参考

第一批，今天就装

Code Interpreter / Web Browsing / Memory / GitHub Integration

第二批，本周装

DALL·E / Docs Reader / Code Review Assistant / Test Generator

第三批，看你用途

Terminal Assistant / API Tester / Database Query Assistant / Project Planner

 「第三批」并不是说它们不好，是说它们更垂直，有些人可能天天用，有些人可能一个月才用一次，看你的工作场景自己判断。 

 最后说一件事。 

 AI 工具的能力，很多时候不是模型本身的问题，是你有没有打开那扇门。 

 就像我那个同事，他一直觉得自己在用 Codex，其实他只用到了 Codex 的三分之一不到。剩下那三分之二，就静静挂在 Extensions 里，等他哪天想起来。 

 我观察了很长时间，大部分人用 AI 工具的问题不在「不会用」，在「没有去看里面还有什么」。 

 你愿意花三十分钟把插件都装上，然后各用十分钟摸一遍，你就彻底超过那 80% 只会裸机用的人了。 

 不需要天赋，不需要什么高深的 prompt 技巧，就是愿意去看一眼。 

 这在 AI 时代，就是一种竞争优势。 

 以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～ 

 谢谢你看我的文章，我们，下次再见。