Codex 必装的5个插件(附操作指南)

大家平时用 OpenAI Codex 辅助敲代码是不是已经很顺手了？但如果只拿它当一个“高级代码补全工具”，那在科研场景下真是暴殄天物。

通过接入特定的 Plugins 和 MCP Server，现在的 Codex 完全具备了查阅文献、跑通本地实验、清洗数据甚至对线审稿人的能力。

今天直接盘点目前市面上最硬核的 Codex 科研插件全家桶，外加手把手配置指南，今晚就能让 Codex 跑出第一条自动化科研工作流。

核心科研插件/Skills 推荐

1、Claude Scholar（目前绝对的科研全能骨干）

https://github.com/Galaxy-Dawn/claude-scholar

应用场景：处理高重复、重结构的科研脏活累活。

深度介绍：别被它的名字骗了，这是目前在 Codex CLI 端支持度最好、也是最火的半自动化研究助理工具。它的核心理念极其克制：它不做研究方向的判断，只把繁琐的执行工作完成。它内置了 40 多种专门针对科研的 Skills，能跑通“提出问题 -> 搜寻证据 -> 实验分析 -> 论断生成”的闭环。

核心功能：自动调用 SymPy 逐步验证数学推导；通过 OpenAlex 接口抓取两亿多篇学术文献的结构化数据；或者自动检查 LaTeX 里的引用是否和文献库完全对齐。

2、OneSkills (AI 与 CS 方向的最佳打底框架)

https://github.com/onescience-ai/oneskills

应用场景：深度学习实验流程拆解、环境配置与基线运行。

深度介绍：由阿里 ModelScope 开源的 OneScience 演化而来，它把大厂跑通的科研模型开发经验，拆解成了一组可以直接触发的 Agent Skills。对于从事 CS 或 AI 方向的科研党来说，它是绝佳的“实验保姆”。当有一个新 Idea 时，它能直接拆解深度学习实验步骤，理解任务意图，并顺好环境配置、数据预处理以及基线模型运行等底层逻辑。

3、Zotero-MCP & Obsidian-Skills (打通本地第二大脑)

https://pypi.org/project/zotero-obsidian-mcp/

应用场景：文献库管理与学术笔记自动化。

深度介绍：科研人的命脉就是文献库和本地笔记。不要再傻乎乎地手动复制粘贴 PDF 给 AI 了，通过 MCP 协议，让 Codex “长在”数据库上。接通后，Codex 可以直接以无头模式读取 Zotero 里上百 M 的 PDF 库，并顺手将结构化总结写进 Obsidian 本地 Vault 里。全程不切窗口，无缝对接知识管理流。

4、ARIS (睡后自动科研框架)

https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep

应用场景：全自动化的代码迭代与实验运行。

深度介绍：如果想尝试“我睡觉，机器跑实验”的全自动化模式，这个名为 Auto-research-in-sleep (ARIS) 的框架必须尝试。它利用 Codex 作为底层执行官，结合其他大模型做 Cross-provider Review（交叉审查）。它能实现“写代码 -> 跑对比实验 -> 抓取本地 Terminal 报错 -> 自动修复”的无限循环，非常适合需要大量对比实验的定量研究。

5、PaperQA (集成至开发环境)

https://github.com/future-house/paper-qa

应用场景：基于证据的文献综述。

深度介绍：它通过调用 Codex 的逻辑推理能力，直接从给定的 PDF 文件夹中提取答案。核心在于“基于证据的问答”，当你在编写代码处理数据、需要查阅数学推导时，它会自动抓取关联文献，并标明引用来源，减少在论文和代码窗口之间的反复切换。

一、在 Codex 中搭起科研流

准备工作：确保电脑上已安装最新版的 Codex CLI 并在终端中登录完毕。

第1步：进入插件中心

打开终端（Terminal），启动 Codex 命令行并输入：/plugins。这会调出 Codex 的 CLI 插件目录，这里分为官方精选、共享库和自己创建的组件。

第2步：安装核心科研包（以 Claude Scholar 为例）

我们可以直接在目录里搜，或者利用 Marketplace 强制拉取。在命令行输入：

codex plugin marketplace add Galaxy-Dawn/claude-scholar

拉取完成后，直接安装即可拥有几十项学术技能：

codex plugin install claude-scholar

(提示：安装 OneSkills 的操作同理，将仓库源替换为 onescience-ai/oneskills 即可)

第3步：接通本地文献库（Zotero MCP）

为了让 Codex 认识电脑里的文献：

确保 Zotero 软件在后台运行。

在 Codex 中安装 MCP 连接器，可直接在 /plugins 界面搜索 zotero-mcp 并 Install。

安装完毕后，Codex 会在第一次调用时索要本地文件夹权限，点击授权即可。

第4步：跑通第一个魔法工作流！

回到项目终端，敲下这条指令试试水：

@arxiv-metadata 帮我找 5 篇近期关于 Agent Reasoning 的顶会论文，并结合我本地 Zotero 里的相关文献，对比出它们在方法论上的差异，最后在当前目录下生成一份 Markdown 报告。

配置完成后，我们会发现之前的“人肉查文献 + 复制粘贴写代码”，彻底变成了只动嘴皮子的“发包当老板”模式。

二、以 VS Code 环境为例

要让这些工具与 Codex 顺畅配合，请按照以下步骤操作：

第1步：环境对齐

确保开发环境已安装最新的 Python 3.10+ 及 VS Code。建议使用虚拟环境：

python -m venv research_envsource research_env/bin/activate  # Linux/macOSresearch_env\Scripts\activate     # Windows

第2步：获取 API Key

登录 OpenAI 账户，前往Platform API Keys获取 Secret Key。
在系统环境变量中添加 OPENAI_API_KEY。

第3步：插件安装与配置

插件安装： 打开 VS Code 的 Extensions 侧边栏，搜索并安装上述插件，如 Claude Scholar, OneSkills 等。
MCP 配置： 若使用 Zotero-MCP，需在 settings.json 中配置 Zotero 数据存放路径，以确保 Codex 拥有读取权限。
初始化： 安装后，按下 Ctrl+Shift+P 打开指令面板，输入对应的插件名称进行初始化，并根据提示填入 API Key。
日志记录： 建议在 VS Code 设置中，开启 "research.auto_save_log": true，这能确保你每一次 AI 辅助生成的代码修改都有迹可循，防止大规模实验时数据丢失。