最近我把 Codex 里比较值得关注的插件重新整理了一遍。

这次不讲太复杂的组合逻辑，直接按20 个工作流分类来介绍。每一类放 5 个插件，一共 100 个。

如果你刚开始用 Codex，不建议一次性全部装满。先看自己最常用的场景，再从对应分类里挑 2—3 个就够了。

01 浏览器与本机电脑操作

这一类主要解决网页操作、电脑操作和本机任务。

Computer Use：让 Codex 点击、输入、滚动，操作本机 Mac 应用。

Chrome：直接使用已有的 Chrome 登录状态完成网页任务。

MarcoPolo：提供安全隔离的运行和测试环境。

Domotz：监控网络设备、网络状态和异常。

Jam：录制带上下文的 Bug 视频，方便反馈和复现。

适合：网页任务、本机自动化、测试复现、网络排障。

02 文档、表格与汇报交付

这一类基本覆盖了大部分办公需求。

Documents：创建、修改和整理 Word 等文档。

Spreadsheets：处理 Excel、CSV、公式、图表和数据。

Presentations：创建和编辑 PPT、汇报和路演材料。

Notion：查找和整理 Notion 中的项目与知识。

Box：搜索和整理企业云盘文件。

适合：写文档、做表格、出汇报、查资料。

03 邮件、日程与日常行政

如果每天有大量邮件和会议，这一类很实用。

Gmail：搜索邮件、生成摘要、起草回复。

Google Calendar：查看时间、安排会议、检查冲突。

Outlook Email：管理 Outlook 邮件。

Outlook Calendar：管理 Outlook 日程和会议。

Fyxer：整理收件箱，辅助处理邮件回复。

适合：回邮件、做纪要、排会议、处理行政事务。

04 团队沟通与企业知识库

这类插件可以让 Codex 直接进入团队信息环境。

Slack：总结频道讨论、提取待办。

Teams：整理 Teams 消息和会议内容。

SharePoint：查询企业站点和资料库。

Google Drive：跨 Drive、Docs、Sheets 查找资料。

Mem：为 Codex 提供长期知识上下文。

适合：团队协作、找资料、同步信息、知识沉淀。

05 项目管理与研发协作

适合产品、研发和项目团队。

Linear：查询 Issue、项目和路线图。

Atlassian Rovo：连接 Jira 与 Confluence。

ClickUp：管理任务和团队工作流。

Monday.com：读取看板和项目状态。

Teamwork.com：同步项目进度和协作任务。

适合：看项目、追任务、查路线图、协同推进。

06 代码协作、审查与测试

这是开发者最值得关注的一类。

GitHub：处理 PR、Issue、CI 和代码审查。

Superpowers：辅助规划、TDD、调试和工程交付。

CodeRabbit：AI 审查代码和 Pull Request。

CircleCI：查看构建、测试和部署流水线。

Plugin Eval：评估插件或 Agent 工作流效果。

适合：写代码、审 PR、跑测试、查构建。

07 安全、稳定性与运维排障

这一类主要面向线上系统。

Codex Security：扫描代码安全问题并辅助修复。

Sentry：查看线上报错和异常事件。

Vantage：查看云资源成本和用量。

Cloudflare：处理域名、CDN 和安全配置。

Quicknode：管理 Web3 节点和链上基础设施。

适合：排报错、查成本、做安全、管基础设施。

08 Web 应用开发

从搭建到调试 Web 产品，都可以覆盖。

Build Web Apps：辅助构建和调试 Web 应用。

Hugging Face：查找模型、数据集和 Spaces。

YepCode：构建 AI 工具和自动化流程。

Game Studio：设计和发布浏览器小游戏。

OpenAI Developers：查询 OpenAI API、Codex 和 Agents 资料。

适合：做网站、接 API、查模型、搭自动化。

09 移动端与桌面应用开发

如果你做 App，这一类可以重点看。

Build iOS Apps：构建和调试 iOS 应用。

Build macOS Apps：开发和完善 macOS 应用。

Test Android Apps：复现问题并辅助 Android 测试。

Expo：开发和部署跨端应用。

Twilio Developer Kit：构建短信、语音和通信能力。

适合：做 App、调界面、测问题、接通信。

10 数据库、后端与工作流

适合补齐产品后端能力。

Supabase：数据库、认证、文件存储和后端功能。

Neon Postgres：管理无服务器 Postgres。

MotherDuck：连接云端分析数据环境。

Temporal：开发可靠的自动化工作流。

Cube：查询语义层、指标和数据模型。

适合：搭后端、查数据、做自动化、看指标。

11 部署、托管与域名

产品做好之后，这一类负责上线。

Vercel：部署网站和 Agent 应用。

Netlify：发布网站、管理函数和配置。

Render：部署、监控和调试应用。

Hostinger：建站和托管项目。

Network Solutions：查询和管理域名。

适合：部署项目、管域名、做预览、上生产。

12 UI、视觉与专业图示

这一类对设计和内容创作者很友好。

Figma：读取设计稿、搭建设计系统。

Canva：制作海报、封面和社媒图。

BioRender：创建科研和生物医学插图。

HyperFrames by HeyGen：用 HTML 制作动态视觉内容。

Cloudinary：管理和优化图片、视频素材。

适合：做设计、出海报、画图示、管素材。

13 视频、动效与内容生产

适合自媒体、品牌和内容团队。

Remotion：通过代码生成视频、字幕和动效。

HyperFrames by HeyGen：把动态网页视觉渲染成视频。

Canva：快速制作轻量视频和素材。

Cloudinary：视频转码、压缩和管理。

Google Drive：集中管理脚本、素材和成片。

适合：做视频、做动效、管素材、提效率。

14 客户关系与销售推进

如果你做销售、商务或客户管理，这类很实用。

HubSpot：查询客户、线索和交易。

Pipedrive：管理销售机会和跟进流程。

Attio：连接客户关系和销售数据。

Streak：在 Gmail 内管理 CRM。

HighLevel：管理 CRM、营销和客户沟通。

适合：管客户、跟线索、推交易、做销售。

15 会议记录与行动项

这一类特别适合会议多的人。

Fireflies：读取会议转写并总结内容。

Granola：整理会议重点和后续行动。

Otter.ai：调用会议转写和笔记。

Circleback：把会议内容转成行动项。

Read AI：获取会议洞察和参会分析。

适合：做纪要、提重点、追行动项、会后复盘。

16 客服、用户反馈与客户成功

这类可以把用户声音真正沉淀下来。

Help Scout：处理客服邮件和用户对话。

Pylon：获取客户支持和客户成功上下文。

Dovetail：把访谈和反馈转化为洞察。

Common Room：识别社区信号和潜在客户。

Docket：快速检索销售和客服资料。

适合：做客服、看反馈、做研究、挖线索。

17 市场、增长与营销分析

增长团队可以重点看这一类。

Amplitude：分析用户行为、漏斗和留存。

Semrush：查询 SEO、关键词和竞品数据。

Brand24：监测品牌提及和舆情。

Conductor：分析内容、SEO 和营销表现。

Coupler.io：汇总多渠道营销数据。

适合：看增长、做 SEO、盯舆情、跑分析。

18 支付、财务与商务流程

适合商业和运营团队。

Stripe：查询支付、订阅和商业数据。

Brex：审查公司费用和交易。

Razorpay：查询支付账户和交易信息。

SignNow：处理电子签署。

Carta CRM：管理投资关系和股权联系人。

适合：看营收、管费用、做签约、跑商务。

19 学术研究与知识管理

科研党可以直接看这一类。

Zotero：查论文、管理引用和参考文献。

Readwise：调用阅读记录和标注。

Scite：根据引用关系辅助判断论文结论。

LaTeX Tectonic：编译论文、公式和学术文档。

Life Science Research：查询生命科学研究资料。

适合：找论文、做综述、写论文、管知识。

20 投研、金融与行业情报

最后一类偏专业研究和投资。

PitchBook：查询私募市场、公司和融资资料。

CB Insights：研究公司、行业趋势和投资机会。

Morningstar：获取基金和证券研究信息。

Dow Jones Factiva：检索全球财经新闻和公司资料。

Moody's：查询信用、风险和企业情报。

适合：做行研、看公司、查融资、做投研。

这 20 类基本已经覆盖了 Codex 最常见的工作场景。

如果你只是普通用户，其实优先看前 4 类就够了；如果你做开发，可以重点看 5—11 类；如果你做内容、销售、运营，可以重点看 12—18 类；科研和投研则直接看最后两类。

我的建议还是一样：

不要一次装满。

先找到你最常做的 1—2 类，每类挑 2—3 个插件，真正用起来，再慢慢扩展。

这样会比单纯追“插件数量”有用得多。