Codex 做文献综述:把医学问题整理成能复核的证据表

临床科研里真正耗时间的地方不在检索,在检索之后。问题没拆清楚,几篇文献的摘要就混成一团,证据等级和适用人群也分不开。写出来的东西看着像研究总结,读起来却像临床建议。

Codex 在这里做的事,是把问题,证据,局限和草稿分成几层摆好。每句话都能回到原文核对,这是它在这一类活里的全部价值。它不替谁诊断,[……]

继续阅读

Codex 自动修 CI:接上 GitHub Actions,挂了它自己改

CI 失败是开发日常里最常见的一件事,处理起来却一点不轻松。老流程走起来是这样一串动作。先收到邮件或者消息通知,再打开 CI 日志逐行看报错。然后切到本地找到出问题的代码,修复提交再推一次。等 CI 重新跑过,确认通过,最后开 PR 等人审查合并。

整条链路全靠人在中间串起来。报错信息不明确的时候还[……]

继续阅读

Codex 直接控制浏览器:接上 Chrome 就能替你去点

让 Codex 碰浏览器,能干的事很具体。让它在网页里搜资料,或者打开某个站点走完一段简单点击流程。也可以把浏览器操作接进当前的任务链路,人不用离开工作区再手动去查一遍。

这里说的”控制浏览器”,准确讲是让 Codex 借助浏览器或者浏览器插件完成网页交互。不同工作区里,这个入口的名字不一定相同。叫[……]

继续阅读

Codex 远程修服务器 Bug:从定位到验证走一遍

平时用 Codex CLI,默认都在本地项目里跑:代码在你机器上,它就在这台机器上改。现实里更常见的一种情况是代码根本不在你电脑上。项目部署在云服务器的 Docker 容器里,手上只有 SSH 权限,本地没有源码。线上出了 Bug,又必须马上定位。

Codex 的远程模式就是为这个场景准备的。你在本[……]

继续阅读

Codex 读懂设计稿:Figma 和 Notion MCP 一起接

Figma MCP 和 Notion MCP 是两个方向完全不同,接入方式却几乎一致的插件。前者让 Codex 看得懂设计稿,后者让它进得了你的知识工作空间。两个都装在 Codex 桌面 App 里,都靠浏览器授权一次,装好之后用一个 @ 符号就能叫出来。

安装入口在同一个插件市场

打开 Codex[……]

继续阅读

Codex 搭 AI 知识库:LLM Wiki 加 Obsidian 一套流程

大模型处理文档,目前最主流的做法还是 RAG,也就是检索增强生成。上传一批文件,提问时系统先检索出相关片段,再让模型基于这些片段生成回答。Notebook LM、ChatGPT 的文件上传,以及大多数企业级知识库,走的都是这条路。它成熟好用,但代价藏在一个不太显眼的地方。

RAG 缺的是积累

每一次[……]

继续阅读

Codex 一句话处理飞书数据:接上飞书 CLI 就行

2026 年 3 月底,飞书把自己的 CLI 开源了。对一天大部分时间都泡在飞书里的团队来说,这件事的意义是多了一个入口。数据仍然留在这套结构里,不用导出,也不用手动翻页。在 Codex 里说一句话,就能把这些内容读出来,再顺手整理干净。下面把接入的完整路径走一遍,从装工具到跑通一个真实例子,中间容[……]

继续阅读

Codex 写完文章自动配图:Obsidian 里一套流程搞定

写文章最耗时间的环节之一就是配图。找图,裁图,插到对的位置,一篇下来能磨掉不少耐心。Obsidian 本身是本地优先的知识管理工具,加上 Codex 命令行能直接调用生图模型 gpt-image-2,配图这一步就能交出去。

前提有两样,会基本的 Obsidian 操作,以及熟悉 Codex 命令行的[……]

继续阅读

Codex 自己开浏览器查资料:接上 Playwright MCP 就行

改完前端代码想让 Codex 自己确认页面跑通了,光看代码它做不到。Playwright MCP 补的就是这一环。它是基于 Playwright 的 MCP 服务器。它把打开浏览器,访问网页,点击按钮,填写输入框这些操作封装成 AI 能调用的工具。读页面内容,截图,验证结果这几项也在里面。

装上之后[……]

继续阅读