同济博一｜我的Codex论文辅助全流程
- UP 主：艺雨YiLight
- 源链接：https://www.bilibili.com/video/BV1cV3b67Ehs
- 时长：15:51
核实工作完成，信息足够成稿。下面是这份视频的解释补全文档。
《同济博一｜我的Codex论文辅助全流程》解释补全文档
一句话判断：这是一条"工作流综述"型视频——单点技巧都不深，但完整地串起了"文献调研 → Zotero 管理 → idea 打磨 → 分学科写作 → 绘图 → PPT → 日常追踪"七段流程，并且明确指出了"用 agent 硬扒文献"这个流行做法的坑。值得看，尤其文献管理三段论和定时追踪演示两段；skill 清单部分可以快进（多个 skill 名受语音识别失真影响，且生态更新极快，以本文核验结果为准）。
1. 视频讲了什么
UP 主（同济大学博士一年级，UP 名"艺雨YiLight"）的自我定位很清楚：市面上讲"AI 辅助论文"的视频大多只讲单个技巧（读论文、做 PPT），不讲流程怎么组合，也不讲哪些环节有坑。他按自己的真实流程讲七件事：
- 推荐五个"综合能力最强"的 skill；
- 文献管理：他反对用 Codex skill 直接扒论文，推荐专业文献调研网站（Undermind、Elicit 等）+ Codex 连接 Zotero；
- idea 与论文架构：用"苏格拉底式问答"skill 反复打磨；
- 论文写作：按学科（自然科学 / 计算机·AI / 人文社科）选不同 skill；
- 科研绘图：AI 生图只能当构图参考，能进论文的是数据驱动图；
- 汇报：用 HTML 方式做 PPT；
- 每日/每周论文追踪：用 Codex 的定时任务自动生成日报。
结尾他强调：AI 只能辅助，文献必须自己看，论文必须人写。
2. 先做术语勘误：转写稿里的"黑话"对照表
这份转写稿的语音识别错误非常多，直接按原文去搜会一无所获。先给出对照（据上下文与本轮联网核验推断）：
| 转写稿写法 |
实际所指 |
| cortex / CORNECT / codex cloud |
Codex（OpenAI 的编码智能体，有 CLI、IDE 插件与桌面 App 形态） |
| DERMAN / UNDERMAN / UNDERM / 奥特曼 |
Undermind（undermind.ai，AI 深度文献调研网站） |
| ELISIT |
Elicit（elicit.com，AI 科研文献平台） |
| zero / ZERIAL / detail / ta / The terror / DETRO / tr |
Zotero（文献管理软件） |
| lip maps |
Litmaps（文献关系可视化工具） |
| connected papers / research rabbit |
Connected Papers / Research Rabbit |
| ARCAVE |
arXiv |
| "插件上方有个已安排" |
Codex/ChatGPT 桌面端的 Scheduled（自动化任务） 面板 |
3. 背景补全：Codex 和"skill"到底是什么
视频默认观众知道 Codex 和 skills，这里补齐前提。
- Codex 是 OpenAI 的编码智能体（CLI、IDE 扩展、ChatGPT 桌面 App 三种形态）。Agent Skills 是其官方扩展机制：一个 skill 就是一个含
SKILL.md（必须带 name 与 description）加可选脚本、参考资料的目录，Codex 按"渐进式披露"加载——平时只在上下文里放一份技能清单（上限约为上下文窗口的 2%，或 8000 字符），选中某技能后才读完整指令。可以显式调用（CLI 里 /skills 或输入 $），也可以让模型按 description 隐式触发；技能可放在仓库 .agents/skills、用户级 ~/.agents/skills 等位置，也可用 $skill-installer 安装 [1]。
- 插件（plugin） 是分发单元：可以把多个 skill 与 MCP 连接器打包，通过 ChatGPT 与 Codex 共享的通用插件目录安装 [1]。这正是视频里"插件商店里搜 Zotero 直接装"的机制基础。
- 自动化任务：官方功能，可把重复任务交给后台定时运行，结果汇入 Scheduled 面板收件箱；支持对话式创建、自定义节奏（cron / RRULE）、与 skills 组合。注意官方明示的约束：项目级任务需要本机开机且桌面 App 保持运行；无人值守任务使用默认沙箱，只读模式下写文件/联网都会失败，放开"完全访问"则风险明显升高；CLI 和 IDE 扩展没有定时任务管理界面，要用网页端或桌面 App 管理 [2]。视频里"每天早上九点多推送论文日报"就是靠这套东西。
- 生态现状：skills 已是跨产品开放标准（Agent Skills standard），社区目录 AcademicForge 收录了 13 个学术向仓库、约 360 个 skill，其中包括 Anthropic 官方的 Claude Science（32 个）[7]。视频正处在这个生态爆发的窗口期，所以它列的清单天然带时效性。
4. 逐节补全与核验
4.1 五个"最强 skill"——哪些能对上号
| 视频中的名字（转写） |
核验结果 |
| scientific agent skills |
✅ 对应 K-Dense-AI/scientific-agent-skills（前身 Claude Scientific Skills）：166 个 skill + 78 个以上科学数据库，覆盖生物信息、化学信息学/药物发现、蛋白质组、临床研究等，MIT 协议，约 4.65 万 star，兼容 Codex，还有对应 arXiv 论文（arXiv:2609.00065）[4]。UP 主说它"适合自然科学、生物医药化学"——与仓库自述一致。 |
| nature skills |
✅ 对应 Yuan1z0825/nature-skills：面向 Nature 风格学术表达与科研绘图的技能集，约 4.43 万 star，Apache-2.0；README 徽章显示 19 个技能（AcademicForge 目录计 20 个；UP 主录制时说 15 个——数量随版本增长）[3][7]。覆盖精读、润色、写作、审稿模拟、逐点回复、引用、数据可用性声明、科研绘图、paper2PPT、proposal 等，提供 Codex 一键安装与同步脚本 [3]。说它是"综合能力最强"是个人判断，但从覆盖面看不算离谱。 |
| academic research skill |
⚠️ 部分核实：社区确有 Academic Research Skills（ARS） 在流传——B 站有专门教程《Academic Research Skills 完整实操教程——13条AI指令覆盖选题/提纲/撰写/审稿/回复全流程》，且另一教程明确将 ARS 与 Zotero MCP 组合使用 [9][10]。但"苏格拉底式追问"的具体 skill 仓库源头本轮未能定位（搜索次数用尽），其原始出处 UNVERIFIED。 |
| cortex auto research（计算机向） |
❌ UNVERIFIED：未能找到对应仓库，转写失真严重，无法确认真名。 |
| codex cloud academic skills（中文/人文社科向） |
❌ UNVERIFIED：同上。 |
补充一个视频没讲、但和你相关的官方细节：skill 装太多会挤爆上下文——初始技能清单最多占上下文 2%（或 8000 字符），装一大堆的话 Codex 会压缩描述甚至把部分技能踢出清单并警告 [1]。视频这种"全家桶"式装法是有代价的。
还有一个值得知道的背景：nature-skills 的 README 里带有创始人自营的 GPT/Claude 代充与成品号业务、知识星球与商务合作入口 [3]。这不是说 skill 本身有问题（代码开源、可自审），但读者应意识到这个"最火 skill"背后是带商业转化的社区项目，账号类服务在国内平台存在合规与封号风险（此为我的推断，请自行判断）。
4.2 文献调研：为什么"别用 skill 硬扒"，替代品是什么
UP 主给出两个反对理由：一是 agent 技能通常拿不到全库，往往只能看到标题摘要，检索不全面；二是出版商网站反爬很强，最后只能靠接管浏览器去一个个点下载按钮，效率极低。
这部分值得认真对待，而且有旁证：
- Undermind 自己的基准测试（注意：厂商自测、样本仅 23 个研究目标、利益相关）显示：10 分钟时，Undermind 深度检索对"最相关 20 篇论文"的召回率约 85%，而 GPT-5.6（medium）在 Codex CLI 里带网页搜索跑检索只有约 50%，Claude Opus 5 约 47% [5]。也就是说，"通用 agent + 搜索"确实弱于专门的文献检索系统——这与 UP 主的体感方向一致。
- Undermind 的产品形态与视频描述吻合：先追问澄清需求，再深度检索（阅读并评估数百篇论文、沿引文链追踪），结果带可溯源引用，产出报告与 PDF 文库，还支持研究方向追踪提醒；免费层可用，Pro 年付 $16/月，另有团队与企业版，由 YC 支持、MIT 量子物理博士创立 [5]。UP 主"10 分钟找到 203 篇文献"是个人演示（视频事实）；官方口径是一次检索平均 2.9 分钟结束 [5]。
- Elicit：索引超 1.38 亿篇论文与 54.5 万项临床试验注册，主打语义检索（不必猜全关键词）、结构化研究报告、系统综述支持（已对齐 PRISMA 2020）、文献库与提醒，并强调句级引用可溯源，也提供 API/MCP 接入 [6]。
- 视频顺带提到的三个可视化小工具 Connected Papers / Research Rabbit / Litmaps 属于老牌"文献图谱"类服务，本轮未逐一核验其最新功能（仅复述视频说法，具体以各家官网为准）。
我的推断（补充 UP 主没说的第三层风险）：用 agent 接管浏览器批量抓 PDF，除了效率低，还可能触碰出版商服务条款，且抓回来的"文献"缺少元数据校验环节，引用真实性风险更高——专业平台"每条引用可溯源"的设计正是针对这一点 [5][6]。
4.3 Codex × Zotero：怎么连，有什么坑
视频演示的是"在插件商店搜 Zotero → 安装 → 连接 → 让 Codex 总结文献库、速览每篇、推荐投稿方向"。这条路线在生态里已是成规模的玩法，实现方式是 Zotero 侧的 MCP 桥接：
- 有专门的开源桥接项目（如 codex-zotero-bridge）：Zotero 扩展（.xpi）+ Codex 插件（本地 MCP server + 配套 skill），可列出/搜索条目、读取并修改元数据、建分类、打标签、加笔记；其 README 明确列出"有意不做"的事：永久删除、读取附件文件内容、自动合并重复、从外网自动抓元数据，并要求 Zotero 8/9 在桥接期间保持运行、云端 Codex 无法访问本机 Zotero，还提醒安装前审查源码、批量操作前备份文献库（据搜索摘录，未打开原文逐字核验）[8]。
- 也有把 MCP server 直接内嵌进 Zotero 插件的方案（如 zotero-agent，号称暴露 47 个工具，包括检索、导入、去重、引文图扩展等，据搜索摘录未逐字核验）[13]。
- 第三方教程印证了视频的操作路径：Claude 端给项目地址装，Codex 端"在插件市场中直接搜索添加"；该教程还指出一个实用局限——Zotero 默认只暴露元数据，内容深度有限，把定稿引用的 PDF 批量转成 Markdown（如 MinerU）再喂给模型，写作深度明显更好 [9]。
这层"默认只给元数据"的局限，是理解 UP 主工作流的关键：所以他才强调 Undermind 调研 → 存入 Zotero → Codex 在 Zotero 上做整理与引用的闭环，而不是让 Codex 全权读原文。
4.4 Idea 打磨：苏格拉底式问答 + "先喂 20 篇"
视频里他用 ARS 类 skill 对自己的 idea 连续追问（"你最想让审稿人相信的最小命题是什么""只能保留一个创新点留哪个""这个 gap 是工具缺口、设计缺口还是用户理解缺口"），七八轮后才能成文。
补全：这种"模拟审稿人"的玩法在已核实的 skill 生态里有直接对应物——nature-skills 的预投稿审稿模拟（"从 Nature 审稿人视角给出三份互盲 reviewer reports"）与 proposal 写作流水线 [3][7]。UP 主的另一条方法论——先找最相关的 10–20 篇论文喂给 AI，再开始对话——本质是检索增强：不同细分方向的写作范式差异极大，不给范文就让模型空谈架构，产出的只会是泛泛的通用模板（推断，但他讲得有道理）。
4.5 分学科写作：映射到已核实的资源
视频按三类学科推荐 skill，其中可核实的对应关系是：
- 自然科学/生物医药：scientific-agent-skills [4] 与 nature-skills [3]——均有，覆盖面如前述。
- 计算机/AI：AcademicForge 收录的 AI Research Skills 含
ml-paper-writing（面向 NeurIPS/ICML/ICLR/ACL/AAAI 的论文写作，含引文核验）等 [7]；视频口述的"奥特奥特 Cloud code researching sleep"疑指 Claude Code 系 research skill，无法确证真名。
- 人文社科：视频点名的 "social science paper writing"、"codex cloud academic skills" 均 UNVERIFIED；可核实的相邻选项是社区里的润色/去 AI 痕迹类技能（如 Humanizer ZH，中文去 AI 味改写）[7]。
一个诚实的提醒：这些"学科匹配"是 UP 主的个人使用经验，不是行业评测结论；同一仓库往往跨学科可用，先看各 skill 的 SKILL.md 触发描述再选，比按学科站队更可靠（推断）。
4.6 科研绘图：两条路线的边界（本视频最值得记住的一段）
UP 主划的线很清楚，我判断这条是全视频含金量最高的经验之一：
- 路线 A：用图像生成模型直接"画"工作流示意图——只能当构图草稿，元素和图标都要后期手工重绘，绝不能直接进论文；
- 路线 B：用 Python（matplotlib 等）基于真实数据绘图、用代码排版组合——不存在像素级生成，这类图才进得了论文。
这条线与学术出版的基本要求（图像须真实、可复现、数据可溯源）一致，属于扎实的提醒而非吓唬。工具侧也有对应物：nature-skills 提供"投稿级科研图"生成技能（其快速开始示例即"根据方法和结果生成投稿级科研图草稿"）[3]；配套的数据分析技能在 scientific-agent-skills 里更是主战场（生物信息、化学信息学、蛋白质组、时间序列预测等 166 项）[4]。具体到"目标期刊对生成式图像的政策细节"，各刊规定不一，投稿前应以期刊官方说明为准（此为提醒，本轮未逐刊查证）。
4.7 汇报 PPT：HTML 路线
UP 主说"现在做 PPT 基本是用 HTML 做，很少直接用 PPT 软件了"，并展示一小时生成的课程幻灯片。这是他的个人判断，但方向上有生态支撑：nature-skills 内置 paper2PPT 类技能（"把这篇论文做成中文组会汇报 PPT"是其官方提示词示例）[3]；他口述的 "frontier slides / in in capital / in in acbook" 几个名字受 ASR 失真影响，无法核实，请以视频画面为准。
4.8 每日/每周论文追踪
这是他自称"最重要的一部分"，机制已核实：
- Codex 自动化任务支持定时后台运行、对话式创建、结果汇入 Scheduled 收件箱、可与 skills 组合（官方文档明确建议用 skill 定义动作以便复用）[2]。视频里"每天早上九点多收到软体机器人方向 8 篇论文日报 + arXiv 链接 + 研究脉络 + 可深挖子方向"就是这条链路的产物。
- 社区还有现成的专项实现：如 Codex_Automated_Paper_Reader（脚本抓 arXiv/OpenReview 候选池，Codex 负责语义评分与日报）与 daily-literature-digest-skill（监控 Crossref/OpenAlex/arXiv，本地存 Markdown 并发邮件日报）——均据搜索摘录，未逐字核验 README [11][12]。
- 不想折腾本地工作流的话，Undermind 和 Elicit 都自带文献追踪提醒 [5][6]，是更省事的替代路径。
5. 可核验数据点速览
| 数据点 |
数值 |
来源 |
| scientific-agent-skills 规模 |
166 个 skill、78+ 数据库、约 46.5k star、MIT |
[4] |
| nature-skills 规模 |
19 个技能（目录站计 20）、约 44.3k star、Apache-2.0 |
[3][7] |
| Codex 技能清单上下文上限 |
≈2% 上下文窗口或 8000 字符 |
[1] |
| Undermind 官方基准（厂商自测） |
10 分钟 top-20 召回 85%，Codex CLI+web search 50% |
[5] |
| Undermind 单次检索耗时 |
平均 2.9 分钟 |
[5] |
| Elicit 索引规模 |
1.38 亿+ 论文、54.5 万+ 临床试验 |
[6] |
| Codex 自动化任务约束 |
项目级需本机开机+桌面 App 运行；CLI/IDE 无管理界面 |
[2] |
6. 风险、局限与需要打折扣的地方
- 时效性：视频展示的日报日期为 2026 年 7 月初，而本轮核验时（2026 年 9 月下旬）各仓库仍在高频迭代（nature-skills 数天前还有提交 [3]），具体 skill 数量、名字、安装方式请以仓库最新 README 为准。
- 引用真实性：无论用 skill 自动"补引用"还是用平台检索，每条引用都要人工点开核验——这是 UP 主反复强调"文献必须自己看"的原因，也是这类工具最大的学术不端风险点（视频观点，我认同）。
- 权限与安全：Codex 桥接 Zotero 需要授权本机数据访问，桥接项目自己也提醒"先审源码、批量操作前备份" [8]；定时任务无人值守运行，官方明确警告放开完全访问后风险升高 [2]。
- 厂商数据的折扣：Undermind 的对比基准是其自测数据（样本 23 个目标）[5]，方向可参考，数字别当定理。
- 商业生态：nature-skills 社区带代充/成品号等商业业务 [3]，与"开源技能"本身要分开评价。
7. 值不值得看，看哪几段
- 必看：文献管理部分（约第 4–7 分钟）——"不要用 skill 硬扒文献"的三个理由和 Undermind→Zotero→Codex 的闭环，是全视频最有原创性的判断；定时论文追踪演示（约第 13–15 分钟）——官方功能的活例子，看完就能照搬。
- 可选：五个 skill 推荐（约第 1–4 分钟）——名字听不清、时效性强，可直接用本文 4.1 的对照表替代后跳过；idea 打磨一段思路好但演示偏短。
- 可跳过：PPT 段落如果你已熟悉 HTML slides；总结段是前文复述。
参考来源
- OpenAI 官方文档：Build skills（Codex/ChatGPT Agent Skills 机制）— https://developers.openai.com/codex/skills （已全文核验）
- OpenAI 官方文档：Scheduled tasks / automations — https://developers.openai.com/codex/app/automations （已全文核验）
- GitHub：Yuan1z0825/nature-skills — https://github.com/Yuan1z0825/nature-skills （已核验；页面超长被截断，引用为已见部分）
- GitHub：K-Dense-AI/scientific-agent-skills — https://github.com/K-Dense-AI/scientific-agent-skills （已核验；页面超长被截断，引用为已见部分）
- Undermind 官网（产品流程、定价、自测基准）— https://www.undermind.ai/ （已全文核验）
- Elicit 官网（索引规模、功能与引用机制）— https://elicit.com/ （已全文核验）
- AcademicForge 学术 skill 目录 — https://hughyau.github.io/AcademicForge （已核验；页面超长被截断，引用为已见部分）
- GitHub：GuoXin-Ink/codex-zotero-bridge（Codex↔Zotero 桥接）— https://github.com/GuoXin-Ink/codex-zotero-bridge/blob/main/README.zh-CN.md （仅据搜索摘录，未打开原文逐字核验）
- B 站教程：Zotero MCP 接入 Claude + Codex 完整教程（佐证插件市场安装方式、ARS 组合用法）— https://www.bilibili.com/video/BV1W2E46hEuv/ （已核验页面信息）
- B 站教程：Academic Research Skills 完整实操教程（13 条指令）— https://www.bilibili.com/video/BV1YU5c68EjB/ （仅据来源 [9] 页面推荐流中的标题信息，未直接打开）
- GitHub：Jurio0304/Codex_Automated_Paper_Reader — https://github.com/Jurio0304/Codex_Automated_Paper_Reader （仅据搜索摘录，未逐字核验）
- GitHub：xuezheng627/daily-literature-digest-skill — https://github.com/xuezheng627/daily-literature-digest-skill （仅据搜索摘录，未逐字核验）
- GitHub：psiQAQ/zotero-agent — https://github.com/psiQAQ/zotero-agent （仅据搜索摘录，未逐字核验）
注：文中标注"视频事实"的内容均来自用户提供的视频转写稿本身；标注"推断"的为本人基于上述来源的分析，未经视频作者确认；UP 主的个人经验类表述（如某 skill "最强"、某方法"非常好用"）一律按其个人判断呈现，不作为行业结论。