Codex 插件与研究工作流教程
从公开视频里的研究型界面出发，拆解 Codex 如何结合插件、资料搜集和结构化报告，把“查资料”升级成可复用的研究工作流。
This page is accessible in English navigation, but the full body has not been translated yet. The original Chinese content is kept below for accuracy.
研究模式长什么样
视频中能看到明显的研究型会话：一边收集外部资料，一边让 Codex 整理结论、生成报告、 输出摘要和工作记录。这和单纯的问答模式差别很大。
插件在这里解决什么问题
插件不是为了“多一个按钮”，而是为了把原本只能手工完成的资料访问、结构化获取、 内容整理和结果落盘流程串起来。这样研究不会停留在聊天窗口里。
扩展输入来源
让 Codex 可以读取更多外部材料，而不是只依赖当前会话里那一点文本。
减少人工搬运
把“复制网页、摘重点、整理结构”这种重复劳动尽量交给流程和工具。
输出结构化结果
最终形成报告、对比表、工作记录或后续执行清单，而不是只给一段散文式回答。
给后续任务供料
研究产出的结论可以直接喂给前端、文档、课程、Deck 或视频制作任务。
YouTube 转录工具对比
更细地核对视频后，可以看到作者让 Codex 研究 YouTube transcript 方案，并对 Supadata、 TranscriptAPI 等服务做了比较。这里的重点不是某个 API 名字，而是研究流程本身： 先比较可用工具，再要求 Codex 创建一个 skill，用来按频道拉取最新视频、获取 transcript、生成摘要。
| 环节 | 视频中可见做法 | 可复用成什么 |
|---|---|---|
| 工具调研 | 比较多个 YouTube transcript / creator data API 的价格、可靠性和开发体验。 | 形成“外部数据源选择清单”，避免每次临时搜索。 |
| 能力封装 | 要求 Codex 创建一个 skill：输入频道，搜索最新视频，拉 transcript，再总结。 | 沉淀成 research skill，后续可直接复用到竞品分析、课程整理和内容研究。 |
| 结果输出 | 把视频信息整理成报告，而不是只返回散乱摘要。 | 作为后续文档、课程、Deck、产品需求的输入材料。 |
研究结果应该长成什么样
从视频里“Analyze latest YouTube videos...”这类画面来看，好的研究输出至少包含三层：
| 层次 | 内容 | 为什么重要 |
|---|---|---|
| 事实层 | 明确可见的信息、时间、对象、功能点、交付内容。 | 先把确认无误的信息分离出来，避免一开始就混入推断。 |
| 判断层 | 这些事实说明了什么工作方法、产品方向或流程设计。 | 把研究从摘抄提升到可行动的洞察。 |
| 执行层 | 下一步应该写什么文档、改什么页面、补哪些图、做哪些验证。 | 让研究直接进入生产流程，而不是躺在笔记里。 |
如何做成可重复流程
1. 先固定研究输入
只选当前任务需要的资料源，例如公开视频、截图、转录、README、页面源码，不要无限扩张范围。
2. 再固定输出模板
可以要求输出成对比表、章节提纲、发布清单、文档页面草案或任务拆解，而不是自由发挥。
3. 给出验证标准
例如“所有结论都要能在截图中找到依据”“不写看不见的精确参数”“整理后可直接转成站内教程”。
4. 将结果回流到系统
好的研究不应该只停在单次会话里，而要进入 skill、知识库、课程素材或下一阶段任务。
适合哪些场景
从视频可以确认，这套研究工作流并不只服务于写报告。它还可以直接支持： 课程整理、产品研究、市场素材汇总、Deck 叙事、网站文案和后续制作任务。