Codex + Zotero 联动写文献综述：一句话生成初稿，这个工作流我建议直接抄
还在手动一篇篇读 PDF、复制粘贴摘要、再自己重新组织语言写文献综述？
这次我们来看一个非常实用的学术写作组合：OpenAI Codex CLI 配合 Zotero 文献管理，把“本地文献库直接变成 AI 的输入上下文”，实测下来最值钱的能力是——你不再需要把文献内容复制粘贴到对话框里，Codex 可以直接读取你 Zotero 里选中的 PDF 和条目元数据，然后按你的要求生成综述、对比研究、梳理脉络。
核心特点先放在前面：
- 不需要微调模型，用 Codex CLI 的 Agent 能力直接对接本地文件。
- 不依赖第三方插件生态，也不需要把 PDF 转成 txt 再喂给 AI。
- 一句话操作：选中文献 -> 给 Codex 一个指令 -> 得到带引用标注的综述初稿。
- 支持 CLI 和桌面版，适合写论文、做开题报告、整理研究现状。
- 能顺带跑通代码分析、文档整理、批量文献摘要，不只是写综述。
这篇文章会从环境准备、Zotero 配置、Codex 安装、联动原理、实际操作、报错排查到最佳实践完整过一遍。不管你是研究生、科研人员还是正在写毕业论文的本科生，这套工作流都值得试一次。
1. 核心能力速览
| 能力项 | 说明 |
|---|---|
| 项目类型 | 学术写作效率工作流（CLI Agent + 文献管理） |
| 核心工具 | OpenAI Codex CLI（命令行 + 桌面版），Zotero |
| 主要功能 | 文献综述生成、多文献对比、研究现状梳理、批量摘要、引用标注 |
| 推荐硬件 | 普通办公电脑即可，核心计算在云端 API 完成 |
| 显存需求 | 无，不需要本地 GPU |
| 支持平台 | Windows / macOS / Linux |
| 启动方式 | 命令行codex或 Codex 桌面应用 |
| 是否支持 API | 支持，通过模型接口调用 |
| 是否支持批量任务 | 支持，可对多篇文献批量处理 |
| 适合场景 | 论文写作、开题报告、文献调研、学术综述 |
| 学习成本 | 中低，关键是理解 Zotero 数据目录结构和提示词组织 |
需要说明的是，这套联动的核心思路是：Zotero 负责“管文献”，Codex 负责“读文献并写作”。两者通过本地文件系统和命令行工具连接，不需要开发完整插件，但如果你会用一点 Python 或 MCP（Model Context Protocol），可以把自动化程度再拉高一截。
2. 适用场景与使用边界
这套组合解决的核心痛点是：文献管理软件里存了几百篇 PDF，但写综述时仍然要一篇篇打开、翻页、摘录、归纳。Codex 联动 Zotero 后，可以让 AI 直接读取你指定文件夹或收藏夹里的 PDF 内容，按你的要求输出结构化综述。
适合谁
- 正在写毕业论文文献综述章节的学生。
- 需要快速调研一个陌生研究方向的研究人员。
- 需要定期整理某一领域新文献的科研助理。
- 想用 AI 辅助但不希望把 PDF 内容上传到第三方网页工具的人（至少在 API 模式下可以自主选择模型供应商）。
能解决什么问题
- 多篇文献的研究方法、结论、局限性的横向对比。
- 按时间线梳理研究进展。
- 提取每篇文献的核心贡献。
- 生成带作者和年份标注的综述段落。
- 把中英文文献混合整理成统一表述。
不适合什么场景
- 期刊投稿级别的最终稿：AI 生成的综述只能作为初稿，不能直接投稿。
- 需要精确引用页码和原文表述的场合：AI 可能改写字句，需要人工核对。
- 无网络或无法访问模型 API 的离线环境：Codex 本身依赖云端模型服务。
合规与安全边界
- 只对你有权使用的文献（已购买、学校订阅、开放获取）进行解析和综述。
- 不要将未公开的学位论文、保密项目材料、涉及隐私的数据文件放入 Zotero 后再交给云端模型处理。
- 使用 Codex 时注意选择可信的网络环境和模型服务商，不要使用来源不明的中转接口。
- 最终论文提交前必须自行核实所有引用信息的准确性。
3. 环境准备与前置条件
先确认本机环境。下面给出一套通用检查清单，实际版本以你本机为准：
| 检查项 | 要求 |
|---|---|
| 操作系统 | Windows 10/11、macOS 12+、主流 Linux 发行版 |
| 终端 | Windows 推荐 PowerShell 或 Windows Terminal；macOS/Linux 用自带 Terminal |
| Node.js | 安装 Codex CLI 时需要，建议 Node 18+ |
| 包管理器 | npm 或 Homebrew（macOS） |
| Zotero | 6.0 或 7.0 皆可，建议使用最新版 |
| Zotero 数据目录 | 默认在用户目录下的 Zotero 文件夹，含 storage 子目录 |
| 网络 | 需要能正常访问模型 API 服务 |
| OpenAI 账号或兼容 API Key | Codex 登录需要 |
需要特别注意的是，Codex 的安装需要注册登录，建议提前准备好账号。国内网络环境下访问 OpenAI 服务存在不稳定因素，如果遇到连接失败或代理问题，优先检查网络环境。此外，OpenAI 官方 API 的使用是付费的，新用户可能有试用额度，具体以官方政策为准。
4. Codex 安装与登录
Codex 目前有两种形态：命令行工具（CLI）和桌面应用。CLI 适合批处理和脚本化，桌面应用适合交互式写作。下面分别说明。
4.1 通过 npm 安装 Codex CLI
打开终端，执行：
npm install -g @openai/codex安装完成后验证版本：
codex --version如果提示codex不是内部或外部命令，说明 Node.js 的全局 bin 目录没有加入 PATH。Windows 用户可以把 npm 的全局目录（通常是%APPDATA%\npm）加入系统环境变量，然后重开终端。
4.2 登录 Codex
codex login执行后会弹出浏览器窗口，完成授权登录。登录成功后，终端会显示账号信息。
如果登录过程中遇到：
cc switch local proxy failed while handling codex endpoint /responses. provide --api-key这说明 Codex 在尝试通过本地代理转发请求时失败了。常见的原因是系统配置了代理或本地端口被其他程序占用。排查步骤：
- 检查系统代理设置，确认代理地址和端口是否可用。
- 改用 API Key 方式登录，绕过 Agent 登录流程：
export OPENAI_API_KEY="你的API Key"Windows PowerShell 下用：
$env:OPENAI_API_KEY="你的API Key"- 使用
codex --api-key参数指定 Key 启动会话。
4.3 Codex 桌面版（Windows/macOS）
桌面版可以从 OpenAI 官网下载安装包，Windows 用户安装后同样需要登录。桌面版的界面中可以直接选择模型、查看会话历史，适合不熟悉命令行的用户。
启动后如果一直转圈或提示无法连接，大概率还是网络问题，与桌面版本身无关。可以先在命令行里试一条最简单的请求：
codex exec "hi"能正常返回，说明核心链路是通的。
5. Zotero 侧准备工作
5.1 确认 Zotero 数据目录
Zotero 的文献数据默认存储在：
- Windows：
C:\Users\你的用户名\Zotero - macOS：
/Users/你的用户名/Zotero - Linux：
/home/你的用户名/Zotero
这个目录下有一个storage子目录，里面按随机字符命名了多个子文件夹，每个文件夹对应一篇文献的附件数据，PDF 文件就在里面。Codex 读取文献，本质上就是读取这些 PDF 文件。
打开 Zotero，进入编辑 -> 设置 -> 高级 -> 文件和文件夹，可以看到“数据存储位置”。建议把数据目录放在默认位置，方便路径引用。
5.2 给文献打标签和建收藏夹
为了让 Codex 知道“读哪些文献”，最好提前在 Zotero 里建好分类。例如：
- 新建收藏夹：
文献综述-深度学习医疗影像 - 把相关文献拖入收藏夹
- 用 Zotero 的“已读”“未读”标签区分进度
这样在给 Codex 下达指令时，可以直接指定收藏夹名称，让它读取对应 PDF。
5.3 推荐安装 Better BibTeX 插件
虽然不装插件也能联动，但 Better BibTeX 可以极大幅度提升引用体验。这个插件能：
- 为每篇文献生成稳定的引用 key（格式类似
author2024deep）。 - 一键导出 BibTeX 文件。
- 与 Obsidian、Markdown 写作环境无缝衔接。
在 Zotero 中安装插件的方法：
- 从 Better BibTeX 官网下载最新的
.xpi文件。 - 打开 Zotero，点击
工具 -> 插件 -> 小齿轮图标 -> Install Plugin From File。 - 选择下载的
.xpi文件，重启 Zotero。
安装后，在 Zotero 中右键任意文献 ->Export Item，就可以导出 BibTeX 格式的引用数据。
6. 联动方案一：Codex 直接读取 Zotero 文献 PDF
这是最核心、最实用的一条路径。原理不复杂：Codex 能在终端环境里直接读取文件内容，而 Zotero 的 PDF 文件本身就是本地文件。你只需要告诉 Codex 要读哪些文件、按什么格式输出综述即可。
6.1 找到文献 PDF 的实际路径
方法一：在 Zotero 中右键文献条目 -> 显示文件，即可在文件管理器中定位 PDF。
方法二：直接在 Zotero 数据目录中按文件类型搜索：
find /Users/你的用户名/Zotero/storage -name "*.pdf"Windows 命令行：
Get-ChildItem -Path "C:\Users\你的用户名\Zotero\storage" -Recurse -Filter "*.pdf" | Select-Object FullName把输出结果保存到一个文本文件中，方便后续复制路径。
6.2 让 Codex 读取多篇 PDF 并生成综述
进入 Codex 交互模式：
codex然后向 Codex 下达类似下面的指令：
请读取以下 PDF 文件，然后帮我写一段关于“基于深度学习的医学影像分割”的文献综述初稿，要求按研究方法分类，并标注每篇文献的作者和年份。 文件1路径：/Users/你的用户名/Zotero/storage/ABCD1234/attention-unet.pdf 文件2路径：/Users/你的用户名/Zotero/storage/EFGH5678/transunet.pdf 文件3路径：/Users/你的用户名/Zotero/storage/IJKL9012/swin-unet.pdfCodex 会自己打开 PDF、解析正文内容、组织语言输出综述。这里最方便的地方在于：你不需要打开 PDF 复制粘贴文字，Codex 具备直接阅读 PDF 的能力。
6.3 批量处理整个收藏夹
如果文献比较多，可以写一个小脚本把 PDF 路径拼接好，再传给 Codex。下面是一个 Python 示例脚本，它会扫描 Zotero storage 目录下所有年份为 2020 到 2025 的 PDF 文件，输出为 Codex 可以直接读取的文本指令。
import os import glob zotero_storage = "/Users/你的用户名/Zotero/storage" pdf_files = glob.glob(os.path.join(zotero_storage, "**", "*.pdf"), recursive=True) selected = [] for pdf in pdf_files: # 按文件名关键词过滤，也可以改成按修改时间过滤 if "2024" in os.path.basename(pdf) or "2023" in os.path.basename(pdf): selected.append(pdf) instructions = "请读取以下 PDF 文件，写出每篇文献的研究问题、方法、主要发现和局限性：\n\n" for i, path in enumerate(selected, 1): instructions += f"{i}. {path}\n" with open("codex_instructions.txt", "w", encoding="utf-8") as f: f.write(instructions) print(f"共筛选出 {len(selected)} 篇文献，指令已保存到 codex_instructions.txt")然后启动 Codex：
codex "$(cat codex_instructions.txt)"这样一条命令就能完成几十篇文献的初步阅读和归纳。
7. 联动方案二：通过 Zotero API 读取条目元数据
除了直接读 PDF，Zotero 还提供了本地 API，可以读取文献的标题、作者、期刊、摘要、标签、笔记等结构化数据。这个方法比读 PDF 更轻量，速度快，适合做“研究现状分类”和“引用关系梳理”。
7.1 访问 Zotero 本地 API
Zotero 启动时会默认在本机23119端口提供本地 API。浏览器访问：
http://localhost:23119/api/users/0/collections/可以看到 JSON 格式的收藏夹列表。要读取收藏夹中的文献条目，先获取收藏夹 key，再请求：
http://localhost:23119/api/users/0/collections/收藏夹Key/items返回的 JSON 中包含了文献条目的完整元数据。
7.2 用 Python 获取文献元数据并交给 Codex
下面是一个可直接运行的 Python 脚本，它读取 Zotero 中指定收藏夹的文献信息，生成一段适合 Codex 处理的结构化摘要。
import requests import json # Zotero 本地 API api_base = "http://localhost:23119/api/users/0" collection_key = "你的收藏夹Key" items_url = f"{api_base}/collections/{collection_key}/items?limit=100" resp = requests.get(items_url) items = resp.json() literature_list = [] for item in items: data = item.get("data", {}) title = data.get("title", "") creators = data.get("creators", []) author_names = ", ".join([ f"{c.get('firstName', '')} {c.get('lastName', '')}".strip() for c in creators if c.get('creatorType') == 'author' ]) date = data.get("date", "") abstract = data.get("abstractNote", "") literature_list.append({ "title": title, "authors": author_names, "date": date, "abstract": abstract[:800] }) with open("zotero_items.json", "w", encoding="utf-8") as f: json.dump(literature_list, f, ensure_ascii=False, indent=2) print(f"已导出 {len(literature_list)} 条文献元数据到 zotero_items.json")拿到这个 JSON 文件后，在 Codex 中下达指令：
读取 zotero_items.json 文件。根据这些文献的标题、作者、年份和摘要，梳理该领域的研究脉络。按以下结构输出： 1. 研究主题分类 2. 每个主题下代表性的文献 3. 研究方法的演进趋势 4. 当前研究的空白点这种方式的优点是结构化程度高，AI 不会因为 PDF 排版问题漏掉关键信息；缺点是读不到正文细节，适合快速扫描，不适合深度综述。
8. 联动方案三：MCP 方式对接
如果你对自动化要求更高，可以走 MCP（Model Context Protocol）路线。Codex 支持通过 MCP 服务连接外部工具，社区里已经有开发者提供了 Zotero MCP Server 一类的实现，可以实现“直接对 Codex 说‘读取我 Zotero 里最新添加的 10 篇文献’”，而不用手动拼路径。
配置 MCP 的通用思路是：
- 在 Zotero 中开启本地 HTTP Server。
- 启动一个 MCP Server 进程，负责把 Zotero API 暴露给 Codex。
- 在 Codex 的配置文件（
~/.codex/config.toml）里注册该 MCP Server。
配置示例：
[mcp_servers.zotero] command = "python" args = ["-m", "zotero_mcp_server"] env = { "ZOTERO_API_URL" = "http://127.0.0.1:23119/api" }需要说明的是，MCP 的配置方式在不同版本中有所变化，请以官方文档和你使用的 MCP 插件说明为准。这种方式适合有 Python 开发经验、希望把“文献检索 -> AI 阅读 -> 综述生成”全链路自动化的人。
9. 文献综述生成实测流程
下面给出一套完整的实测流程，你可以直接照着走一遍。
9.1 第一步：准备文献集合
在 Zotero 中新建收藏夹，命名为demo-review，把 5 到 10 篇你熟悉的 PDF 文献放进去。这一步是为了缩小范围，避免 Codex 一次读太多文件导致上下文溢出或响应过慢。
9.2 第二步：导出 PDF 路径清单
在终端中进入 Zotero 数据目录，执行：
# macOS / Linux find ./storage -name "*.pdf" | head -20 > pdf_list.txt # Windows PowerShell Get-ChildItem -Path ".\storage" -Recurse -Filter "*.pdf" | Select-Object -First 20 -ExpandProperty FullName | Out-File pdf_list.txt9.3 第三步：启动 Codex 会话
codex把指令粘贴进去：
从 pdf_list.txt 中读取所有 PDF 文件路径，逐篇阅读这些 PDF，然后完成以下任务： 1. 每篇文献用 3 句话总结核心内容（研究问题、方法、结果）。 2. 找出来这些文献共同的关注点。 3. 以“研究现状综述”为标题，写一段 800 字左右的综述初稿，引用格式用（作者，年份）。 4. 在综述结束后列出文献清单，格式为：编号. 作者（年份）. 标题。注意 Codex 需要在会话中允许文件读取权限。如果遇到权限确认提示，选择允许。
9.4 第四步：验证输出质量
判断是否成功的标准：
- 是否每篇文献都被正确总结了核心内容。
- 综述段落是否有逻辑主线，而不是文献摘要的堆砌。
- 引用标注的“作者-年份”是否与文献清单对应。
- 是否存在明显的幻觉内容，比如编造了文献中不存在的结论。
如果输出质量不理想，不要直接让它重新生成，而是追加指令进行修正。例如：
第二段的论述缺乏对比结构。请重新组织，把采用深度学习方法的文献放在一起讨论，并把传统方法和深度学习方法的效果差异写出来。9.5 第五步：导出最终内容
将 Codex 生成的综述初稿复制到你的论文写作文档中，或者让 Codex 直接输出 Markdown 格式保存到文件：
请把综述内容以 Markdown 格式写入 review_draft.md 文件中。Codex 会自己创建文件并写入内容。
10. 接口 API 与批量任务
10.1 Codex 非交互模式
Codex 支持非交互模式，适合在脚本中批量调用。基本用法：
codex exec "总结这个文件：paper.pdf"也可以从 stdin 读入指令：
cat instruction.txt | codex exec这种方式可以嵌入 Python、Shell 脚本，做定时批量文献整理任务。例如每天凌晨自动读取 Zotero 新添加的 PDF，生成摘要并存到指定目录。
10.2 Zotero API 的批量导出
Zotero 本地 API 默认支持分页读取，每次最多 100 条条目。如果收藏夹文献很多，需要循环请求换页：
import requests start = 0 limit = 100 all_items = [] while True: url = f"http://localhost:23119/api/users/0/collections/{collection_key}/items?limit={limit}&start={start}" resp = requests.get(url) items = resp.json() if not items: break all_items.extend(items) start += limit print(f"共获取 {len(all_items)} 条文献")这种方式适合生成整个研究方向的文献知识库，再分批次交给 Codex 进行深度阅读。
10.3 失败重试建议
批量跑文献综述时，模型 API 可能因为请求超时、速率限制或网络波动而中断。建议：
- 每次任务控制在 10 篇文献以内。
- 输出格式固定为 Markdown，方便拼接。
- 生成结果及时写入本地文件，避免会话丢失。
- 失败时先检查日志，确认是网络问题还是上下文超长问题。
- 如果是超长问题，把文献拆成更小的批次处理。
11. 资源占用与性能观察
这套联动方案和本地大模型不同，不需要独立显卡，也不需要高显存。资源占用主要看 Codex CLI 本身和 PDF 解析过程。
11.1 内存占用
启动 Codex CLI 后，内存占用通常在几百 MB 以内，取决于 PDF 文件大小和上下文长度。Zotero 本身的内存占用在 300 MB 到 1 GB 之间，如果你的文献库很大且开启了全文索引，内存占用还会上升。
11.2 响应时间
一篇 PDF 文件从读取到生成摘要，耗时取决于：
- PDF 页数和排版复杂度。
- 文献正文长度。
- 选择的模型速度和当前 API 负载。
- 网络质量。
一般 10 页以内的论文，从发出指令到收到摘要，大约需要 20 秒到 1 分钟不等。5 篇文献的综述生成任务，总耗时可能在 3 到 8 分钟。
11.3 如何优化性能
- 先用 Google Scholar 或 Zotero 自带的摘要字段做初步筛选，只让 Codex 精读高相关文献。
- 把文献按主题分组，分批生成，每个批次控制在 5 篇左右。
- 禁用 Zotero 的全文索引，只在需要时检索正文。
- 在 Codex 提示词中明确要求“输出控制在 500 字以内”，可以明显缩短响应时间。
用表格整理观察指标如下：
| 观察项 | 说明 |
|---|---|
| Codex CLI 内存 | 通常低于 1 GB |
| Zotero 内存 | 文献库大时可能达到 1 GB 以上 |
| 单篇 PDF 摘要耗时 | 约 20 秒到 1 分钟 |
| 5 篇文献综述耗时 | 约 3 到 8 分钟 |
| 显存占用 | 无要求 |
| 网络依赖 | 高，API 请求需要稳定网络 |
12. Codex 与 Zotero 联动常见问题与排查方法
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
codex命令找不到 | npm 全局目录未加入 PATH | 执行npm config get prefix，检查 bin 目录 | 把 bin 目录加入系统 PATH，重开终端 |
cc switch local proxy failed | 本地代理冲突或配置异常 | 检查系统代理设置、环境变量 | 使用OPENAI_API_KEY直连；或关闭代理后重试 |
model is not supported | 指定的模型名不正确或账号无权限 | 检查输入参数中-m的模型名 | 更换为当前账号支持的模型 |
| Codex 读取 PDF 失败 | PDF 是扫描版或加密文件 | 尝试用 Acrobat 打开验证是否有文字层 | 用 OCR 工具预处理 PDF 后再传入 |
| 综述内容出现幻觉引用 | 模型没有正确理解文献内容 | 对比综述中的引用与原始文献 | 补充指令要求“只基于提供的文件内容回答”，并逐篇验证 |
| Zotero 本地 API 无法访问 | Zotero 未启动或端口被占用 | 执行curl http://localhost:23119/api/users/0/collections/ | 重启 Zotero，检查防火墙 |
| 收藏夹 Key 找不到 | 使用了错误的 Key | 在 Zotero 中右键收藏夹查看信息 | 通过 API 列表接口获取实际 Key |
| 批量任务卡住 | 文献数量太多，上下文超长 | 查看 Codex 日志，确认 error 信息 | 拆分任务，每批不超过 10 篇 |
| API 调用超时 | 网络不稳定或请求体量过大 | 检查网络延迟 | 重试；降低单次请求的文献数量 |
| Windows 下路径含中文导致读取失败 | 终端编码问题 | 在 PowerShell 中执行chcp 65001 | 将系统区域设置为 UTF-8，或改用短路径 |
12.1 处理“保存此条目时发生错误”问题
在 Zotero 中抓取网页文献时可能会遇到“保存此条目时发生错误。查看翻译器故障排除获取”的提示。这通常是因为 Zotero Connector 的翻译器版本与网站结构不匹配。解决方案：
- 在 Zotero 中更新翻译器：右键绿色 Connector 图标 -> Update Translators。
- 检查浏览器插件版本，Edge/Chrome 都需要安装对应版本的 Zotero Connector。
- 手动将网页保存为 PDF 后拖入 Zotero，再右键选择“Retrieve Metadata for PDF”。
12.2 处理 Zotero 无法抓取文献的情况
Edge 或 Chrome 中 Zotero Connector 无法抓取文献时，按照下面的顺序排查：
| 排查步骤 | 操作 |
|---|---|
| 确认 Connector 已安装 | 浏览器右上角是否有 Zotero 图标 |
| 确认授权 | 点击 Connector 图标，确认“Save to Zotero”可用 |
| 更新翻译器 | Zotero 客户端中点击“工具 -> 开发者 -> 更新翻译器” |
| 直接保存 PDF | 下载 PDF 后手动拖入 Zotero，再补充元数据 |
| 使用 DOI 添加 | 点击 Zotero 工具栏的“Add Item by Identifier”，输入 DOI |
13. 最佳实践与使用建议
13.1 第一次先跑最小实验
不要一上来就把 50 篇文献全部丢给 Codex。第一次建议用两到三篇自己非常熟悉的论文测试，确认 Codex 生成的综述内容与你对论文的理解一致。这样能快速判断模型输出是否可靠，也能让你熟悉指令风格。
13.2 固定一套提示词模板
写综述时，下面这套提示词模板可以复用：
你是学术写作助手。请基于我提供的 PDF 文献，完成以下任务： ## 任务 写一段关于 [研究主题] 的文献综述初稿。 ## 要求 1. 按 [方法/时间线/研究问题] 分类组织内容。 2. 每篇文献至少被引用一次。 3. 引用格式采用（作者，年份）。 4. 避免直接复制原文句子，用自己的话转述。 5. 最后列出所有引用文献的完整信息。 ## 文献 [插入 PDF 路径列表或直接粘贴文献内容]13.3 分目录管理输出成果
建议建立如下目录结构：
review_project/ ├── instructions/ # 存放每次给 Codex 的指令 ├── drafts/ # Codex 生成的初稿 ├── verified/ # 人工核对后的最终版本 └── logs/ # 批量任务的日志这样回看时能清楚知道哪一版是 AI 生成的，哪一版已经人工修改过。
13.4 建立文献批注习惯
Codex 可以帮你写综述初稿，但“哪篇文献值得精读”“这篇文献的方法能不能模仿”这两个问题还是要靠你自己的判断。建议在 Zotero 的笔记字段中维护每篇文献的标签和笔记。Codex 读 PDF 是“一次性理解”，你自己写在 Zotero 里的笔记才是跨会话复用的知识资产。
13.5 注意模型输出边界
任何基于生成式 AI 的文献综述工具，都无法做到 100% 忠实于原文。常见问题包括：
- 把两篇相似文献的研究结论搞混。
- 在综述中加入了文献中没有的推测性表述。
- 引用年份与原文不符。
所以每次生成后都要做事实核查：以文献摘要或 PDF 原文为准，逐条核对 AI 生成的引用信息。涉及直接引用的部分，必须回到原文摘录原句。
14. 总结与下一步
Codex 加 Zotero 的联动，本质上是把“文献管理”和“AI 阅读写作”这两件事接在了一起。最值得尝试的点是：你不必再把 PDF 内容复制粘贴到对话框里，Codex 可以直接读取本地文件，批量生成带引用标注的综述初稿。
最先应该验证的功能是：把你最熟悉的 5 篇论文放进 Zotero 收藏夹，通过 Codex 读取 PDF 生成研究现状梳理，然后人工比对它的总结是否准确。这一步跑通之后，再考虑扩展到整个研究方向的大批量文献。
最容易踩的坑有三个：
- 网络环境不稳定导致 API 请求失败，需要先解决访问问题。
- Codex 把不同文献的结论交叉混淆，生成的综述看似流畅但引用不可靠。
- 一次性投入太多文献，导致上下文过长、响应变慢、输出质量下降。
后续可以继续扩展的方向包括：
- 使用 MCP Server 实现更智能的 Zotero 查询，比如直接按标签、按年份筛选文献。
- 把 Codex 的输出接入 Obsidian，在笔记库中直接管理综述草稿。
- 结合 Better BibTeX 导出的引用 key，让 AI 生成的 Markdown 直接带可引用的 BibTeX 条目。
- 针对医学、计算机、社会学等不同学科，沉淀专属的综述提示词模板。
写论文的效率提升不是来自“让 AI 替你想”，而是来自“让 AI 帮你读”，把你的注意力留给判断、组织和创新。Codex 加 Zotero 这套流程，建议收藏备用。
