各位同仁好，我是七哥。一个在高校里从事人工智能 相关领域研究，钻研用大模型AI实操的学术人。可以和七哥交流学术写作或Gemini、GPT、Claude 等大模型 学术实操相关问题，多多交流，相互成就，共同进步。
插件体系与 Skill 能力持续升级，Codex 正逐步融入硕博研究生的日常科研流程，成为提升效率的重要助手。
从检索和梳理文献，到处理实验数据、调试程序，再到论文写作、图表生成以及学术汇报准备，许多重复且耗时的任务，我们都可以借助 Codex 更高效地完成。
接下来，七哥给大家推荐 5 款适合科研学术同仁使用的 Codex 插件，并结合真实的研究场景，详细讲解对应的 5 个 Skill 应该如何操作和应用。
1、Superpowers
地址：https://github.com/obra/superpowers?utm_source=chatgpt.com
在使用 Codex 处理较复杂的科研任务时，我们虽然可以直接拿到一份完整结果，但很难看清它的推理路径与执行过程。
哪些环节已经完成、是否遗漏重要步骤、研究设计能否前后衔接，都需要我们重新检查。对于变量设计、模型构建等系统性任务来说，这种一次生成到底的方式也不利于及时纠错。
Superpowers 提供了一套更规范的 Agen
