Codex赋能课——第一课总结笔记

Codex 赋能科研：从文献数据到论文初稿的全流程实战——第一讲笔记

核心结论：Codex 不是普通的聊天助手，而是一个能进入科研项目文件夹、通过读写文件、执行代码和调用外部工具来帮你完成“体力活”的智能体（Agent），但科研中的“判断活”与学术责任必须留在研究者自己手中。

课程定位与目标

课程适用对象

• 各专业的本科生、研究生
• 不要求有编程基础
• 建议学员带着自己的课程论文、毕业论文或在研课题来学习

第一节课的定位

本节课是整门课的第一块地基，只解决三件事：

1. 明白 Codex 与普通聊天助手（如 ChatGPT）有什么不同
2. 知道科研中哪些事情可以交给 AI，哪些事情必须自己把关
3. 搭建后续五个模块都会反复使用的"文献、数据、代码、笔记"四件套工作区

学习目标

完成本模块学习后，学员应能做到：

• 用自己的话解释 Codex 和 ChatGPT 通用聊天助手的本质差异
• 把自己的科研流程拆解成"体力活"和"判断活"，知道哪些环节可以让 AI 辅助
• 说清楚 AI 辅助科研的三条红线：不编文献、不编数据或实验结果、不代写核心论点
• 完成 Codex 的安装登录和基础设置检查
• 建立规范的科研项目工作区，至少包括文献、数据、代码、笔记四类文件夹

课前准备

• 有一个自己的科研题目（课程论文题目或暂定方向）
• 电脑可安装软件，能正常登录 OpenAI 或 ChatGPT 账号
• 如果没有题目，可先用课程的示例题目跟练

课程立场

• 这门课的目标不是教大家偷懒，更不是教大家让 AI 替你写论文
• 真正要做的是把科研里重复、耗时、容易出错的体力活交给 AI
• 研究者该负责的判断、解释和学术责任留在自己手里

Codex 与 ChatGPT 的本质差异

核心形态的区别

ChatGPT 及通用聊天软件（包括百度的文心一言、阿里的通义千问等）：

• 核心形态是"你问一句，它答一句"
• 可以粘贴文字让它润色，也可以让它解释概念
• 通常不知道你的项目文件夹里有什么
• 不会主动读取你的 PDF 文件、表格文件或代码
• 不会真的在你的电脑上生成文件结构

Codex 的关键区别：它是一个 Agent（智能体）——不仅会聊天，还有行动能力。具体表现为三件事：

1. 读写文件：能读取项目文件夹中的材料，也能把结果保存到项目文件夹中
2. 执行代码：能把重复的工作变成脚本（不需要你会编程，但需要能看懂它在做什么）
3. 调用外部工具：能连接更多能力，如搜索、处理 PDF、处理表格、调用数据库或插件

对比示例

关键概念：Skill（技能）

• 后续模块会讲到一个叫 Skill（技能） 的概念
• 它将某一类专业任务预先包装成可复用的流程说明书
• Codex 可以在做任务的同时参考说明书，更高效地完成任务

一句话总结

ChatGPT 更像是一个会答题的老师，而 Codex 更像是一个会进你的项目文件夹干活的助手。

但要注意：助理再能干，也不能替你决定研究问题，更不能替你承担学术责任。

使用 Codex 的前提

科研中最怕材料零散——文献在下载文件夹、数据在微信里、笔记在另一个软件中。Codex 的使用前提是先把这些资料汇总，集中到一个明确的工作区域中。

局限与注意事项

• 使用 Codex 需要能看懂它在做什么：至少知道输入是什么、输出是什么、中间有没有改动原始数据
• 需要设置权限控制它的访问范围，防止它对电脑上所有文件随意操作

科研流程的拆解：体力活与判断活

为什么需要拆解

很多同学一说 AI 写论文，就想着让 AI 从标题写到结论——这个方法一开始就偏了。真正高质量的 AI 辅助科研，不是让 AI 代替研究者，而是把科研流程拆解成两类任务。

体力活（可交给 AI）

定义：重复性强、规则比较明确、结果可以检查的工作。

包括：

• 初步检索文献
• 批量整理题名、作者、年份、摘要
• 从 PDF 中提取研究问题、方法、样本和结论
• 清洗数据里的缺失值、异常值、重复值
• 按模板生成图表
• 统一文件命名
• 整理投稿格式

判断活（必须自己把关）

定义：需要专业理解、方法论选择、证据解释和学术责任的工作。

包括：

• 选题是否有研究价值
• 哪个理论框架更适合
• 样本是否能支持结论
• 某篇文献的观点是否被 AI 理解准确
• 统计结果和实验结果应该如何解释
• 论文的核心论点是什么

判断任务能否交给 AI 的标准

如果结果错了，你能不能检查出来？ - 能检查出来 → AI 可以帮你先做 - 自己都没有能力判断对错 → 不能直接交给 AI 当最终答案

示例：

• ✅ "帮我把 30 篇文献按年份排序"——很适合 AI，错了你也能检查
• ❌ "告诉我肿瘤免疫治疗耐药的关键机制是什么"——不能直接让 AI 给最终答案。AI 可以帮你列候选机制、整理文献证据，但哪个机制更可信必须回到原文、实验设计和专业知识中做最终判断

常见科研痛点的分类练习

训练意识：每次使用 AI 前，先问一句："这一步是体力活还是判断活？"

AI 辅助科研的边界与三条红线

核心风险

AI 辅助科研最大的风险不是它不够聪明，而是它有时太像是真的了。

AI 可能编出看起来很像真的参考文献，可能把没有发生过的数据说得自然，也可能把没有证据支撑的结论写得很漂亮。科研里最危险的往往就是这种"看起来很像真的"假东西。

三条红线

红线一：不得让 AI 编造文献引用

• 给出的参考文献必须能在真实数据库里查到
• 作者、题名、期刊、年份、DOI 号都要能核实校验
• 不能因为它格式像标准引用格式就默认是真的
• 实例：经常让 AI 列举相关文献引用，列出来很多，但返过去查询发现根本没有这篇文献，或者文献存在但作者、年份、期刊名完全错误
• 必须经过自己的再次复核才能确定

红线二：不得让 AI 编造数据或实验结果

• 数据从哪里来、如何采集、如何清洗、如何分析，必须是真实可溯源的
• AI 可以帮你写清洗脚本或画图，但不能凭空生成实验结果冒充真实科学研究
• 后果：论文发表后被其他学者、学生或老师注意到并举报，最终责任由研究者本人承担

红线三：不得让 AI 代写核心论点

• AI 可以帮你润色表达、检查逻辑、提供备选结构流程
• 但论文真正的研究问题、研究背景、动机、核心判断和结论的最终解释，必须由研究者自己提出并负责

可操作原则

1. 所有引用都要能回到原文，经过多次复核
2. 所有数据都要能回到原始记录，数据必须真实可溯源
3. 所有图表都要能回到分析脚本或处理步骤，图表必须由真实数据支撑
4. 所有 AI 产出都要经过人工核验
5. 学校、期刊或会议要求披露 AI 使用时，必须按要求进行披露

自查习惯

后续每一讲结束前都做一个一分钟自查："哪些是 AI 做的，哪些是我自己把关的？" 养成这个习惯，AI 就会变成科研效率工具，而不是学术风险来源。

任务判定测试

Codex 的安装与基础配置

安装流程

1. 进入 Codex 官方页面，下载对应版本（如 Windows 版）
2. 打开后会进入微软商店进行下载安装，默认安装到 C 盘（可按磁盘空间情况安装到其他盘）
3. 打开 Codex 界面，用 ChatGPT 账号登录
4. 注意：需要翻墙才能使用，属于 OpenAI 的国外软件

账号与会员

• 没有账号可跳转到官网注册 ChatGPT 账号
• 会员分多档：Pro 版、Plus 版等
• 建议：先使用免费额度体验；确认适合自己使用后，开 Plus 版就足够用

主界面功能

• 左侧界面：新建对话、搜索之前的工作任务
• 安排（Schedule）：设置一个任务，让它不断完成、设置提醒、跟踪任务（此功能用得不多）
• 插件（Plugins）：可安装辅助工具
• 技能（Skill）：任务定制化的说明书/参考样本，后续课程会重点讲解

权限设置

工作区设置

• 需要设置当前任务在哪个文件夹下完成
• 如果不设置工作区：任务只是以对话形式完成，类似于网页端和 ChatGPT 聊天，看不到当前文件夹中的文件——不推荐
• 推荐做法：新建一个空白的项目文件夹，或使用现有的文件夹，所有任务都在该文件夹中完成

模型选择

• 模型可选 GPT-5.5 到 GPT-5.4
• 每个模型有四个推理等级（从低到高越来越"聪明"）
• 越聪明、超高等级的模型，额度消耗越快
• 应根据当前问题的难度选择合适的推理等级
• 速度选项可进一步提速，但会更愉快地消耗额度
• 想用 5.5 超高等级 + 更高速度，推荐开 Plus 会员

安装注意事项

• 软件安装界面会随版本更新变化，不要死记按钮位置
• 记住完整流程即可：下载 → 安装 → 登录账号 → 选择项目文件夹 → 确认权限 → 发出第一条任务

科研工作区搭建：文献、数据、代码、笔记四件套

为什么从文件夹开始

AI 辅助科研不是靠一句神奇的提示词，而是靠一个稳定、可持续的工作流。工作流的起点就是：材料放在哪里，结论放在哪里，过程怎么追踪。

四件套结构详解

1. 文献文件夹（文献区）

• 定位：不是垃圾桶，要区分原始 PDF、阅读笔记、引用信息
• 后续做文献矩阵、综述提纲、引用核验都从这里开始
• 建议放：PDF 文献原文、导出的引用信息、自己的阅读笔记、文献矩阵表
• 不建议放：没有确认过来源的 AI 生成的参考文献，随手复制但不知出处的材料

2. 数据文件夹（数据区）

• 定位：最重要、需要重点保护的原始数据文件夹
• 原始数据不要随便改；可以复制一份去清洗，但原始文件尽量保持原貌
• 建议放：原始数据、原始访谈文本、原始扫描件、清洗后的数据、变量说明、数据来源说明、采集时间说明
• 不建议放：没有来源说明的数据、AI 编造的假数据、覆盖原始数据文件后的最终版数据

3. 代码文件夹（代码区）

• 定位：保存可复核、可复现的处理过程
• 不需要成为程序员，但要在代码中留下：今天怎么清洗数据的、怎么画图的、怎么统计的
• 一个月后还能根据代码复现；导师问起来也说得清楚
• 建议放：数据清洗代码脚本、统计分析脚本、绘图代码脚本、由脚本输出的图表
• 不建议放：看不懂的、无法复现的临时脚本；混入原始数据的脚本；只有最终图片而没有对应脚本的图表

4. 笔记文件夹（笔记区）

• 定位：研究大脑，记录研究问题、想法思路的变化、导师反馈
• 尤其建议保留一个 AI 使用记录文件：记录什么时候让 AI 做了什么、结果是否核验
• AI 可根据这个文件自查在整个路径中有哪些问题、哪些做错了、如何修改
• 这个文件让 AI 能自己检查自己，同时也能证明哪些工作是人做的、哪些是 AI 做的

工作区搭建的提示词示例

示例课题：短视频电商对县域消费行为的影响

提示词结构：

我正在做一个科研项目工作区的模板课题：短视频电商对县域消易行消费行为的影响。
请根据当前的项目文件夹创建一个规划规范化的科研工作区结构，
包括：文献、数据、代码、笔记四个区域。
每个区域都要求写清楚：建议放什么、不建议放什么、使用原则。

关键点：每个区域写清楚三件事——建议放什么、不建议放什么、使用的原则。其中"不建议放什么"其实就是学术风险的提醒。这些提示词不是让 Codex 写论文，而是让它帮我们建立科研秩序。

操作建议：

• 可以暂停视频，用自己的课题创建一个工作区
• 课题还没确定的同学，可先用"课程论文"或"毕业论文"作为项目名
• 重点不是名字漂亮，而是结构清楚

分专业案例

案例一：生物医学（研究生）

假设课题：肿瘤的免疫治疗耐药机制

• 生物医学方向常面对大量机制文献，最适合交给 AI 的就是文献初筛：按癌种、治疗方式、耐药机制、实验模型等进行初步分类
• AI 可做：检索并初筛相关文献；提取每篇论文的癌种、模型、干预方式等；按候选机制分类；生成文献阅读矩阵
• 自己必须做：阅读文献原文；判断实验设计是否符合机制结论；识别样本量、模型系统同一方法的局限；最终决定自己的研究方法和实验路径

工作区事例：文献初筛可以交给 AI，但机制的判断必须自己读原文、看证据链。

案例二：经济管理（本科生）

假设课题：短视频电商对县域消费行为的影响

• 经管类课程论文常见问题是材料很多但结构很散
• AI 可做：整理短视频电商、消费、县域消费、直播带货等相关文献；设计问卷初稿（但最终选题项要自己审核）；清洗问卷数据；生成描述统计图表；整理访谈文本中的主题
• 自己必须做：明确研究对象和样本来源；判断问卷题项是否有效；保证数据真实采集；解释消费行为背后最后的机制

AI 可以帮你整理问卷和访谈材料，但数据必须真实，结论必须和你的数据相匹配。

案例三：历史学（研究生）

假设课题：地方志与档案的扫描件

• 历史学、档案学、民俗学方向要特别小心：AI 对 OCR（光学字符识别）、初步分类、关键词提取很有帮助，但史料的解读不能交给 AI 直接定论
• 历史语境、版本差异、地方变迁、人物关系都需要专业训练
• AI 可做：对扫描件进行初步 OCR 识别；按年份、地点、人物、事件做初步分类；提取关键词；整理史料目录；标记疑似的相关材料
• 自己必须做：核对 OCR 的错字；回到原始影像确认文本；判断史料语境是否可靠；避免把 AI 的现代解释直接当成历史结论

AI 可以帮你整理史料，但不能替你来解读史料。

在线演示：工作区搭建全过程

演示课题

短视频电商对县域消费行为的影响——工作区的搭建

操作步骤

1. 打开提示词（PPT 中的完整版本），全选复制
2. 进入 Codex 工作区，新建一个文件夹
3. 选择该文件夹作为工作区
4. 粘贴提示词
5. 模型选择：GPT-5.4 mini（演示用）
6. 推理能力选择"中"，以减小 token 消耗
7. 权限设置："替我审批"
8. 发布第一个任务

演示结果

• Codex 在项目工作区中新建了一条对话，该对话一直存在于工作区文件夹中
• 如果未设置工作区，它将以对话形式存在，生成的文件不会存到文件夹中，类似 ChatGPT 聊天——不利于整个科研完整项目的完成
• Codex 根据提示词生成了四个文件夹：文献、数据、代码、笔记
• 每个文件夹中都有对应的使用说明文件（Markdown 格式），写清了建议放什么、不建议放什么
• 笔记文件夹中自动生成了 AI 使用记录模板（日志形式），记录 AI 什么时候做了什么

演示中的注意事项

• 弹窗提示为 Codex 和 Windows 沙箱助手之间的冲突，不影响整个项目，可上网查找帖子解决

总结

本课核心收获

1. 理解 Codex 的本质：不是普通对话框，而是能进入项目工作区做事的智能体（Agent）
2. 拆解科研任务：区分体力活和判断活，AI 适合帮我们省时间，但不能替我们承担学术判断
3. 搭建工作区：文献、数据、代码、笔记四件套，后续所有模块都会基于这个结构展开

课后自问的三个问题

1. 我的课题文件现在是否集中在同一个工作区文件夹中？
2. 我能不能说清楚哪些任务可以让 AI 来做，哪些必须自己判断？
3. 如果老师问我"AI 在这篇论文中帮了什么，我自己做了什么"，我能不能拿出记录来证明？

下节预告

下一节课将进入 Skill 模块，让 Codex 学会更专业的科研操作流程，包括：

• 文献检索
• 文献综述
• 引用核验
• 科研绘图

每个任务都有专门定制化的专业 Skill，帮助更高效地完成定制化任务。

行动清单

• [ ] 安装 Codex 并完成登录
• [ ] 设置权限（推荐"替我审批"模式，谨慎开启完全访问）
• [ ] 建立项目工作区文件夹（文献、数据、代码、笔记四件套）
• [ ] 为每个文件夹配置说明文件（建议放什么、不建议放什么、使用原则）
• [ ] 建立 AI 使用记录文件，记录每次 AI 任务和核验情况
• [ ] 将自己的科研痛点分类为"体力活"和"判断活"
• [ ] 对照三条红线检查使用习惯：不编文献、不编数据、不代写核心论点