科研项目做到一半，Work 额度就已经见底了的情况，相信很多小伙伴都遇到过。
这时候，我们可以把部分工作放到 Chat 端继续。但手动复制材料、切换窗口、搬回结果，既慢，也容易漏掉上下文。
今天的推荐的这款Skill：codex-bridge-chatgpt，把这套”交接“整理成了可检查的流程。Codex 整理证据并执行修改，ChatGPT 处理限定范围内的推理。
| 01 项目介绍
项目名称：codex-bridge-chatgpt
项目地址：
https://github.com/anightmonarch/codex-bridge-chatgpt
这是一个给 Codex 使用的桥接 Skill。
它通过 Codex 应用内浏览器，把筛选后的 Context Packet 交给 ChatGPT，再把结构化结果送回本地。
项目的分工很明确，Codex 读取文件、日志和测试，ChatGPT 负责比较解释、提出方案；真正的文件修改和测试，仍然留在本地完成。
它不会把完整仓库一次性搬到网页里，每次只发送目标、验收标准、关键证据、约束和问题组成的小型材料包。
网页返回的路径、命令和补丁都先当作普通文本。
Codex 会重新打开本地文件，逐条决定接受、拒绝或暂缓，再执行确认过的动作。
额度紧张时，可以把中等负担的推理交给 Chat；需要读文件、改代码和跑测试时，仍由 Work 端完成。
每次运行还会保存材料包、结果哈希、采纳状态和测试状态，方便回看这次交接到底发生了什么。
| 02 安装和使用
这个 skill 运行需要 Node.js 18 或更高版本、Windows 或 macOS 的 ChatGPT 桌面应
用、Codex 应用内浏览器，以及已经登录的 ChatGPT Web 页面。
关于应用内浏览器：虽然经测试，使用 Codex 自带的浏览器也可以基本跑通，不过考虑到作者特意推荐了 browser:control-in-app-browser，这里我们也提供一下它的安装方式：
将此提示粘贴到 Claude Code、Codex、Hermes、OpenClaw或其他Agent中即可。$skill-installer Install codex-bridge-chatgpt from https://github.com/anightmonarch/codex-bridge-chatgpt/tree/main/skills/codex-bridge-chatgpt
项目链接：https://github.com/browser-use/browser-use
接下来 codex-bridge-chatgpt 不要求 API Key，也不需要另起后台服务。
如果当前 Codex 已提供 $skill-installer，直接发送：
$skill-installer Install codex-bridge-chatgpt from https://github.com/anightmonarch/codex-bridge-chatgpt/tree/main/skills/codex-bridge-chatgpt
第一次调用会先运行 Doctor，检查安装、运行时、浏览器、登录和模型页面。登录、验证码、二次验证和权限批准，需要用户在界面上完成。
安装完成后，使用时只需要说出Skill 名称+需要执行的真实任务即可，例如：
$codex-bridge-chatgpt 审查这个架构决策，选择经过本地验证的方案并完成实现。$codex-bridge-chatgpt 从第一性原理诊断这个性能回退并验证修复。$codex-bridge-chatgpt 比较可能的设计，基于证据选择一个，然后修改并测试项目。
| 03 实战演示
接下来，我们选用的 How to develop good research questions.pdf 这篇文章。任务是让 codex-bridge-chatgpt 桥接到网页版GPT的聊天窗口，把论文中的四个研究问题发展阶段和四个常见陷阱，整理成一份研究者可以日常使用的中文检查表。随后，Work 端完成了三件事：
整理好材料后，Codex 通过应用内浏览器，把这份 Context Packet 交给 ChatGPT，并且给出提示词：
请只根据提供的 Context Packet，设计一套研究者可以日常使用的研究问题评估与修订流程。
要求保留论文提出的四个发展阶段和四个常见陷阱，把抽象建议转化为可观察的检查项；区分问题质量标准与修订步骤；可以加入简易评分，但必须标明它属于工作流设计，不是论文验证结果。
不要补充论文之外的事实、阈值、效果量或引用。请按照指的的 BEGIN_REASONING_RESULT、packet_id、Verdict、Assumptions、Evidence Used、Proposed Changes、Tests、Risks 和 Unknowns 结构返回。
浏览器端的交接本身完成了。
页面处于登录状态，用户消息提交了一次，ChatGPT 返回了完整回答，随后通过可见的复制按钮复制了一次结果。过程中没有出现验证码、限流或权限阻断。
返回内容提出了一个“5 项问题质量检查＋4 阶段修订流程＋4 个陷阱复核”的框架。
其中包括清晰度、聚焦度、相关性、新颖性和可实施性五项检查，也保留了论文中的四阶段流程，并提醒研究者注意“强求假设”“过度依恋原问题”“因别人做过就放弃”和“把熟悉方法强行套上去”等问题。
| 04 作者评价
这个Skill 的长处是分工清楚，ChatGPT 给出第二轮推理，Codex 保留本地文件和测试权，网页回答不会直接变成代码修改。
不过比较反常识的是，这个Skill 其实更适合那些环节众多，且可以被拆解的任务。它的工作流要经过浏览器登录、风险确认和结果校验等多个严格步骤，且页面变化可能影响发送和复制。
如果只是改文件名、做格式转换或执行明确的小修改，直接留在 Codex 里更快。
综上所述，如果你要的是额度紧张时的临时分工，这个 Skill 值得装。它主要减少手动搬运上下文的那一段。
