摘要：Codex app 4 月大更新后，官方一口气上线 90+ 精品插件，覆盖文档、浏览器、桌面操控、设计协同、产品原型等全场景。这不是一次简单的功能更新——它标志着 AI Agent 正在从「对话工具」向「可插拔的操作系统」演进。本文从行业趋势角度，分析 Codex 插件生态的三个战略信号：能力分层（Plugin vs Skill）、生态开放（第三方插件 + 私有 Skill）、以及 Agent OS 的雏形。

---

目录

• 一、90+ 插件不是数量故事，是架构故事
• 二、三个战略信号
• 三、为什么「插件生态」比「模型能力」更值得关注
• 四、开发者工作流的范式转变
• 五、企业 AI 基础设施的新形态
• 六、2026 下半年展望

---

一、90+ 插件不是数量故事，是架构故事

很多人看到「90+ 插件」这个数字，第一反应是「好多啊」。但真正重要的不是数量，是这些插件背后的架构设计。

Codex 的插件系统做了两件非常聪明的事：

第一，把扩展机制分为 Plugin 和 Skill 两层。

Plugin 是「能力层」——让 AI 能触达外部系统（浏览器、屏幕、文件系统、Figma 画布）。Skill 是「流程层」——告诉 AI 这类活按什么套路干。

这个分层的意义在于：Plugin 的能力边界由 OpenAI 控制，但 Skill 的流程定义完全开放给社区。 第三方开发者不需要从零构建一个「浏览器插件」，只需要在已有 Browser 插件的基础上，写一个「如何在 Browser 中做 UI 走查」的 Skill。

第二，Plugin 是一个容器，里面可以打包多种能力。

一个 Figma 插件里面，打包了 MCP Server 连接、8 个官方 Skills、还有 Figma 的应用授权。这种「一个插件 = 连接 + 流程 + 授权」的设计，让生态的扩展成本大幅降低——开发者只需要关注自己的核心能力，剩下的连接和授权由插件框架兜底。

---

二、三个战略信号

信号一：AI Agent 的操作系统化

传统 AI 工具：
  对话界面 → 模型推理 → 文本输出
  问题：能力边界是固定的，无法扩展

Codex 的 Agent OS 模型：
  对话界面 → 插件调度 → 模型推理 → 外部系统操作 → 结果反馈
  优势：能力边界由插件生态决定，可无限扩展

Agent OS 的核心特征：

• 可插拔的能力扩展（插件商店）
• 可编程的流程引擎（Skills）
• 可共享的流程资产（skill-creator + GitHub 分发）

Codex 正在从一个「带 AI 的 IDE」变成一个「以 AI 为核心的桌面操作系统」。

信号二：从「人操作工具」到「AI 操作工具」

Computer Use 是这个信号最集中的体现。

过去：人打开 Excel → 人录入数据 → 人调整格式。Codex 只是帮你生成文字。

现在：Codex 用自己的光标打开 Excel → Codex 录入数据 → Codex 调整格式。人只需要说一句话。

这不是「AI 帮你做事」，这是「AI 替你操作工具」。 这个转变的意义在于：AI 不再局限于「生成内容」，它开始进入「操作物理界面」的领域。

信号三：生态开放以 Skill 为基本单位

skill-creator + skill-installer 的组合，本质上是一个Skill 的包管理系统：

skill-creator → 创建 Skill 包（SKILL.md + scripts + references）
     ↓
GitHub 仓库 → 存储和版本管理（支持私有仓库）
     ↓
skill-installer → 分发和安装（$skill-installer <repo-url>）

这和 npm、pip 的设计逻辑一样——标准化的包格式 + 中心化的分发渠道 = 生态爆发。

区别在于：npm 分发的是代码库，Skill 分发的是AI 的行为模式。这是第一次有一个平台把「如何让 AI 更好地完成某类任务」这件事标准化和可分发。

---

三、为什么「插件生态」比「模型能力」更值得关注

3.1 模型能力的边际收益递减

GPT-4 → GPT-5 → GPT-5.5，每次升级的智能提升都在缩小。但插件生态的网络效应却在加速——每多一个插件，整个系统的价值不是线性增加，而是组合式增加。

模型智能提升（边际递减）：
  GPT-4 → GPT-5   : +30%
  GPT-5 → GPT-5.5 : +15%
  GPT-5.5 → GPT-6 : 预期 +10%

插件生态价值提升（网络效应递增）：
  10 个插件 → 约 45 种组合
  50 个插件 → 约 1225 种组合
  90 个插件 → 约 4005 种组合

3.2 插件解决的是「模型做不到的事」

再强的模型，如果没有 Browser 插件，就看不到自己生成的页面长什么样。如果没有 Computer Use 插件，就无法操作桌面应用。如果没有 Figma 插件，就无法读取设计稿的结构信息。

插件不是让模型「更聪明」，而是让模型「更能干」。 这两者的区别在于：「更聪明」有上限，「更能干」没有——只要不断接入新的外部系统，Agent 的能力边界就不断扩展。

---

四、开发者工作流的范式转变

4.1 前后的对比

2025 年的开发者工作流：
  IDE 写代码 → 浏览器手动测试 → 发现 bug → 回到 IDE 修改 → 重复

2026 年（Codex + 插件）的工作流：
  Codex 写代码 → Browser 自动测试 → 自动发现 bug → 自动修改 → 自动验证
  人在循环中的角色：设定目标 → 审查结果 → 决策

4.2 人的角色在升级

这不会让开发者失业。但会让开发者的工作内容发生根本变化：

过去	现在
手写重复代码	定义 Skill 流程，让 Codex 执行
手动测试和调试	Browser + Computer Use 自动化测试
手写文档	Documents 插件自动生成
设计稿手动还原	Figma 插件双向同步
重复操作工具	Computer Use 自动化

核心变化：从「执行者」变为「编排者」。开发者不再手写每一行代码，而是定义规则、审查结果、决策方向。

---

五、企业 AI 基础设施的新形态

5.1 Codex 插件 + 后端推理 = 完整技术栈

Codex 解决了「本地 Agent」的问题——Browser、Computer Use、Figma 操作、文档生成。但复杂的企业级推理（代码审查、安全分析、长文档处理）需要更强的后端推理模型。

完整的 AI 技术栈应该是：

┌───────────────────────────────┐
│    Codex（本地 Agent 层）       │
│    Browser / Computer Use     │
│    Figma / Documents / Skills │
├───────────────────────────────┤
│    后端推理层                  │
│    Claude / GPT / Gemini      │
├───────────────────────────────┤
│    统一 API 层                │
│    微元算力(weytoken)          │
│    weiyuansuanli.top          │
└───────────────────────────────┘

5.2 统一 API 层的战略意义

微元算力(weytoken)（weiyuansuanli.top）提供的统一 API 层，让企业可以一个 Key 打通 Codex 生态之外的所有后端推理需求：

• 复杂代码审查 → Claude Opus 4.8
• 深度研究报告 → GPT-5.5
• 超长文档分析 → Gemini 3.5 Pro
• 国产合规场景 → GLM-5.2

企业级场景下不可或缺的数据安全、审计合规、增值税专票、多租户隔离——这些是直连单一模型厂商无法一站式覆盖的能力。

---

六、2026 下半年展望

三个可预见的趋势

1. Plugin 数量将突破 200+

90+ 只是开始。当 skill-creator 降低了创作门槛、skill-installer 打通了分发渠道，第三方插件的增长将进入爆发期。

2. 「Agent OS」的竞争将从模型能力转向生态丰富度

当主要模型的智能差距缩小，真正拉开差距的是：你的 Agent 能接入多少外部系统？能执行多少种操作？社区贡献了多少高质量的 Skills？

3. 企业 AI 架构将从「单一工具」变成「多模型 + 多 Agent」

Codex（本地 Agent）+ 后端推理模型 + 统一 API 层 = 企业 AI 基础设施的标准形态。

给企业和开发者的建议

• 现在就建立 Codex 插件体系：按角色配置插件 + 创建团队 Skills
• 投资统一 API 层：Codex 之外的后端推理通过 微元算力(weytoken)聚合平台统一接入
• 关注 Skill 资产沉淀：skill-creator 的价值不在当下，在长期积累