第 7 章：Codex 的"眼睛"——截图、看图、生成图
Codex 不只是能看懂文字，它还能"看"图片。截个图丢给它，它就能帮你分析、反馈、甚至生成新图片。
7.1 截图分析
Codex 支持多模态输入——就是说，除了文字，你还可以给它发图片。
怎么用？
方法 1：直接把截图拖进去 就像在微信里发图片一样，把截图拖到 Codex 的聊天框里，然后问问题。
方法 2：用截图工具 Codex 桌面版（macOS）自带截图工具，你可以一键截图然后让 Codex 分析。
能分析什么？
分析网页设计：
「帮我看看这个网页的设计，你觉得排版和配色怎么样？有什么改进建议？」
Codex 会分析截图中的元素布局、色彩搭配、字体使用等，给出专业意见。
分析错误信息：
「我的程序报错弹窗了，帮你看看这个错误是什么意思？」
你把报错弹窗截图发给 Codex，它读取截图中的文字（即 OCR 识别），然后解释错误原因和解决方案。
分析数据图表：
「这张销售趋势图，你帮我总结一下里面的关键信息。」
[截图：用户将报错弹窗截图发给 Codex，Codex 分析并给出解决方案的界面]
实际场景举例
场景 1：网站设计评审 你是一个不会写代码的产品经理，设计师给了你一个网页设计图。你截图发给 Codex：
「这个登录页面设计得怎么样？按钮位置合理吗？」
Codex 会看完截图后给出反馈：
「整体设计不错。我注意到几点：
- 登录按钮颜色偏暗，建议用更亮的品牌色
- 忘记密码的链接太小了，建议放大
- 表单间距可以再宽松一些，避免拥挤感」
场景 2：找 bug 你的 Web 页面在浏览器里显示异常，截图给 Codex：
「这个页面布局有问题，导航栏和内容重叠了。帮我看看可能是什么原因。」
Codex 看完截图，结合你的项目代码，锁定 CSS 问题所在。
7.2 UI 标注反馈（Annotation）
这是 Codex 的一个非常强大的功能——你可以直接在截图上"圈圈画画"，标注出问题，然后让 Codex 自动去修。
怎么操作？
- 截图：把有问题的页面或界面截图
- 标注：在截图上用画圈、箭头、文字标注等方式标出问题
- 发送：把标注好的图片发给 Codex，说「这里有问题，帮我修一下」
举个例子
你在做一个网站，发现首页的标题字体看起来不对劲。于是你：
- 截图首页
- 在截图上用红圈圈住标题，旁边写「字体太小，颜色太淡」
- 发给 Codex，说：「按标注修改」
Codex 会：
- 读取你的标注
- 找到对应的 CSS 文件
- 修改字体大小和颜色
- 告诉你改好了
[截图：用户用 Annotation 功能在截图上标注问题，Codex 回复已修改完成的界面]
什么时候用 Annotation？
- UI 调整：觉得某个按钮位置不对 → 标注 → 让 Codex 调
- 文案修改：页面上某个词写错了 → 标出来 → 让 Codex 改
- 对齐问题：元素没对齐 → 画条线标注 → 让 Codex 修正
- 颜色调整：颜色不协调 → 圈出来 → 让 Codex 推荐更好的配色
🧠 Annotation + 前端修改 = 超级效率：你像用 Markdown 一样标注，Codex 自动找到对应的代码位置并修改。设计沟通的成本从"来来回回改"变成了"一次标注就搞定"。
7.3 图片生成
Codex 集成了 DALL-E 等图片生成能力，你可以在对话中直接让 Codex 生成图片。
生成新图片
「帮我生成一张程序员在咖啡馆敲代码的插画，卡通风格，明亮色调。」
Codex 会调用内部的图片生成模型（GPT Image），生成并展示图片。
修改已有图片
你有一张图片想修改一下风格：
「把这张图片改成水彩画风格。」
或者：
「给这张图加一个紫色的背景。」
生成图标和素材
「帮我生成一个简单的 GitHub 仓库图标，表示 AI 项目的 Logo。」
「帮我生成几张博客的配图，主题是'团队协作'，极简风格。」
使用专门的图片命令
你也可以直接用命令来生成图片：
$imagegen 一只橘猫在看书，绘本风格
这种方式更直接，Codex 会调用专门的图片生成模型来创建。
[截图：Codex 生成图片的界面，显示聊天框中的指令和生成的图片]
实际应用场景
做博客配图：
「帮我生成一张'AI 改变生活'主题的封面图，尺寸 1200x630。」
产品设计草图：
「帮我画一个 App 首页的草图，最上面是搜索框，中间是推荐内容，底部是导航栏。」
社交媒体素材：
「帮我做一个朋友圈分享图，内容是'今天学会用 Codex 了！'配上好看的背景。」
7.4 OCR 识别
OCR 就是光学字符识别——让电脑"看"图片里的文字。Codex 能识别截图、照片、扫描件里的文字内容。
怎么用？
把带文字的图片发给 Codex，然后说：
「帮我提取这张图片里的所有文字。」
能识别什么？
- 手写笔记：把你手写的便签拍照，让 Codex 转成文字
- PDF 截图：从 PDF 文件截取的内容，Codex 读出文字
- 菜单/名片拍照：拍个菜单或名片，让 Codex 提取信息
- 验证码/票据：识别图片中的验证码或票据号码
实际场景举例
整理手写笔记： 你把会议上的手写笔记拍个照：
「帮我把这张手写笔记转成文字，然后整理成 Markdown 格式。」
Codex 会识别文字，并整理成结构化的笔记。
提取名片信息：
「帮我从这张名片图片里提取姓名、电话、邮箱和公司名称，整理成通讯录格式。」
从截图中复制代码： 你看到网上有段代码的截图，想试一试：
「把这张截图里的 Python 代码提取出来，然后帮我运行一下看看结果。」
Codex 识别出代码，保存到文件，然后帮你运行。
[截图：Codex 识别手写笔记图片并整理成文字内容的界面]
🧠 提示：OCR 的准确率取决于图片清晰度。拍照时尽量正对文字、光线充足，识别效果更好。
本章小结：Codex 的视觉能力让你能通过截图和图片与 AI 更自然地交互。无论是分析设计稿、标注 UI 问题让 AI 自动修复、生成配图，还是从图片中提取文字，都只需要"发张图，说句话"这么简单。
系统教程，帮你把工具用好，再回到任务中。 浏览任务方案 →