往 Codex 里塞块无限画布，AI 改图终于能指哪打哪了｜附教程

和 Codex、Claude Code 等 Coding Agent 沟通，很多时候就像站在许愿池边，对着池子里的王八扔硬币，嘴里念念有词，关键它还真给你兑现愿望。

因此，对很多不懂代码的人来说，Codex 带来的亢奋感是肉眼可见的——

它让人第一次感觉，自己也能指挥电脑干活。

🔗 https://x.com/zhongerxin/status/2068027614300893383

近半年以来，社交媒体上，围绕 Codex 的玩法越来越野。有人让它写网页，有人让它做报表，有人让它管文件，还有网友 @zhongerxin 折腾出了一种更直观的玩法：

把画布塞进 Codex。

他基于 tldraw 改造了一个叫 Cowart 的本地无限画布插件，让 Codex 不只读文字提示词，也能看到用户在画布上的箭头、批注和位置标记。其作用在于让 AI 改图时，能够指哪打哪。

逃离聊天框，Canvas 才是 AI 的应许之地

介绍 Cowart 之前，得先提一下 tldraw。

tldraw 可以理解为一块跑在浏览器里的无限白板。

它基于 React 构建，提供完整的画布引擎，内置白板工具、压感绘图、几何图形、富文本、箭头、形状吸附、图片与视频支持，以及图像导出等能力。

Github 地址 🔗 https://github.com/tldraw/tldraw

开发者可以基于它自定义形状、工具、绑定关系和 UI 组件，把它扩展成各种不同类型的画布应用。

Cowart 做的事情，就是基于 tldraw 搭了一个本地可视化画布，让用户在画布里构思、标注和生成图片，再把标注交给 Codex 继续修改。

玩法也不复杂。

安装 Cowart 时，可以直接把下面这段话发给 Codex，让它自动完成插件安装：

请从 https://github.com/zhongerxin/cowart.git 安装 Cowart Codex 插件。

请 clone 仓库到 ~/plugins/cowart，确认 .codex-plugin/plugin.json 存在，

把插件加入 personal marketplace，先运行 codex plugin marketplace add ~，

再运行 codex plugin add cowart@personal。

安装后请校验插件，并告诉我是否需要开启一个新对话来加载新技能和 MCP 工具。

安装完成后，通常需要开启一个新的 Codex 对话，让新的 skill 和 MCP 工具完整加载。使用时，可以直接在 Codex 中输入：

帮我打开 Cowart 画布。

实测中，Cowart 会启动一个本地网页服务，并在对话里给出预览入口。然后接下来的操作就非常简单了。

比如调用 Cowart 插件，继续在对话中输入：

帮我生成一张达芬奇原汁原味风格的《蒙娜丽莎》油画

随后，Codex 生成图片，并把它放进 Cowart 画布，右侧画布中可以看到生成后的《蒙娜丽莎》图片。后续修改可以直接围绕这张图进行。

接下来，我在 Cowart 画布里对这张图做两处标注。

第一处，在人物眼睛位置画箭头，并写上「给眼睛戴上墨镜」。第二处，在手部位置画箭头，并写上「手里拿着一杯果汁」。

标注完成后，把这张 Cowart 标注截图发给 Codex，并输入：

使用我的 Cowart 标注截图，生成一张干净的修订版图片，并将它放在原图旁边。

Codex 随后根据标注截图生成新的修订图。

2002 年斯皮尔伯格的《少数派报告》里，汤姆·克鲁斯饰演的角色站在悬浮屏幕前，用手势拖拽、圈选、调取数据。原本抽象的检索、判断和信息整理，被拍成了一种直接的空间操作：看到哪里，手伸过去，信息就跟着移动。

Cowart 的画布标注当然没有那么科幻，但它对应的交互直觉是一致的。

过去用户得把脑子里的画面翻译成一长串提示词，现在只要把箭头画到图上，把要求写在旁边。AI 看到的不再只是「把这里改一下」这样的模糊描述，还有位置、方向和上下文关系。

再来看一个商品图制作的案例。

依旧是让 Cowart 先生成一张极简风格的空白牛皮纸外带咖啡杯，放在木质桌面上；随后在背景区域标注「背景换为露营地」，在杯身中间标注「加上一个柴犬 logo」。

最终的结果也不出所料。

当 Cowart 把 AI 改图里的位置描述变成了画布标注，用户也不需要反复解释「左上角」「中间偏右」「手的位置」这类空间关系，直接在图上指给 Codex 看即可。

Cowart 这套「画布加标注加生图」的交互，也不只是绑定在 Codex 上。只要 Agent 客户端能调用本地 MCP 工具、能访问本地画布服务、能使用图像生成能力，类似玩法就可以迁移过去。

开发者 Chloe Tian（@tllll64）就搞了个 WorkBuddy 适配版，感兴趣的可以试试。

Github 地址🔗 https://github.com/tllll64/cowart\_workbuddy

不过，尽管 Cowart 未来可期，但目前体验还比较粗糙的：

响应慢，从开画布到生成、修改都得等；额度消耗高，多试几个版本成本肉眼可见地往上涨；还容易断联——画布、本地服务和 MCP 工具偶尔不同步，Codex 无法读取选区或插入结果，得重开画布或重启对话才能缓过来。

Codex 正在变成打工人的 AI「工作台」

Codex 的插件和应用案例，其实一直被市场低估。翻一翻 OpenAI 官网也能发现许多有趣案例，覆盖收件箱管理、电脑自动操作、前端开发、游戏开发、原生应用开发、生产系统维护等一系列场景。

在这些案例里，Codex 承担的任务已经不只是写几段代码。它可以帮用户管理收件箱，找出重要邮件，并按照用户的语气草拟回复；可以在 Mac 上点击、输入和操作应用；

可以跟随一个长期目标，持续处理复杂任务；也可以清洗表格数据、查询 CSV 和电子表格、审查 GitHub pull request、根据截图生成前端界面，甚至自动生成 slide decks。

🔗 https://developers.openai.com/codex/use-cases

OpenAI 发布的《How OpenAI uses Codex》白皮书显示，Codex 已在安全、产品工程、前端、API、基础设施和性能等团队中日常使用，基于内部访谈与数据总结。其主要应用可归为七类：

🔗 https://cdn.openai.com/pdf/6a2631dc-783e-479b-b1a4-af0cfbd38630/how-openai-uses-codex.pdf

最佳实践包括：先用 Ask Mode 规划，再用 Code Mode 执行；优化运行环境与权限配置；Prompt 类似 GitHub Issue，需提供充分上下文。团队还将任务队列当作轻量 backlog，借助 AGENTS.md 提供长期上下文，复杂任务用 Best-of-N 生成多方案筛选。

Cowart 这类功能插件本质上也契合这个方向。

对话是线性的，而创造往往是空间性的、发散的。用户在画布上指出位置，Codex 调用本地工具读取状态、生成图片、插入画布，并把结果保存在当前项目目录中。

往后看，很多轻量功能可能不会以独立应用的形态存在，而是成为 Agent 可以调用的一组本地能力，并被装进同一个工作流里。

当画布、表格、网页、邮件、代码仓库等等桌面环境都能被 Agent 理解和调用，Codex 也就演变成了一个可以被不断加装能力的本地工作台。

至于现在该准备点啥？或许就是备好自己的想象力，往 AI「许愿池」里，投下一枚枚更大胆的硬币。

文章来自于 "APPSO"，作者 "APPSO"。