影片筆記：Codex 指哪改哪，AI 修图进入无限画布时代 ｜ 不用学习 PS

一句話總結

影片介紹如何利用 GitHub 開源項目 Cowart 為 Codex 提供「無限畫布」功能，透過在本地 HTML 畫布上對圖片進行標註與截圖，將原圖與修改指令同時輸入 Codex，實現精準的「指哪改哪」圖片微調，無需學習傳統 PS 即可提升修圖效率。

核心重點

解決提示詞微調不準的問題：傳統使用 Codex 生成視覺稿後，僅靠文字提示詞調整 Logo、形狀等細節往往不準確。

無限畫布（Infinite Canvas）機制：透過 Cowart 插件，在本地建立 HTML 畫布界面，允許用戶在圖片上直接標註修改區域。

上下文輸入法：將「乾淨原圖」與「標註後的截圖」同時放入 Codex 上下文，讓 AI 結合兩者進行精確修改。

效率優化：講者將啟動流程封裝為 Codex Skill（技能），簡化後續使用步驟。

適用場景：適合需要大量圖片定向修改、希望無需學習 PS 即可實現類似功能的工作場景。

詳細大綱

一、 痛點與解決方案

• 現有問題：使用 Codex 生成視覺稿後，僅靠提示詞進行微調（如調整 Logo、形狀）往往不準確。
• 解決方案：利用 Codex 上的「無限畫布」功能，通過標註方式準確定位修改位置，讓 Codex 實現精確修改。

二、 工具介紹與安裝流程

• 工具名稱：Cowart（GitHub 上的開源項目，對 Codex 進行适配）。
• 安裝步驟：

訪問 GitHub 倉庫獲取功能介紹。

複製 Codex 安裝指令至對話框啟動安裝，或通過 GPT 輔助生成更完整的環境檢查與安裝指令。

檢查插件結構與完整性。

或在 Codex 的「計劃模式」（Plan Mode）下，讓 AI 規劃路徑並執行安裝命令。

• 啟動方式：安裝後會彈出本地畫布地址（本地 HTML 端口界面），點擊進入本地畫布界面。

三、 無限畫布操作演示

• 圖片導入方式：

媒體導入：在左上角創建新頁面，選擇「媒體」，從文件夾打開圖片。

複製貼上：點擊對應畫面，複製圖片指令（Command + V）貼入。

提示詞生成：在提示詞中要求 Cowart 畫布生成特定比例（如 16:9）圖片，圖片會顯示在 Codex 對話框及對應畫布中。

• 標註與修改流程：

使用左下方的「標註」工具，指定位需要修改的區域。

使用「文本工具」輸入具體修改要求（如「把文字改大一些」）。

點擊右上角「截圖」，複製需要修改的部分。

將截圖與原圖放入 Codex 上下文，發送修改指令。

Codex 會結合乾淨原圖與批註截圖重新修訂生成新圖。

四、 實際案例與優化技巧

• 案例演示：
• 將人物頭髮改為金色捲髮，並調整文字。
• 結果分析：雖然髮色改變準確，但融合度與本人差異較大，講者認為原來的黑髮或棕髮可能更適合，且整體妝造需同步調整。
• 效率優化（Skill 封裝）：
• 由於每次啟動 Cowart 較麻煩，講者將其封裝為啟動 Skill（命名為 Cowart-canvas-start）。
• 下次使用時，直接在 Codex 輸入啟動按鈕指令，即可自動跳轉並啟動畫布功能。

五、 總結

• 該工具適合涉及大量圖片定向修改的工作場景。
• 被稱為「無限畫布版的文字版 PS」，是 AI 時代提升個人效率的工具紅利。
• 無需學習傳統 PS 即可實現類似功能。

工具 / 模型 / 名詞整理

• Codex：影片主要討論的 AI 生產工具/編程助手。
• Cowart：GitHub 上的開源項目名稱，用於為 Codex 提供無限畫布功能。
• GitHub：代碼托管平台，存放 Cowart 項目。
• GPT：用於輔助生成安裝指令的工具。
• HTML：本地畫布界面的技術格式。
• Skill：Codex 中的技能封裝概念（講者提及將功能封裝為 Skill）。
• Plan Mode：Codex 內部的計劃模式。
• 無限畫布（Infinite Canvas）：指代 Cowart 提供的本地化 HTML 畫布界面功能。

操作流程整理

安裝準備：

• 前往 GitHub 查找 Cowart 項目。
• 在 Codex 中複製安裝指令，或讓 GPT/Plan Mode 協助生成環境檢查與安裝命令。
• 執行安裝，獲取本地 HTML 端口地址並啟動畫布。

圖片導入：

• 方法 A：在畫布左上角選擇「媒體」，從文件夾導入圖片。
• 方法 B：複製圖片指令（Command + V）貼入畫布。
• 方法 C：使用提示詞生成特定比例圖片（如 16:9）。

標註與截圖：

• 在畫布上使用左下方「標註」工具，圈選需修改區域。
• 使用「文本工具」輸入修改要求（例如：「把文字改大一些」）。
• 點擊右上角「截圖」，複製包含標註的圖片。

Codex 修改指令：

• 將「乾淨原圖」與「標註截圖」同時放入 Codex 對話框上下文。
• 發送修改指令。
• Codex 結合原圖與標註信息生成新圖。

後續優化（可選）：

• 將啟動流程封裝為 Skill（如 Cowart-canvas-start），以便快速重複啟動。

值得注意的限制或風險

• 生成結果的自然度：案例中將頭髮改為金色捲髮雖準確，但融合度與本人差異較大，講者指出可能需要調整整體妝造以維持自然感。
• 安裝複雜度：需要訪問 GitHub、複製指令、檢查環境，對非技術用戶可能有門檻。
• 本地依賴：依賴本地 HTML 端口界面，需確保本地環境配置正確。

逐字稿辨識疑點

• Cowart：逐字稿中多次提及該項目名稱為 "cowart"，但根據上下文（GitHub 項目、對 Codex 适配、畫布功能），此名稱極大機率為聽寫錯誤或口誤，實際可能為 "Co-Pilot"、"Canvas" 相關詞彙，或是特定的開源項目名稱（如 "Cow" 開頭的項目）。講者口語中亦出現 "covert"、"covert-canvas-start" 等變體，需查證該 GitHub 倉庫的確切名稱。
• 無限畫布版的文字版的 PS：講者將此功能比喻為「文字版的 PS」，此為講者個人比喻，非標準產品名稱。
• 靈姐：講者自稱或頻道名稱的一部分。
• 小鈴鐺：YouTube 或其他平台的訂閱通知功能俗稱。

可延伸追問

Cowart 這個 GitHub 項目的確切名稱是什麼？目前聽到的 "cowart" 或 "covert" 是否為辨識錯誤？

該工具是否支援其他類型的修改（如背景替換、人物替換）？

封裝 Skill 的具體指令格式為何？是否有官方文檔說明？

對於非技術背景的用戶，是否有更簡易的安裝或使用方法？