# 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

1.  **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。
2.  **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。
3.  **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。
4.  **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。
5.  **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**：
    1.  訪問 GitHub 倉庫獲取功能介紹。
    2.  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。
    3.  檢查插件結構與完整性。
    4.  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**：
    1.  **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。
    2.  **複製貼上**：點擊對應畫面，複製圖片指令（Command + V）貼入。
    3.  **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**：
    1.  使用左下方的「標註」工具，指定位需要修改的區域。
    2.  使用「文本工具」輸入具體修改要求（如「把文字改大一些」）。
    3.  點擊右上角「截圖」，複製需要修改的部分。
    4.  將截圖與原圖放入 Codex 上下文，發送修改指令。
    5.  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

1.  **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。
2.  **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）。
3.  **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。
4.  **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。
5.  **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

1.  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？
2.  該工具是否支援其他類型的修改（如背景替換、人物替換）？
3.  封裝 Skill 的具體指令格式為何？是否有官方文檔說明？
4.  對於非技術背景的用戶，是否有更簡易的安裝或使用方法？