Codex CLI 怎麼粘貼圖片:輸入框粘貼、-i / --image 參數、多張圖寫法,以及桌面 App 要按住 Shift 拖拽

想把報錯截圖或設計稿發給命令行裏的 Codex?官方說明可以直接粘貼進輸入框,也可以用 codex -i 圖片路徑 或 --image 隨提示詞傳入,多張圖用逗號分隔。本文按官方 Image inputs 頁整理,並說明桌面 App 和 IDE 拖拽要按住 Shift。

NNathaniel bigo··原創首發·AI 輔助撰寫
8 分鐘讀完
資料核對於 2026-11-13 · 依據官方文檔與公開資料整理 Plus 帳號

結論先說

  1. 官方說命令行有兩條路:在交互輸入框裏粘貼圖片,或者啟動時用 -i / --image 把文件傳進去。
  2. 粘貼沒反應就用參數。 參數寫法是官方給的,不依賴終端怎麼處理剪貼簿。
  3. 多張圖用逗號分隔路徑,或重複寫 --image。 官方說明 Codex 接受常見格式,包括 PNG 和 JPEG。
  4. 桌面 App 和 IDE 擴展裏,拖拽圖片時要按住 Shift,這樣應用才會接收圖片,而不是把它交給編輯器。
  5. 提示詞要圍着圖寫。 官方明確說,不要只靠圖片本身來表達任務,要說清讓它看什麼、要什麼結果。

在 Codex 命令行裏給圖片的三種方式:粘貼進輸入框、-i / --image 參數、codex exec 帶圖

圖:本站根據 Codex 官方文檔《Image inputs》 整理的示意圖

本文根據 Codex 官方文檔《Image inputs》和命令頁整理,資料核對於 2026-11-13。官方沒有寫命令行裏粘貼圖片用哪個快捷鍵,所以本文把能確認的寫法放在前面,粘貼不成功時給出更穩的備選。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 OpenAI 官方網站。第一次使用見 /guides/codex-getting-started。

適用於誰

  • 想把報錯截圖、介面截圖、設計稿或架構圖發給命令行裏的 Codex 的人;
  • 在終端裏粘貼圖片沒反應,不知道還有什麼辦法的人;
  • 在桌面 App 或 IDE 裏拖拽圖片總被編輯器搶走的人。

一、在交互介面裏粘貼

官方 Image inputs 頁的命令行部分第一句就是:把圖片粘貼進交互式輸入框。你可以先複製截圖(系統截圖工具複製到剪貼簿的那種),再回到 Codex 的輸入框裏粘貼,粘貼後接着寫提示詞,比如要它解釋報錯、對比兩張介面,或者按設計稿改樣式。

要注意兩點:

  • 官方沒有寫粘貼圖片的具體按鍵。 不同終端模擬器對剪貼簿裏圖片的處理不一樣,有的能直接粘貼,有的什麼也不發生。本文不替你斷言哪個組合鍵一定可用;
  • 粘貼不成功不代表你的帳號或 Codex 有問題,換成下面的參數寫法即可。

二、更穩的寫法:啟動時帶 -i 或 --image

官方給的兩個例子:

bash
codex -i screenshot.png "Explain this error and suggest the smallest fix"
codex --image before.png,after.png "Compare these states and list the regressions"

第一條是帶一張圖並要求解釋報錯、給出最小修復;第二條是帶前後兩張圖,要求對比並列出退化的地方。你可以把引號裏的英文換成自己的中文要求,參數寫法不變。

幾點細節:

  • 多張圖可以用逗號分隔路徑,也可以重複寫 --image;
  • 路徑裏有空格時,按你所用終端的規則加引號;
  • 命令是在你的項目目錄裏啟動的,圖片放在哪裏都行,只要路徑寫對;
  • 這兩個參數是隨「第一條提示」帶入的。要在對話進行到一半時補圖,用粘貼的方式。

三、codex exec 和 /plan 裏怎麼帶圖

非交互模式 codex exec 同樣可以帶圖。官方命令頁寫明,使用圖片時必須同時提供提示詞,否則運行不了;也可以用 - 作為提示詞,從標準輸入讀取。/plan 命令的內聯參數裏,官方也提到可以粘貼內容或附加圖片。具體的命令總覽見 /guides/codex-cli-commands-cheatsheet。

四、桌面 App 和 IDE:拖拽時按住 Shift

如果你用的是桌面 App 或 IDE 擴展,官方的說法是:把圖片拖進提示輸入框時按住 Shift,這樣介面才會把圖片作為上下文接收。在 IDE 裏這點尤其重要,因為不按 Shift,編輯器會把拖拽當成「在編輯器裏打開這個文件」。

官方還提到,在桌面 App 裏你也可以讓 Codex 去檢查系統裏某張圖片,或用截圖工具來驗證它在另一個應用裏的工作結果。網頁版的 ChatGPT 則是直接附加、粘貼或拖入圖片。

五、提示詞怎麼圍着圖寫

官方建議的結構是:說明圖裏是什麼,指出要關注的區域,再說明想要的輸出和限制。如果有多張圖,要分別說明每一張是什麼,以及怎麼比較。官方的示例是:

text
Compare this checkout screen with the design. Fix spacing and typography only;
do not change behavior. Verify the result with a new screenshot.

翻成中文思路就是「對比當前頁面和設計稿,只改間距和字體,不改行為,改完用新截圖驗證」。下面是本站按這個結構給出的幾段中文提示詞,括號裏的內容自己填:

text
這張圖是 [報錯彈窗的截圖]。請告訴我:1. 報錯的完整文字;2. 最可能的原因;3. 在 @[文件路徑] 裏應該改哪裏。先只分析,不要改文件。
text
圖 1 是設計稿,圖 2 是現在的頁面。請列出兩張圖的差異,只關注 [按鈕區域],並且只改樣式,不改邏輯。改完說明你驗證了什麼。

寫報錯類提示詞時,也可以參考 /guides/codex-fix-bug-error-repro-prompt:截圖只是線索之一,復現步驟和約束同樣重要。

六、看圖和生成圖不是一回事

官方在 Image inputs 頁末尾區分了兩類功能:圖片輸入是讓它檢查一張已有的圖片;要讓它創建或編輯圖片,用的是圖像生成功能,在官方的 Image generation 頁另有說明。本文只講前者。

圖片發不進去時的判斷圖:命令行粘貼沒反應用 -i 參數,多張圖逗號分隔,桌面 App 拖拽按住 Shift,生成圖片是另一個功能

圖:本站根據 Codex 官方文檔《Image inputs》 整理的示意圖

常見問題

Q:圖片裏有密鑰、手機號、內部地址怎麼辦?

發送前先打碼或裁掉。圖片和文字一樣會被作為提示內容發送,檢查清單見 /guides/ai-privacy-data-safety-checklist。

Q:支持哪些圖片格式?

官方寫的是「常見格式,包括 PNG 和 JPEG」,沒有給完整清單。拿不準時,用 PNG 或 JPEG。

Q:用圖會多花額度嗎?

官方這幾頁沒有單獨寫圖片的計費規則。Codex 的額度按任務消耗,和套餐有關,查看方法見 /guides/codex-usage-limits。如果你經常用截圖排查問題、額度不夠用,可以看看本站的 ChatGPT Plus 充值說明,價格和額度以官方頁面當前顯示為準。

Q:同一個問題,用哪個模型看圖更好?

官方的模型頁寫了各模型適合的任務,切換方法見 /guides/codex-switch-model-reasoning-effort。

相關教學

參考資料

  • Codex 官方文檔:Image inputs — https://learn.chatgpt.com/docs/image-inputs
  • Codex 官方文檔:Commands(CLI) — https://learn.chatgpt.com/docs/developer-commands?surface=cli
  • Codex 官方文檔:Codex CLI — https://learn.chatgpt.com/docs/codex/cli

Nathaniel 的更多內容

  1. 01

    LangGraph 流式輸出(Streaming)詳解:逐字 Token 流、節點進度與自定義事件寫法

    多步智能體如果等全部節點跑完才返回,網頁前端就會白屏乾等十幾秒。本文按 LangGraph 官方文檔講清 updates、messages、custom 與 values 四種 stream_mode 的區別,以及組合訂閱逐字打字機輸出加工具內部實時進度的完整代碼。

    其他 AI 工具0
  2. 02

    LangGraph 持久化與長期記憶怎麼配:Checkpointer、Store 與 PostgreSQL 實戰

    在生產環境跑 LangGraph,單靠 InMemorySaver 一重啟就會丟失全部對話。本文按官方文檔講清線程內短期檢查點(Checkpointer)與跨線程長期記憶(Store)的分工,以及用 langgraph-checkpoint-postgres 對接 PostgreSQL 的完整步驟。

    其他 AI 工具0
  3. 03

    LangGraph 多智能體怎麼寫:Supervisor 主管包與 Subgraph 隔離子圖實戰

    在 LangGraph 裏把單個圖擴展成多智能體協作有兩條官方路線:快速原型用預置包 langgraph-supervisor,大型生產系統用原生子圖(Subgraph)嵌套。本文講清兩種寫法的完整代碼、私有狀態隔離防 Token 膨脹技巧以及檢查點傳播規則。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入審批怎麼寫:interrupt 暫停圖運行與 Command 恢復實戰

    企業之所以選 LangGraph,很大程度看中它能安全掛起等待人工審批(Human-in-the-Loop)。本文按官方最新規範講清 interrupt() 動態暫停、Checkpointer 必備條件、Command(resume=...) 恢復執行,以及防止副作用重複運行的重入規則。

    其他 AI 工具0
  5. 05

    多 Agent 協作平台怎麼選:Dify、釦子(Coze)、n8n 與 LangGraph 多智能體機制對比

    搜「多agent協作平台」時,Dify、釦子、n8n 和 LangGraph 都宣稱支持多智能體,但底層的調度方式完全不同。本文跳過基礎安裝,專門從多 Agent 角色跳轉、子代理工具調用、上下文隔離與私有化部署四個維度幫你一次選準。

    其他 AI 工具0
  6. 06

    企業微信有官方 MCP 和 CLI 嗎:@wecom/cli 安裝初始化、長連接機器人與接入教學

    搜「企業 微信 有 mcp 嗎」不用再東拼西湊民間群機器人腳本了:企業微信官方已推出 @wecom/cli 命令行工具並內置 stdio 模式的 MCP Server。本文按官方開發者文檔講清安裝、智能機器人長連接初始化、業務命令與接入 Claude Code 步驟。

    Claude其他 AI 工具0

同產品的其他教學

  1. 01

    AutoGen 現在怎麼樣了?微軟官方演進路線與 Microsoft Agent Framework 入門

    搜 AutoGen 新教學常被 0.2、0.4、社區分支和 Semantic Kernel 繞暈。按微軟官方文檔,微軟已將 AutoGen 與 Semantic Kernel 兩支團隊合併推出統一的開源框架 Microsoft Agent Framework。本文講清現狀與 Python 快速上手。

    ChatGPT其他 AI 工具0
  2. 02

    多 Agent 的成本為什麼翻倍、怎麼控制:Token 膨脹根源與五項降本措施

    剛把單智能體拆成多 Agent,用量往往暴漲好幾倍。Anthropic 工程報告統計單智能體約為聊天的 4 倍 Token,多智能體可達約 15 倍。本文拆解固定前綴重複加載、歷史搬運、工具鏈定義與緩存失效四大根源,並給出五條實操控費辦法。

    ChatGPTClaude0
  3. 03

    多 Agent 協同開發怎麼落地:「一個寫、一個審」雙代理工作流搭建指南

    多 Agent 協同開發裏投入產出比最高的模式就是「一個寫、一個審」。本文依據 Anthropic 與 OpenAI 官方編碼最佳實踐,講清為什麼同會話自審容易漏問題,以及用只讀子代理、跨模型交叉審查(Claude Code + Codex)和自動化閉環落地的具體方法。

    ClaudeCodex0
  4. 04

    多 Agent 編排模式詳解:編排者-工作者、交接(Handoffs)、並行與評估循環怎麼選

    搜「multi-agent orchestration 中文」會被各家框架的不同術語繞暈。本文對照 Anthropic《Building effective agents》與 OpenAI 智能體指南,把編排者-工作者、去中心化交接、並行分片投票與生成-評估循環四種標準編排拓撲講透。

    ChatGPTClaude0
  5. 05

    多智能體(Multi-Agent)是什麼、什麼時候該用:Anthropic 與 OpenAI 官方判斷標準

    多智能體不是代理越多越聰明。本文依據 Anthropic 研究系統架構文章與 OpenAI 官方智能體指南,講清確定性工作流、單智能體與多智能體的區別,以及哪三類瓶頸才值得上多智能體協同。

    ChatGPTClaude0
  6. 06

    codebase-memory 類 MCP 是什麼、怎麼用:基於語法樹圖譜的本地代碼索引原理與配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一類本地代碼圖譜 MCP 伺服器:用 Tree-sitter 把倉庫解析成函數與調用關係的 SQLite 圖庫,幫編碼助手查調用鏈並省下讀整份文件的額度。

    ClaudeCodex0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~