Cowart – 开源的本地无限画布插件，让 Codex 看图说话

1. Cowart是什么

Cowart是由豆包桌面端产品经理钟二信个人开源的、面向OpenAI Codex的本地无限画布插件。该工具基于tldraw框架构建可视化画布，使Codex能够在本地电子白板上摆放图片、画箭头标注、保留迭代版本，实现了从聊天框改图到画布标注迭代的范式转变。画布数据保存在项目本地目录，支持MCP工具协议，让AI直接“看图说话”，大幅降低空间描述类指令的沟通成本。

技术定位与领域： Cowart属于AI Agent工具链中的视觉交互增强层，具体定位于为代码生成Agent（Codex）提供本地化的视觉画布能力。它并非独立的图像生成模型，而是通过插件化的方式，在Codex的文本交互基础上叠加了无限画布、标注、版本管理等视觉工作流支持，填补了Agent在图像编辑场景中缺乏空间上下文感知的空白。

研发背景： 该工具由豆包桌面端产品经理钟二信在业余时间开发并开源。研发动机源于实际使用Codex进行图像编辑时的痛点——用户需要通过文字精确描述像素级位置调整（如“将左上角的logo右移5像素”），沟通成本高且易出错。Cowart的诞生旨在为Codex装上一张“草稿纸”，让AI直接理解箭头标注和空间关系。

核心价值： Cowart解决了Agent在图像迭代任务中“说不清、改不准、版本乱”三大核心问题。通过将空间信息从文字描述转化为可视化标注，Codex能够直接读取箭头方向、文字批注等视觉指令，生成精准的修订版本。同时，每次迭代的新图与原图并排保留在无限画布上，形成完整的版本链，告别聊天记录中翻找历史版本的痛点。本地私有化部署则保障了数据安全。

技术特点： 基于tldraw框架构建轻量级画布，通过三个精简的Codex Skill覆盖“打开画布-生成图片-标注迭代”核心工作流，并提供标准MCP协议接口，支持读取画布选择状态、插入图片、保存资源到本地。整个插件设计遵循“不重复造生图模型”原则，复用Codex已有的AI能力，仅增强其视觉交互层。

2. 主要功能

• 本地无限画布启动： 用户只需在Codex中输入特定指令，即可启动一个基于tldraw的本地无限画布服务。画布数据按项目隔离保存在本地项目目录中，不同项目互不干扰，便于版本管理与数据安全。

• AI Image Holder生成图片： 在画布中创建AI Image Holder（图片容器）并选中后，Codex会根据容器比例自动调用图像生成模型生成图片，并精准插入到容器位置。这一机制确保了生成图片的尺寸与布局完全符合用户预期。

• 基于标注的迭代改图： 用户可在画布上对图片画箭头、写文字标注，Codex通过MCP协议读取画布选择状态和标注内容，理解修改意图后生成修订版本，并自动将新图置于原图旁边。每次迭代均保留原图、标注和所有历史版本，形成可视化版本链。

• MCP工具协议集成： Cowart提供标准MCP（Model Context Protocol）支持，Codex可通过MCP工具读取画布当前选择状态、插入图片、保存资源到本地磁盘。这一开放接口允许开发者自定义扩展，将画布能力集成到更复杂的Agent工作流中。

• 本地私有化数据存储： 所有画布数据、图片资源均保存在项目本地目录，不依赖任何云端服务。用户可完全控制数据，满足企业级数据安全与隐私合规要求，同时支持离线使用。

• 插件化轻量设计： Cowart不重复造轮子，而是通过三个精简的Codex Skill（技能模块）覆盖核心工作流。用户只需复制官方安装提示词给Codex，即可自动完成下载和配置，无需手动安装Python或配置复杂依赖。

3. 如何使用

1. 环境要求： 需要已安装OpenAI Codex CLI环境（支持macOS/Linux/Windows），并确保网络可访问GitHub以下载插件。无需额外安装Python或Node.js依赖，插件通过Codex自动管理。

2. 安装插件： 复制Cowart官方提供的安装提示词，粘贴到Codex对话中发送。Codex会自动从GitHub仓库（（链接待官方发布后更新）

3. 加载技能： 安装后新建一个Codex对话，确保插件和技能正常加载。可通过输入“检查技能状态”等指令验证Cowart技能是否生效。

4. 启动画布： 在Codex中输入打开画布指令（如“启动Cowart画布”），Codex将启动本地Web服务，并在浏览器中打开基于tldraw的无限画布页面。画布服务默认运行在本地的某个端口上。

5. 放入图片： 将需要修改的图片直接拖入画布，或创建一个AI Image Holder容器，让Codex生成初始图片。画布支持自由摆放图片位置和缩放。

6. 标注修改点： 在画布上使用箭头工具指向需要修改的区域，或用文字工具写批注说明修改要求。例如，画一个箭头指向logo并写“右移5像素”。

7. 发送指令： 选中标注后的图片或截图区域，在Codex中发送指令（如“按照标注修改”）。Codex通过MCP读取画布状态后，调用图像生成模型生成修订版本。

8. 生成新版本： Codex自动将新生成的图片放置在原图旁边，保留原图、标注和所有历史版本。如需继续调整，直接在新版本上再次标注并重复修改流程，直至满意后从画布导出成品。

注意事项： 建议在每次迭代前保存画布状态；标注应清晰指向具体元素，避免模糊描述；若使用自定义MCP扩展，需确保Codex版本兼容。

4. 优缺点分析

5. 同类工具对比

选型建议： 如果你是OpenAI Codex用户，主要需求是图片迭代编辑且注重数据本地化，Cowart是最佳选择——它深度集成Codex工作流，安装简单，版本链可视化优势明显。如果你使用Obsidian作为知识管理工具，且需要多模态生成能力，Bragi Canvas更适合，它支持20+AI提供商和多种内容类型。对于追求灵活性和开源生态的开发者，Excalidraw + AI插件组合可定制程度最高，但需要自行编写集成代码。而团队协作场景下，Miro AI提供了一站式云端白板解决方案，但数据隐私和离线能力较弱。

6. 编辑点评

Cowart在技术层面展现了一种精巧的“增强而非替代”设计哲学。它没有重复造轮子去构建新的图像生成模型，而是通过tldraw画布和MCP协议，为Codex这一强大的代码生成Agent补齐了视觉交互短板。这种插件化思路降低了开发成本，也使得现有AI能力得到更高效的复用。从技术创新角度看，将空间标注作为AI指令输入是一种自然且高效的交互范式，尤其在像素级修改场景中，其效率提升是文字描述无法比拟的。版本链的可视化保留则解决了Agent工作流中常见的“版本混乱”痛点，具有很高的实用价值。

实用价值方面，对于频繁使用Codex进行UI素材精修、广告海报迭代的设计师和开发者而言，Cowart能显著缩短沟通循环。本地部署特性使其在企业数据合规场景中更具吸引力。然而，目前的功能仅聚焦于图片迭代，不支持多模态生成，且画布标注工具相对基础，限制了其应用广度。

适用人群定位为：Codex重度用户、需要快速迭代图片的UI/UX设计师、注重数据隐私的独立开发者或小团队。未来发展潜力在于：若能扩展支持视频、3D模型等更多内容类型，并增强画布编辑工具（如图层、滤镜），Cowart有望成为Agent视觉工作流的标准组件。

7. 应用场景

• 广告海报迭代设计： 设计师在画布上生成初稿后，用箭头标注“标题改为手写体”，用文字批注“背景色换成渐变色”。Codex按标注生成新版本，多轮微调直至定稿。每次修改的版本并排保留，方便对比选优。

• UI素材精修： 对界面截图圈选问题区域，箭头指向具体元素（如按钮位置、图标大小），让AI精确修改局部而非重绘整图。适合移动端图标微调、网页组件调整等精细操作。

• 团队设计评审： 画布作为共享工作台（通过本地网络共享或截图传递），评审意见以标注形式留在图片旁。设计师按标注直接迭代，修改痕迹一目了然，避免邮件或IM中文字描述的歧义。

• 创意构思可视化： 在无限画布上拼贴多张参考图、写便签、画流程图，Codex根据整体构思生成统一风格的成图。适合前期概念探索和风格统一验证。

• 教学/文档配图： 快速生成示意图后，通过标注指出修改点（如“箭头指向错误”“文字字号太小”），Codex批量产出符合文档风格的一致配图，提升技术文档编写效率。

8. 常见问题FAQ

Q：Cowart是否支持中文标注？
A：支持。画布中的文字标注可以是中文，Codex通过MCP读取标注内容时不会受语言限制。但建议使用简洁明确的描述，避免复杂句式。

Q：使用Cowart需要付费吗？
A：Cowart本身是开源免费工具，但调用Codex和底层图像生成模型（如GPT Image）需要OpenAI API额度，用户需自行承担API费用。

Q：画布中的数据会丢失吗？
A：画布数据保存在项目本地目录，只要不删除该目录，数据持久化。建议定期备份项目文件夹，或使用Git进行版本管理。

Q：能否将Cowart集成到其他AI Agent（如Claude、Gemini）？
A：目前Cowart专为OpenAI Codex设计，通过Codex Skill和MCP协议工作。理论上MCP协议是标准化的，但其他Agent需支持MCP且兼容Cowart的Skill格式，目前官方未提供适配。

Q：如何卸载Cowart？
A：在Codex中删除对应的Skill文件即可。具体路径取决于Codex的插件存放目录，通常位于Codex配置文件夹下的skills子目录中，删除cowart相关文件后重启Codex即可。

Q：Cowart是否支持批量生成多张图片？
A：当前版本主要支持单张图片的迭代编辑。若需批量生成，可以通过在画布中创建多个AI Image Holder并逐一选中发送指令，但流程较为繁琐，未来版本可能优化。

Q：画布标注的精度如何？
A：基于tldraw框架，箭头和文字标注的位置精度取决于鼠标操作精度。对于像素级调整，建议放大画布后标注，Codex读取的是标注的坐标和文字，理论上可精确到像素。

9. 项目地址

• GitHub仓库： https://github.com/zhongerxin/cowart