近期，一位开发者在技术社区分享了在 AI 编程工具中使用图像生成功能的实操经验。该开发者参考小红书上的开源解构照片项目，尝试在 Codex CLI 命令行环境中复现从分析图片到生成新图的全流程。在操作过程中，尽管 AI 成功读取了下载的 Skill 代码逻辑，但在最终执行生图指令时受阻。系统反馈显示，CLI 会话未提供内置图像生成工具，且本地图片预览通道存在沙箱故障，导致无法直接调用生图接口。随后，开发者将方案迁移至网页端，通过手动提取核心 Prompt 才成功完成图像生成任务。这一现象暴露了当前 AI 编程工具在不同交互界面下，对多模态模型能力的调用存在显著差异。
事件分析
该案例揭示了当前 AI 辅助编程工具在处理多模态任务时的架构瓶颈。尽管基于 LLM 的 CLI 工具（如 Claude Code）具备强大的代码理解和逻辑推理能力，但在涉及图像生成等依赖 GPU 渲染或特定云端 API 的功能时，本地沙箱环境往往缺乏必要的接口支持或权限。这表明目前的 AI 编程生态尚处于割裂状态：CLI 环境擅长逻辑构建与代码生成，而繁重的媒体生成任务仍严重依赖 Web 端服务。对于开发者而言，这意味着构建复杂的 AI Agent 工作流时，必须仔细甄别不同运行环境下的工具边界，且 CLI 工具在未来版本中急需补齐对第三方多模态 API 的原生支持。
💡 核心观点：CLI 与 Web 端的功能割裂，暴露了本地 AI 沙箱在多模态调用链路上的技术短板。
原文链接：Linux.do
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南