OpenCode 图片处理完全指南:拖拽分析、参考设计与 AI 生成

OpenCode 图片处理完全指南:拖拽分析、参考设计与 AI 生成

背景

OpenCode(社区常称为 gopencode)是一个用 Go 语言编写的开源 AI 编码代理,可运行在终端、桌面或 IDE 中。它支持 75+ LLM 提供商,提供 Plan/Build 双模式,内置 LSP 集成、多会话并行、MCP 扩展等能力。

很多人只知道 OpenCode 是一个"编码助手",忽略了它强大的图片处理能力。实际上,OpenCode 在三个层面深度支持图片工作流:

  1. 图片分析:拖拽图片到终端,让 Agent 读取并理解图片内容
  2. 设计参考:在 Plan 模式中提供 UI 参考图,指导代码生成
  3. 图片生成:通过支持多模态输出的模型或 MCP 工具直接生成图片

本文通过完整的实战案例,展示这三种能力的用法。

前置条件

确保已安装 OpenCode:

1
2
3
4
5
6
7
8
# 一键安装
curl -fsSL https://opencode.ai/install | bash

# 或通过 npm
npm install -g opencode-ai

# 通过 Homebrew
brew install anomalyco/tap/opencode

选择合适的提供商:你需要一个支持多模态输入或图片生成的模型。推荐:

用途 推荐提供商
图片分析/识别 OpenAI (GPT-4o)、Anthropic (Claude Sonnet)、Google (Gemini)
图片生成 OpenAI (DALL-E/GPT Image)、Google (Gemini/Imagen)、OpenRouter
本地模型 Ollama (LLaVA、Qwen-VL)

配置提供商:

1
2
3
4
opencode
# 进入 TUI 后输入:
/connect
# 选择你的提供商并输入 API Key

图片分析:让 Agent “看懂"图片

OpenCode 支持拖拽图片到终端。图片会自动上传并以 [Image #1] 占位符的形式注入到对话中,Agent 可以读取和分析图片内容。

基础用法

在项目目录中启动 OpenCode:

1
2
cd /path/to/project
opencode

将一张截图或图片文件从文件管理器拖入终端窗口:

1
2
[将图片拖入此处]
分析这张图片中的 UI 布局,告诉我用了什么颜色方案和字体风格

Agent 会读取图片并给出分析结果。

实战案例 1:UI 设计稿分析

场景:你收到一张设计稿截图,想让 OpenCode 分析后生成对应代码。

1
2
3
4
5
6
7
[拖入 design-mockup.png]
这是新页面的设计稿,请分析:
1. 页面的整体布局结构
2. 颜色方案和字体使用
3. 交互元素的样式(按钮、输入框、卡片)

然后根据分析结果,用 HTML + Tailwind CSS 实现这个页面。

OpenCode 会先分析图片,然后生成匹配的代码。这对前端开发特别有用——从设计图直接到代码实现。

实战案例 2:Bug 截图分析

场景:程序出了 bug,你截图了错误界面。

1
2
3
4
5
[拖入 error-screenshot.png]
这是我在测试时遇到的错误页面,请分析截图中的错误信息:
1. 错误代码和消息是什么
2. 可能的原因是什么
3. 如何修复这个 bug

Agent 不仅能读懂错误信息,还能结合你的代码库上下文给出修复方案。

实战案例 3:架构图理解和文档生成

1
2
3
4
5
6
7
[拖入 architecture-diagram.png]
这是项目的架构图,请分析:
1. 系统包含哪些组件
2. 组件之间的通信方式
3. 数据流向

然后根据这张图,生成一份 README 中的架构说明文档。

设计参考:用图片指导代码生成

OpenCode 的 Plan 模式特别适合与参考图配合使用。先按 Tab 切换到 Plan 模式(右下角会显示指示器)。

实战案例 4:参考现有设计实现新功能

假设你想实现一个类似已有设计的新页面:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
<Tab>  切换到 Plan 模式

[拖入 existing-page.png]
我们有一个已存在的设计,想在新页面中复用类似风格。

需求:
- 新建一个用户设置页面 `/settings`
- 参考图中的布局结构:左侧导航 + 右侧内容区
- 颜色方案保持一致
- 字体和间距也按照图中的样式

请先给出实现计划。

Agent 分析图片后生成计划,你可以迭代调整。满意后按 Tab 切回 Build 模式:

1
2
3
<Tab> 切换到 Build 模式

计划没问题,开始实现吧。

实战案例 5:组件级设计参考

1
2
3
4
5
[拖入 button-component.png]
请实现这个按钮组件:
1. 包含所有视觉状态:normal、hover、active、disabled
2. 使用图片中所示的渐变背景色和阴影
3. 导出为 React 组件并支持 props 配置

OpenCode 会从图片中提取颜色、阴影、圆角等设计参数,生成对应的组件代码。

图片生成:通过 AI 模型直接创建图片

OpenCode 本身不内置图片生成能力,但通过其 75+ 提供商和 MCP 扩展系统,可以有多种方式生成图片。

方式一:使用支持图片输出的多模态模型

部分 Advanced 模型(如 OpenAI 的 GPT Image、Google Gemini)可以直接输出图片。在 OpenCode 中切换到这些模型即可:

1
2
/模型选择
选择 openai/gpt-image-2 或 google/gemini-3-pro-image

然后像聊天一样直接请求生成图片:

1
2
请生成一张 1024x1024 的图片,主题是一只橘猫程序员在终端前 coding,
风格是扁平插画,浅色背景。

生成结果会以链接或内嵌图片的形式显示在 TUI 中。

方式二:通过 MCP 工具集成图片生成 API

OpenCode 支持 MCP(Model Context Protocol),可以添加图片生成的 MCP 服务器。

安装 Composio MCP 集成(提供多种图片生成工具):

1
2
3
4
5
6
# 安装 Composio MCP 插件
opencode plugin add composio

# 连接图片生成工具
# 在 OpenCode 中:
请连接 Composio 的 AI/ML API 工具,我需要图片生成能力

自定义 MCP 服务器示例:

创建一个简单的 MCP 服务器来封装 DALL-E 或 FLUX API:

1
2
3
4
5
6
7
8
9
// opencode.json
{
  "mcpServers": {
    "image-gen": {
      "type": "url",
      "url": "http://localhost:3001/mcp"
    }
  }
}

然后在对话中:

1
用 image-gen 工具生成一张关于"日落海滩"的图片

方式三:通过 bash 工具调用 CLI 图片生成工具

OpenCode 可以执行 bash 命令。如果你的系统中有图片生成 CLI(如 Open AI CLI、MiniMax 的 mmx CLI 等),可以直接在 OpenCode 中调用:

1
2
运行这个命令生成图片:
!mmx image --prompt "一只戴耳机的猫,赛博朋克风格,霓虹灯"

或者通过 curl 调用 API:

1
2
3
!curl https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{"model":"dall-e-3","prompt":"赛博朋克风格的城市夜景","n":1,"size":"1024x1024"}'

实战案例 6:完整的多模态工作流

下面是一个从图片分析到生成新图片的完整工作流:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
场景:为一个博客文章生成社交分享图

第一步:提供参考风格
[拖入参考图 - 一张你喜欢的社交媒体卡片设计]
分析这张图片的设计风格:颜色、字体、布局、装饰元素

第二步:让 Agent 理解需求
我有一篇新博客文章,标题是:
"Go 语言并发编程:从入门到精通"
这篇文章是关于 Go 的 goroutine 和 channel 的。

第三步:生成代码实现
请根据参考图的风格,生成一个 HTML 社交分享卡片(1200x630px):
- 使用图片中的颜色方案
- 标题用大号粗体
- 加入 Go 语言相关视觉元素(Gopher 吉祥物风格)
- 底部包含作者名和日期

第四步:预览并截图
!open output.html

第五步:如果需要 AI 直接生成图片
切换到支持图片生成的模型:
/模型选择 gpt-image-2

请用同样风格为 "Go 并发编程" 生成一张社交媒体图片,
尺寸 1200x630,包含 Gopher 元素,简洁专业

实战案例 7:非交互模式下的图片处理

OpenCode 的 CLI 模式可以集成到脚本中。这在自动化图片处理流水线中特别有用。

1
2
3
# 分析图片并输出 JSON 结果
opencode run --output json \
  "分析 @screenshot.png,输出一个 JSON:{\"layout\": \"...\", \"colors\": [...], \"elements\": [...]}"
1
2
3
4
# 批量处理截图
for file in screenshots/*.png; do
  opencode run "分析 @$file,列出所有可见的 UI 元素" >> analysis/$file.txt
done
1
2
3
# CI 中自动生成 Open Graph 图片
opencode run \
  "为 '$BLOG_TITLE' 生成一张 OG 图片的 HTML,尺寸 1200x630,风格简洁现代,保存到 og-image.html"

常见问题

支持哪些图片格式?

OpenCode 支持 PNG、JPG、GIF、WebP 等常见格式。大图片会被自动压缩处理。

如何粘贴剪贴板中的截图?

目前 OpenCode 主要通过拖拽方式附加图片。剪贴板粘贴的支持正在开发中(GitHub Issue #906)。

生成的图片保存在哪里?

通过多模态模型生成的图片会返回 URL 或 base64 数据。通过 bash 命令生成的图片会保存在你指定的路径。

为什么 Agent 分析了图片但没有生成图片?

OpenCode 是一个编码代理,主要聚焦在代码生成和文件操作。图片分析是编码工作流的一部分(设计稿→代码、Bug 截图→修复),而不是独立的图片编辑工具。要生成图片,需要使用支持图片输出的模型,或通过 bash 命令调用图片生成 API。

在远程服务器上能否使用拖拽图片?

如果你通过 SSH 连接远程服务器,需要在终端模拟器中启用图片支持(如 iTerm2、Kitty 支持图片协议)。部分远程场景可能需要使用 opencode web 通过浏览器访问。

总结

OpenCode 的图片处理能力可以分为三个层次:

能力 实现方式 典型场景
图片分析 拖拽图片到终端,模型自动识别 设计稿分析、Bug 截图、架构图理解
设计参考 Plan 模式 + 参考图 UI 实现、组件开发、风格复现
图片生成 多模态模型输出 / MCP 工具 / bash CLI 社交媒体图、概念图、封面图

OpenCode 的核心优势在于将图片处理无缝嵌入编码工作流——不需要打开另一个工具,不需要切换上下文,在终端中一站式完成从"看图片"到"写代码"再到"生成图片"的完整闭环。

参考资源