09 · 多模态：贴图改 UI

📚 系列导航：上一篇 08 四类高频工作流 给了四类场景的模板。这一篇加一个新维度——不光能打字，还能直接给它看图：报错截图、设计稿、架构图，丢进去它就懂。

---

01 为什么要给它看图

当一件事「描述起来比截图还费劲」的时候，就该上图了。官方原话：当文本描述不清楚或繁琐时使用图像。

场景	打字描述有多累	上图有多省
页面错位/样式不对	「这个 div 往右偏了二十几像素，还跟下面那块重叠了」	截个图，它一眼看到错位
报错弹窗/控制台红字	手敲一长串堆栈	截图甩进去，上下文一起给
还原设计稿/仿组件	「主色偏紫的蓝，圆角不大不小……」	给图让它自己量

---

02 三种喂图方式

方法	操作	最适合
拖进窗口	从文件管理器拖进终端	新手，最直觉
ctrl+v 粘贴	复制图片后按 ctrl+v	最高频，截图后直接用
给文件路径	提示里直接写路径	脚本/已存文件

WARNING

全篇最大的坑：Mac 粘贴图片用 ctrl+v，不是你习惯的 cmd+v。 很多终端里 cmd+v 粘的是文件路径文本，图根本没进去，还以为不支持。ctrl+v 是哪儿都好使的路。

粘贴成功后输入框出现 [Image #1] 标记，表示图上好了。

---

03 三大用途

用途一：贴报错截图

把出问题的截图甩给它，让它看着现场断案。报错弹窗里有图标、有颜色、有排版，手敲只能描述个大概，截图就是给 Claude 的「现场照片」。

Here's a screenshot of the error. What's causing it?

用途二：还原设计稿

给它一张设计稿，让它吐出能跑的代码。这是效率差距拉开最大的地方——对着图量数值、调间距、试配色，原本是最枯燥的体力活。

照着这张设计稿生成对应的 CSS

What HTML structure would recreate this component?

TIP

合理预期：它不是像素级复刻，是给你一个高完成度的起点。从零写 CSS 和改它给的八成稿，完全是两个工作量。

用途三：读图表/架构图

图表、数据库 schema、架构图——这类「讲关系」的图用文字串起来特别绕，用图一目了然。

This is our current database schema. How should we modify it for the new feature?

Are there any problematic elements in this diagram?

接手陌生项目时，对方甩来一张架构图 PNG，直接喂给 Claude 让它先讲讲系统大概怎么跑——比自己对着图干瞪眼快得多。

---

04 多图与引用

• 同一条提示塞多张：比如「这是旧设计稿、这是新设计稿，对比改了哪些地方」
• Claude 用 [Image #1]、[Image #2] 编号引用，多图时一眼对上
• 点开编号就能打开图片：Mac 上 Cmd+Click，Windows/Linux 上 Ctrl+Click

NOTE

注意两个快捷键是反的：粘贴图片用 ctrl，点开图片链接 Mac 上却用 Cmd——别记混了。

---

05 动手：拖一张图让它读

claude

把桌面任意一张图拖进终端窗口，输入框出现 [Image #1] 标记，接着打字：

这张图里是什么？用中文描述一下你看到的内容

预期：Claude 读取图片，准确描述图里内容。看到它说对了 = 喂图成功。

Mac 试粘贴方式：在预览里复制图片，回终端按 ctrl+v（不是 cmd+v）。按完出来路径文本就是按错了，删掉重来。

---

06 小结

维度	关键点
怎么喂	拖进窗口 / ctrl+v 粘贴 / 给路径
最大坑	Mac 用 ctrl+v，别用 cmd+v
三大用途	报错/UI 截图、还原设计稿、读图表/架构图
何时上图	描述比截图还累的时候
多图与引用	同一条可塞多张，[Image #N] 编号引用，点开查看

NOTE

下一篇：10 会话经营：上下文窗口怎么管、对话怎么压缩、模式怎么切——把 Claude 的注意力省在真正要紧的事上。