必须先验证Codex是否依赖真实图像：关闭多模态后若仍输出UI细节，说明存在“海市蜃楼推理”；再通过模糊、反光、遮挡三类干扰图测试抗干扰能力；最后用像素级小图交叉验证文字识别准确性，需三方模型一致才可信。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让Codex从一张模糊、反光或局部遮挡的UI截图中准确提取控件结构并生成HTML，却担心它凭空编造导航栏、误判按钮状态、把噪点当成图标——这必须通过一套可操作的验证机制来拦截“海市蜃楼推理”，而不是依赖模型自信的输出。
第一步：用Phantom-0基准快速筛出“无图幻觉”
打开Codex客户端 → 进入任意聊天窗口 → 输入指令 /multimodal off 关闭视觉输入 → 粘贴一道典型UI分析题（如：“请将这张后台首页截图转成React组件，左侧菜单支持折叠”）但不上传任何图片。
观察响应内容是否包含具体界面元素描述（如“顶部蓝色导航栏含用户头像和退出按钮”）。若出现此类细节，说明模型已进入“海市蜃楼模式”，此时所有后续图文联合分析结果都不可信。
这一步必须做，【关闭多模态后仍输出UI细节=模型未真正依赖图像】，直接跳过将导致后续验证全部失效。
第二步：构造三类干扰图进行抗干扰测试
准备三张测试图，每张对应一种常见失真类型：
方法一：模糊图——用高斯模糊处理原截图（半径≥8px），重点模糊文字区域与按钮边界；
方法二：反光图——在屏幕拍摄时开启手机闪光灯直射，制造镜面高光覆盖左上角Logo；
方法三：遮挡图——用黑色矩形遮盖截图中央30%区域，确保覆盖关键操作按钮。
分别上传这三张图 → 紧跟发送同一指令：“列出图中所有可点击控件及其位置描述”。
注意：若AI对模糊图返回“搜索框位于右上角”，但原始清晰图中该位置实际是空白状态栏，说明视觉编码器已失效，模型正在用文本先验补全——此时生成代码必然错漏。
第三步：执行像素级交叉验证
第一步：用截图工具截取原始UI图中一个明确控件（如“提交按钮”）的精确像素区域（建议200×80px）→ 单独保存为PNG；
第二步：将该小图上传至Codex → 发送指令：“描述这个区域内的所有视觉元素，仅限可见内容，不推测功能”；
第三步：比对AI描述与真实像素——若它声称“按钮上有白色文字‘确认’”，而实际该区域仅有灰阶渐变无文字，则【该模型在此分辨率下无法解析文字纹理】，整张大图的文字识别结果均需人工重校。
第四步：将同一小图上传至Qwen-VL-Max与GPT-4V平台，获取三方描述 → 仅当三者一致提及“无文字”时，才采信Codex的“无文字”判断。
