最简单的办法，是不要给 codex 喂图片，这需要你的上游改变，借助 ai 工具可以直出 html 原型，然后你接手这个是最方便的。

其次，是用 paddleocr 之类的本地视图工具，来做提取，再基于这个提取的 json ，转成一个 markdown 的页面说明，你再来基于这个 markdown 来作一些微调，再让 ai 根据这个 markdown 复原页面。多跑几次后，就能固定为 skill 了。

我试过 cursor 之类的，能读图，但总有细节丢失（特别是超大图，宽表之类的），用上面的方案转成 md 后，进行微调强不少。