电商主图批量生产工业化：Prompt模板化与自动化质检实践

1. 项目背景：为什么我要把电商主图生产“工业化”

先说结论：这件事的起点，不是“AI绘图很酷”，而是“人工做图太痛了”。

我手头同时运营着几个不同类目的店铺，SKU加起来几百个，每个月要上新的款式至少在30到50个左右。过去的主图流程是：找设计师排需求、等初稿、反复改文案、调背景、导出不同尺寸，再手动检查有没有错别字、有没有水印残留、有没有比例变形。一个品从需求提交到最终上线，运气好三天，运气不好一周。遇到大促前临时改款，整个链路直接卡死。

后来我尝试直接用图像生成模型一张张出图，效率是上来了，但新的问题更头疼：同一个系列的产品，风格飘忽不定——上一张是暖色棚拍，下一张就变成冷色科技风；同样的Prompt换个产品词，生成的构图完全对不上；更别提偶尔蹦出来的畸形手指、错误文案、缺胳膊少腿的商品主体。这种图别说上线，连内部审图那一关都过不去，人工一张张筛，跟自己做图也没差多少。

所以我开始思考：能不能把“生成主图”这件事，从“设计师手工活”改造成“工厂流水线”。

于是就有了这个项目——用多模态图像模型批量生产电商主图，核心抓手是两件事：Prompt模板化，以及自动化质检。模板化解决“风格统一、批量可复制”的问题，自动化质检解决“废片率不可控、人工审核成本高”的问题。这两个点一旦打通，主图生产就能从“一张一张画”变成“一批一批出”。

这篇文章不是讲理论，是我把这套流程在真实店铺里跑起来的完整记录。内容包括Prompt模板怎么设计、参数怎么定、质检流程怎么搭、踩过哪些坑，以及目前这套流程的边界在哪里。如果你想做同类的事，可以直接照着抄作业。

2. 整体架构：一条主图流水线是怎么拆出来的

2.1 先把“做图”拆成“工序”

传统做图，设计师脑子里想的是“这张图好不好看”。但一旦进入批量生产，就不能靠“感觉”驱动了，必须把每一个环节拆成可执行、可检查、可复用的工序。

我把整个主图生产流程拆成了五个环节：

1. 产品素材准备：整理每个SKU的干净产品图、白底图、多角度图。
2. Prompt模板生成：根据类目和风格预设，把产品词、场景词、构图词、光影词组合成标准化的Prompt。
3. 批量出图：调用多模态图像模型，按模板批量生成候选图。
4. 自动化质检：用规则脚本加视觉模型，筛查错图、畸形、文案错误、构图超界等问题。
5. 人工终审与微调：自动化筛掉明显废片后，剩下的小批量候选图由人工快速挑选并微调。

这个拆法最大的好处是：每个环节都能单独优化。比如出图不稳定，不一定要换模型，可以回头改模板；质检漏检率高，不一定要堆人力，可以加规则。流水线思维的核心是“问题定位到工序”，而不是“图不好就重画”。

我当时特意用了一张表格来记录每个环节的耗时占比，跑完一轮后你会发现，真正的瓶颈往往不在生成模型本身，而在你Prompt模板的质量和质检规则的覆盖率。

2.2 为什么选“模板化”而不是“自由创作”

很多人玩图像生成模型，喜欢随手写Prompt，今天一个风格，明天一个风格，出来的图每张都“很惊艳”，但放在店铺里就是灾难——整个店铺视觉杂乱，用户刷到你的商品页和刷到一个地摊没什么区别。

电商主图要的是统一性、可预期、可复用，不是艺术表达。模板化就是把这个需求落到技术层面：

• 统一变量：把Prompt拆成常量部分和变量部分。常量是风格、光影、构图、画质等固定描述，变量只有产品词、卖点词、角度词。
• 保证可复制：换一个SKU，只需要替换变量，不需要重写Prompt。
• 方便调优：某个风格出图效果不好，只需修改模板中的常量部分，所有SKU同步生效，不用逐条改。

我见过一些人抵触模板化，觉得“限制了AI的能力”。但从工程角度讲，电商主图要的不是“上限高”，而是“下限稳”。模板化的本质是把模型的随机性摁在可控范围内，让每次出图都朝同一个方向收敛。

2.3 技术选型：多模态模型到底选哪个

多模态图像模型目前可选的范围其实挺多。国内外的服务商都在做，API能力大同小异，核心差异在三点：中文理解能力、出图稳定性、审图合规策略。

我当时筛选了几个主流的可用服务，逐一跑了50张测试图，评估维度包括：

最后我选了以国产多模态模型为主要生成引擎的方案。原因很实际：中文产品描述、中文营销文案、中文Prompt，国产模型的理解更精准；另外API稳定性也扛得住批量调用。如果你做的是纯英文市场，也可以考虑其他模型，但核心方法论是一样的：先小批量测试，再决定规模化。

3. Prompt模板化的核心设计：把一句话变成一套工程

3.1 从“一段话”到“结构化模板”

早期我写Prompt是这样的：

一张电商主图，某个保温杯，放在木桌上，旁边有绿植，光线温暖，高清，好看。

这种Prompt的随机性非常大。模型会自由发挥构图、光线、景深、甚至杯子的形状。同一句话出10张图，可能3张能用，7张是废片。

后来我把Prompt拆成了结构化模板，大致分五个区块：

1. 产品主体描述：产品名称、材质、颜色、形状、关键特征。
2. 场景与背景：场景类型、背景色、环境元素。
3. 构图与镜头：拍摄角度、镜头焦段、景深、主体占比。
4. 光影与质感：光源方向、光比、质感、氛围。
5. 画面与约束：画质、比例、负面约束（不要多余物体、不要畸形等）。

模板化之后，这五块内容组装起来是这样的：

【主体】一张“XXX（产品词）”的电商主图，产品为“YYY（材质/颜色/特征）” 【场景】放置在“ZZZ（场景词）”中，背景为“WWW（背景词）”，有“VVV（辅助元素）” 【构图】使用“45度俯拍”，产品居中偏右，占画面60%，浅景深 【光影】主光源来自“左上方”，光线柔和，高光柔和，阴影干净 【画质】4K超清，商品摄影风格，细节纹理清晰，整体色调统一

这个模板的好处是：每个区块是独立的，想调整风格时改一个区块就行，不用动其他部分。比如从“暖色木桌”换成“冷色大理石”，只改场景区块。

3.2 变量池设计：让模板“活”起来

模板不是死文字，它的威力来自变量池。我按类目维护了一套变量池，比如：

场景变量池（以保温杯为例）：

• 户外露营风：“放置在木纹折叠桌上，背景是朦胧的森林，有晨雾”
• 居家办公风：“放置在简约办公桌上，背景是白墙和绿植，有笔记本电脑虚化”
• 通勤随行风：“放置在汽车杯架上，背景是城市街道虚化，有包袋元素”

光影变量池：

• 暖阳感：“主光源来自右侧45度，色温偏暖，阴影柔和”
• 清冷感：“主光源来自顶部，色温偏冷，明暗对比明显”
• 高级感：“主光源来自侧后方，轮廓光清晰，整体低饱和”

构图变量池：

• 中心主图：“产品居中，占画面70%，背景简洁”
• 场景带入：“产品偏左下，占画面50%，右侧留白放文案区”
• 细节特写：“产品局部特写，占画面85%，突出材质纹理”

每次上新款，我只需要做两件事：从变量池里选值，填入模板。如果某个变量池出的图效果不好，就优化该变量的描述，而不是推翻整个模板。

3.3 负面Prompt和约束词：消掉一大半废片

很多人不注意负面Prompt，觉得“模型不会那么傻吧”。实际上，模型会。我早期生成保温杯主图，经常出现：

• 杯盖和杯身错位
• 杯身Logo文字乱码
• 多了一只不属于产品的异物
• 产品的倒影方向不符逻辑

后来我在模板末尾固定加一段负面约束：

【负面约束】不要多余物体，不要变形的手或肢体，不要错误的文字，不要水印，不要Logo乱码，不要镜面倒影错误，不要颜色偏移，不要模糊低清

这段约束加上之后，废片率直接从50%降到30%左右，效果立竿见影。但要注意，负面提示词不是万能的，它更多是“减分项规避”，真正的构图和风格控制，还是要靠正向描述做扎实。

3.4 Prompt的“长度阈值”问题

我在实操中踩过一个跟“Prompt too long”相关的坑：模板变量太多时，拼接出来的Prompt会非常长，长到某些模型的API直接报错。

常见的报错是：

Your prompt was flagged as potentially violating our usage policy. Please try again with a different prompt.

这个报错不完全是敏感词问题，有时候就是Prompt超长或结构混乱导致模型服务端的审查策略误判。我的处理方法是：

• 控制总长度：单个Prompt控制在200字以内，变量部分精简。
• 常量部分缩写：把“不要出现多余物体”这类长句压缩成“无多余物”等短词。
• 拆分生成：如果场景描述确实太多，就把“场景”和“光影”拆分到两个Prompt里分别出图，再后期融合。

4. 自动化质检：把“人眼筛选”变成“规则+模型”

4.1 为什么批量出图后，必须走自动质检

很多人在批量生成主图时，把注意力全放在Prompt上，出完图直接丢给人工审核。这个流程在几十张图时勉强能跑，一旦上了几百张，人工审核会崩溃——不是人不够聪明，是人眼持续看图会产生严重的视觉疲劳，很多畸形和错字会“视而不见”。

我自己有过一次惨痛经历：批量出了100张主图，人工审了两轮，结果上架后有用户反馈某张图的商品Logo反了。这就是人工审核的极限——它无法做到不遗漏。

所以我把质检拆成了两层：

1. 规则质检：用程序判断图片的硬性指标，比如尺寸、格式、文件大小、是否含透明通道等。
2. 视觉质检：用视觉模型做内容级判断，比如主体是否完整、是否有变形、是否有乱码文字。

两层质检叠加，不能说100%拦截所有问题，但能把漏检率压到极低水平。

4.2 规则质检：先挡住“硬伤”

规则质检说起来很简单，就是把图片当作文件来处理：

• 尺寸是否符合平台要求（比如淘宝主图建议800x800或750x1000）
• 格式是否为JPG/PNG/WebP
• 文件大小是否在合理范围（过大影响加载，过小可能压缩过狠）
• 分辨率是否低于预设阈值（比如低于720px直接弃用）
• 是否存在EXIF信息异常

这些规则写成一个脚本，批量跑一遍，速度极快，几百张图几秒钟就能过滤完。规则质检解决的是“能不能用”的问题，不解决“好不好看”的问题。

4.3 视觉质检：让模型“审图”

视觉质检我用了两种路径：

第一种：用视觉语言模型做“看图说话”式审查。把图片传给视觉模型，让它输出图片内容的文字描述，再用规则判断描述中是否包含问题关键词。比如：

• 描述中出现“多了一个物体”“多余的手”等词，判为废片。
• 描述中出现“文字模糊”“乱码”“拼写错误”等词，判为文案问题。
• 描述中出现“产品变形”“扭曲”“比例不协调”等词，判为畸形图。

但直接让视觉模型输出描述，不够稳定，不同模型对同一张图的描述差异很大。我的做法是用标准问题的形式让模型回答：

请检查这张商品主图，按以下维度回答： 1. 图中是否有且只有一个主体商品？主体是否完整？ 2. 画面中是否有变形、畸形、多余物体？ 3. 画面中的文字是否清晰、无错别字？ 4. 构图是否符合商品居中、背景简洁的要求？ 5. 整体光线是否均匀、无过曝或死黑？ 对每个问题回答“是”或“否”。

这种方式比开放式描述更可控，质检结果更结构化，方便后续自动化处理。

第二种：用图像分类模型做特征判定。如果对某些特定类目有明确的质检标准，可以训练一个轻量级的二分类模型，比如“合格/不合格”分类器。但这个方案对大多数中小卖家来说成本偏高，我目前只在数据量最大的一个类目上做了尝试，其他类目还是用视觉语言模型方案。

4.4 质检流程的编排：先规则后视觉

质检流程我编排成了一条流水线：

1. 文件级规则质检→ 不合格直接丢弃。
2. 尺寸和比例检查→ 不符合目标平台要求的，做等比裁剪或丢弃。
3. 视觉模型初筛→ 判断主体完整性和变形问题，有问题的进废片池。
4. 文字与Logo专项检查→ 重点看主图上的促销文案、Logo有没有乱码。
5. 人工终审→ 每批图保留30%左右给人工快速过目。

为什么人工终审保留30%？因为视觉质检模型也有误判率，特别是对“好看”这种主观感受，模型很难替代人。但人工只看“候选通过”的图，工作量已经比全量审核大幅缩减了。

5. 实操实录：从模板到成图的全流程演练

5.1 一个完整案例：保温杯主图批量生产

我用一个具体案例来演示整个流程，产品是“简约白色保温杯”。

第一步，从变量池选择参数：

• 产品词：白色简约保温杯，磨砂材质，带黑色硅胶提环
• 场景：居家办公风（简约办公桌、白墙、绿植虚化）
• 构图：产品居中偏右，占画面60%，浅景深
• 光影：侧上方自然光，光线柔和，色温偏暖
• 风格：商品摄影风格，4K超清

第二步，组装Prompt：

一张白色简约保温杯的电商主图，磨砂材质，带黑色硅胶提环，置于简约办公桌上，背景为白墙和绿植虚化，产品居中偏右，占画面60%，浅景深，侧上方自然光，光线柔和，色温偏暖，商品摄影风格，4K超清，细节纹理清晰，整体色调统一。无多余物体，无变形，无错误文字，无水印，无Logo乱码。

第三步，批量生成参数设置：

• 单次生成数量：4张
• 出图比例：1:1（主图标准）
• 模型版本：最新稳定版
• 随机种子：同一Prompt用4个不同种子

为什么用多种子？我的经验是：不要试图让模型一次出到完美图，而是同一Prompt多生成几张，再从中挑最优。AI生成不是“一次命中”的游戏，而是“批量采样+筛选”的游戏。种子固定时，同Prompt出图的风格一致性会好一些，但多样性不足，所以我每次用4个不同种子抽4张候选图，然后进质检流程。

第四步，质检输出：

• 规则质检：4张图尺寸、格式、分辨率全部合规。
• 视觉质检：第1张通过全部5个维度的检查；第2张“背景过于杂乱，有椅子的局部入镜”，判为不合格；第3张“杯身反射了窗框，影响主体识别”，判为不合格；第4张通过。
• 人工终审：选出第1张作为主图，第4张作为备选。

最终一张合格主图的生产时间：从Prompt组装到质检完成，不到3分钟。过去这个流程至少需要半天。

5.2 参数选型背后的逻辑

这里展开讲几个我做过的参数选择，以及背后的思考：

一次性生成数量为什么不是8张或12张？

模型生成的废片率直接决定你需要生成多少张。如果废片率30%，生成4张合格期望值约2.8张；但如果生成8张，合格的会更多，但同时审查成本、API费用、存储和管理成本都会上升。对我这种中小卖家来说，4张是性价比平衡点——既保证候选充足，又不至于管理过剩。

为什么用1:1比例而不是其他比例？

不同平台对主图比例要求不同。淘宝、拼多多主图默认1:1，京东和亚马逊部分场景需要16:9或4:3。我目前主力渠道以1:1为主，特殊渠道再单独做尺寸适配。如果你同时运营多个平台，建议在模板中直接加一个“比例”变量，换平台时一键替换。

随机种子要不要固定？

这个看场景。如果你是“同一个产品，出多张风格不同的图”，那就不固定种子，让模型多发挥；如果你是“同一风格、批量复制到多个产品”，建议固定种子，这样同一产品不同图片之间的风格一致性更高。我的做法是“每个产品固定种子区间”，比如SKU001用种子1001-1004，SKU002用2001-2004，既保持组内一致，又能让不同产品之间有辨识度。

5.3 批量上架时的“长尾校验”

批量生产完主图后，还有一个容易被忽略的环节：图文一致性校验。

很多AI生成的主图，图片本身质量没问题，但图片里的信息和商品标题、详情页描述不一致。比如标题写“带提环”，但AI生成的图上杯子没有提环；标题写“500ml容量”，图上杯身印了“350ml”。

这个问题的根源是：多模态模型对数值、文字这类精确信息的还原能力还不够可靠。我的补丁方案是：在质检流程中增加一项“图文一致性比对”，把商品标题和详情页的关键卖点提取出来，跟图片描述做比对，关键卖点缺失的图直接降级。

当然，这个方案不能百分百保证不出错，但能显著降低“货不对图”的投诉率。

6. 常见问题与避坑记录：那些不会写进API文档的事

6.1 “Invalid prompt”类报错：不一定是敏感词问题

这个坑我最初以为只是“Prompt里有违规词”，后来发现没那么简单。

我遇到过三种情况触发类似的报错：

1. Prompt真的包含敏感词：比如涉及医疗、夸张功效、绝对化用语等。电商场景里特别容易踩，像“最佳”“纯天然”“治愈”这类词在部分平台的审查策略里可能被标记。
2. Prompt超长或结构混乱：当Prompt过长、标点符号使用不规范、中英文混杂严重时，模型前置审查模块可能直接拒绝处理。
3. 批量调用频率过高触发风控：短时间大量调用API，服务端可能临时性拦截请求，报错信息有时也是这个。

我的排查顺序是：先降温重试（等几分钟再发）→ 再精简Prompt → 再检查敏感词。不要一看到报错就删词，先排除限流问题，否则你可能白改了一堆原本没问题的Prompt。

6.2 主图文字渲染：AI画图最不靠谱的一环

到目前为止，AI图像生成模型对文字的渲染能力仍然是最弱的一环。特别是中文文案，稍微长一点的句子，大概率会出现笔画错乱、繁体简体混用、火星文乱码。

我的应对策略是：

• 不在生成阶段写入长文案，只保留一个简短品牌词或“NEW”等短英文词。
• 后期叠加真实的文案图层，用设计工具把促销文案、价格标签等后期合成到图上。
• 主图上的核心卖点用图标或图形来表达，不让模型直接渲染，因为图形比文字不容易出问题。

这个策略不是我一开始就想到的，是踩了无数次乱码坑之后总结出来的。现在我的主图生产流程里，Prompt模板中默认不写超过2个汉字以上的任何文案。

6.3 产品一致性漂移：同一个杯子，出的图像两个杯子

批量生产中最让人头疼的问题，是同一款产品在不同Prompt下生成的外观漂移。比如真实产品是圆底保温杯，AI生成图有时候会出现方底、细长、带花纹等“变异体”。

根本原因是：模型对产品细节的记忆不是通过单张产品图建立的，而是通过语言描述建立的。你描述得再详细，模型也可能在生成时加入自己的“想象”。

解决方案有几个方向：

• 使用参考图（图像输入）功能：现在不少多模态模型支持输入参考图，把产品实物图作为参考，再结合Prompt生成，主体还原度会大幅提升。
• 增加产品特征约束：在Prompt里把关键尺寸、材质、颜色、结构细节写清楚，比如“杯盖为圆形螺纹旋盖，杯身为磨砂材质，底部为不锈钢原色”。
• 人工终审把关：产品外观的一致性，目前还没有完美全自动方案。自动化只能筛掉明显畸形，细微差异还是得靠人眼对比实物图。

6.4 图片批量管理：被忽略的“脏活累活”

最后一个特别现实的坑：批量生成后，文件命名、版本管理、文件夹组织。这个听起来很无趣，但做不好全流程会乱成一锅粥。

我的命名规范是：

SKU编号_模板版本_种子号_生成日期_序号

比如：

CUP001_T2_S1001_20250115_01.png

这样命名的好处是：出了问题能快速回溯到“这个图用的哪个模板、哪个种子、哪一天生成的”。没有这个规范，几百张图堆在文件夹里，找一个图要好几分钟，修改一个模板后要重新生成哪些图也完全不可控。

整个项目跑到现在，我最大的体感是：电商主图生产从“艺术创作”变成了“标准化制造”。前者依赖人的灵感和状态，后者依赖一套流程和参数。这套东西不是让设计师失业，而是把机械重复的部分交给机器，把真正需要审美判断的部分留给人。特别是自动化质检，它看起来没有Prompt工程那么“炫”，但省下的时间成本远超预期。

最后分享一个我自己的小经验：不要一上来就追求“全自动无人值守”。最合理的节奏是，先用模板化减少重复劳动，再用自动化质检降低审核成本，最后才是逐步提升流程的自动化率。先跑通，再跑快，这套流程才能真正在你的业务里落地。