一张商品图进去，一整套素材包出来

前几天我在另一个工作区搭了个电商内容智能体，取名叫“1电商”。

它的任务很单纯：你把一张商品图甩给它，再补一句产品描述，它还你一整套能直接上架的素材。

具体是多少东西呢，一张单品图能变出：10 版标题、一套卖点体系、一整页详情页文案，外加 14 张商品图。

搭完之后我拿一个三合一手机 U 盘做了全流程实测，从早上丢进去一张图，到晚上拿到一个 19.2MB 的素材压缩包，一天之内跑完了。这篇把整个过程和踩的坑都记下来，尤其是最后那个 API 限流的坑，我认为是全文最值钱的一段。

下面这些就是那天实际产出的素材，先放几张感受一下成品长什么样。

这是一张由智能体生成的主图，从商品图到场景、到卖点文字、到版式，都是它自己排出来的。

先说清楚它跟普通“AI 聊天”的区别

很多人对智能体的理解还停在“会聊天”，你问它一句，它回你一段。

我搭这个东西的出发点不一样。我不想让它当一个“会写文案的聊天框”，我要它能交付成品。

这个区别很关键。聊天框给你的是文字，你得自己复制、自己排版、自己配图、自己改尺寸、自己打包。成品不一样，成品是你拿到手就能上传后台、直接上架的整套东西。

所以它的能力被拆成三块：

• 文案端。批量标题、卖点提炼、完整详情页文案、多平台改写。
• 图片端。AI 出场景图、轮播图、详情图，再叠加文字和 Logo。
• 交付端。多 SKU 批量、自动质检、打包成 zip。

说白了就是一句话：别人给你一堆工具，我给你一套成品。

第一步：先把智能体的身份立起来

搭智能体的第一件事不是写代码，是给它一个身份。

我给它写了一个身份文件，把这个智能体的名字、角色、性格、风格、底线全部定义清楚。

名字叫“1电商”，角色是商品文案与详情页批量生成专家，性格要求专业高效、有商业嗅觉、懂平台规则也懂消费者心理。

风格上我特意写了一条：专业但不死板，说人话不堆空话，交付要完整详尽。

底线也写死了：不生成违反广告法的绝对化用语，不做虚假宣传。这条很重要，电商文案最容易踩的雷就是“最”“第一”“国家级”这类词，一写就违规，智能体必须自己知道不能碰。

身份之外还要配三样东西，跟人一样：

• 一个长期记忆文件，存核心事实和偏好。
• 一个每日记事文件，记当天干了什么。
• 一个知识库，把结构化的东西沉淀下来。

这三样配齐了，智能体才会有连续性。不然它每次对话都是新手，昨天讲过的规矩今天全忘。

第二步：给它装上一双“出图的手”

这是这次搭建里最核心的增量。

原来的电商智能体只会写字，你让它出图，它出不了。这次我要让它从“只会写字”升级成“能出图”。

出图的方案我先做了轮对比：

• 火山引擎的方案，中文商品图理解得最好，作为备选。
• 阿里通义这一套，电商场景强，图生图的保真度高，我选了它。
• Gemini 出图质量是天花板，但要外网，不方便。
• OpenAI 的图生成稳定，也留着当备选。

选阿里还有个实际原因：它支持把参考图以内联的方式传进去，不需要你先把商品图传到公网拿个 URL。对我这种本地跑的场景来说，省了大事。

踩坑记录：选好了餐厅，没付钱

配置出图能力需要三个东西凑齐：用哪家服务商、用哪个模型、以及最关键的一把钥匙。

我配前两项的时候手很顺，服务商填了，模型填了，然后就跑去测试。

结果报错。

排查半天才反应过来，我把钥匙忘了。这就好比你选好了餐厅、点好了菜，坐下才发现自己没带钱，一步都走不下去。

把钥匙补齐，文生图和图生图两条路立刻都通了。

这个坑不大，但很典型。现在很多能力的接入都拆成了“选服务商 + 选模型 + 配凭证”三件套，前两件是显式的选择，你会记得做；第三件是隐式的依赖，最容易漏。

第三步：从技能市场搬两个现成的技能回来

出图能力有了，接下来是让它干具体的活。

我没有从零写，而是从开源社区搬了两个现成的技能（Skill）回来改造。

技能一：电商素材工坊

第一个技能来自 GitHub 上 davepoon 的 buildwithclaude 仓库，路径在 plugins 目录下面的 all-skills。

它的定位不是我前面说的 AI 生成，而是图片的合成加工厂。它做的事情是：把已有的产品白底图合成到场景里去，叠加文字和 Logo，做多平台尺寸适配，最后打包。

说白了，AI 负责画，它负责组装和收尾。

接入的过程比想象中麻烦，我列一下：

• 下载。原始域名被墙了，我改用 GitHub 的 API 接口，把 17 个文件逐个拉下来，大概 340KB。
• 安全审查。这是必做的一步，检查有没有网络回传、有没有可疑的代码执行、有没有访问敏感路径。查完通过。
• 装依赖。给它建了一个独立的虚拟环境，把图片处理的几个库装进去。
• 中文字体。这个技能原本用的字体不支持中文，我额外下了 6 个中文字重，把代码里的字体路径改过来。
• 实测。场景合成、文字叠加、中文渲染，全部跑通。

技能二：商品图生成

第二个技能来自另一个开源仓库，LeoYeAI 的 openclaw-master-skills，路径下的 goods-images。

它是个纯提示词型的技能，没有脚本，就是一套怎么出淘宝天猫京东详情图和轮播图的指令。所以我下载完审查了内容就直接用了，只需要加一段“本地运行环境适配”的说明，把工具名、字体、环境路径对上去。

这个技能里有一条核心原则我觉得特别对：商品必须保真。

什么意思？就是 AI 出的图里，原商品的图案、文字、Logo、颜色，一个都不能变。很多 AI 出图工具的毛病就是画着画着把商品给改了，本来是个黑色铝合金外壳，它给你画成银色，这素材就废了。它的解法是靠图生图传参考图，让 AI 在保留商品原貌的前提下换场景。

第二条原则是用户零操作，后台自动完成，用户只管对话。

第三条是环境自适应，能用本地图片库处理就本地处理，处理不了才降级到 AI 生成。

第四步：拿一个真实的商品跑全流程

两个技能装好，我用一张三合一手机 U 盘的图做了全链路验证。

这是一张铝合金外壳的商品图，接口有 Lightning、USB-A 和 Micro-USB 三种。

整张图就是这么一张产品图，剩下的全交给它。

整个流程是这样跑的：

1. 视觉识别，判断出这是数码 3C 类的三合一手机 U 盘。
2. 风格匹配，选定了科技未来风，深空黑打底，青蓝点缀。
3. 图生图生成 3 张场景图，商品外观、接口、质感全部保持。
4. 用图片库叠加排版，做出 5 张轮播图，带上 Logo、卖点和活动条。
5. AI 生成 9 张详情图，覆盖封面、卖点、细节、场景、参数、售后这些模块。
6. 打包交付。

这一步里，图生图生成的三张场景图是这样的：

可以看到手机、电脑、桌面这些元素是重新生成的，但 U 盘本身的接口、材质、比例没动，这就是前面说的“商品保真”。

最后产出的东西：轮播图 5 张，800 乘 800；详情图 9 张，1024 乘 1536 的竖版长图；场景原图 3 张，1024 乘 1024。打成一个 19.2MB 的压缩包。

轮播图一组，五张的版式是统一的，只换卖点和场景：

全链路跑通，商品保真效果不错，中文渲染也清晰。从“一张图”到“一整套素材包”，一天之内完成。

最重要的经验：API 限流那一关

如果这篇文章你只记一件事，就记这一段。

我实测下来最大的坑，是图片生成 API 的限流。它比你想的要严格得多。

一开始我没当回事，想着 14 张图，我并发几个请求一起发，快一点。

结果撞墙了。大量请求直接被拒，返回的是一串限流错误码，一张图都没出来。

改成什么方式呢：

• 串行。一次只发一个请求。
• 间隔 20 秒。每张图之间停 20 秒再发下一张。
• 失败重试。如果被拒，等 15 到 20 秒再重试，最多重试 8 次。

按这个节奏，14 张图整体要跑 8 到 12 分钟。

这个时间长度有个连带影响：整个任务要跑十几分钟，你要是卡在前台等，很容易触发超时。所以我建议这类批量出图的任务直接在后台挂着跑，别死等。

这里我想多说一句感悟。很多做 AI 应用的人，卡的不是“能力有没有”，而是“节奏对不对”。

能力是有的，接口是通的，图是能出的。但就是这几行“串行 + 间隔 + 重试”的调度，决定了这件事能不能稳定跑完。生产环境和演示环境的差距，往往就在这些不起眼的地方。

还剩几个小坑，顺手记一下

除了限流，还有几个零碎的坑值得记：

• 原始下载域名被墙，改走 GitHub 的 API 接口，拿到的是 base64 内容，解码就是原文件。
• 系统自带的 Python 受环境管理限制，装不了包，得用独立的虚拟环境。
• 素材工坊里有个合成函数，返回的不是图片对象本身，得从它身上再取一层才拿到图，这个跟文档写的不一样。
• 某个配置文件的字段结构跟文档对不上，实际跑起来才发现真实字段名是另外两个。
• 技能代码里字体路径是写死的，换系统就找不到，必须手动改成自己的路径。

这些都是文档不会告诉你、只有真跑一遍才知道的东西。它们单个看都不致命，但攒在一起，就是“看着能跑”和“真的跑通”之间的差距。

最后，它到底能交付什么

跑完之后我把能力梳理成三类，方便别人理解。

文案类，拿到就能复制上架

• 批量标题，一次出 10 版，覆盖关键词型、卖点型、场景型、情绪型、促销型几种风格，用来测标题。
• 卖点提炼，一句话主卖点，加三到五个分点论证，再加材质参数认证这些支撑证据。
• 完整详情页文案，从主图文字到卖点模块到参数表到场景描述到信任背书到行动号召，一整套。
• 多平台改写，同一个产品按平台调性改，标题字数、违禁词、语言风格各平台不一样。

图片类，拿到就能下载使用

• 轮播图 5 张，带 Logo、卖点、活动条。
• 详情图 9 张，竖版长图，从封面到售后一整套。
• 场景图 3 张，用图生图保持商品原貌。
• 白底图转场景图，叠加文字和 Logo。
• 多平台尺寸适配，淘宝京东拼多多抖音小红书亚马逊都能对。

批量与增值

• 多产品多 SKU 一次产出，格式统一。
• 自动质检，检查图片比例、文字清晰度、风格一致性。
• 打包成 zip，开箱即用。
• 每次任务的踩坑经验写进记忆，越用越准。

怎么用它

用法很简单，三步。

第一步，给素材。一张商品图，白底或实拍都行，加一句产品描述，把品名、卖点、目标人群说清楚，越全越好。

第二步，说需求。可选，但说了更好。目标平台、价格定位、目标人群、品牌名和 Logo、必带关键词、特殊要求，填了它就更贴。

第三步，收货。它先出 10 版标题让你挑方向，再出卖点体系和详情页文案，同时后台批量出图，最后打包给你。

回到起点

整个过程下来，我最大的感受是：搭智能体这件事，难的不是“让它会”，是“让它能交付”。

让它会写文案，一下午就能做到。让它交付一套能直接上架的素材包，要考虑商品保真、中文渲染、平台尺寸、接口限流、异常重试、打包格式，每一环都能绊你一跤。

我搭这个“1电商”的初衷，就是想试试把“会”推到“交付”这一步。跑通之后回头看，真正花时间的全是后面那些不起眼的活。

而这也正是智能体有意思的地方：它不解决“AI 会不会写”的问题，它解决“写完的东西，能不能直接拿去用”的问题。

另外，如果你也在搭智能体，可以看看我之前写的一篇 关于系统级应用控制的做法，那篇和这篇算是同一个思路下的两块拼图：一个管“能碰到什么”，一个管“能交付出什么”。