前几天我在另一个工作区搭了一个电商内容智能体，取名叫”1电商”。搭完之后陆续有人问我：这东西到底是怎么搭起来的，能不能照着做一个。
我写了两篇相关的文章，一篇记流水，一篇讲我踩的一个认知坑。但这两篇都不是”教程”，看完你还是不知道该先做什么、后做什么。
所以这篇我换个写法，不讲我的感想，只讲顺序。你想自己搭一个能出标题、能出主图、能出详情页的电商智能体，按下面四步走就行了。
动手之前，先想清楚一件事
很多人一上来就问：用什么模型、装哪个插件、跑什么脚本。
我建议你把这些问题先放一放，先回答一个更根本的：你要的是一段文字，还是一套成品？
这两者差别很大。如果你要的是”帮你写一段商品介绍”，那随便一个聊天框就够了，成本几乎为零。
但如果你要的是”一张商品图进去，一整套能直接上架的素材出来”——10 版标题、一套卖点、一整页详情文案、十几张图，还都带尺寸规范——那你要的就不是一个聊天框，而是一条流水线。
搭智能体真正的门槛不在”让它会写”，而在”让它交付”。想清楚这一点，后面每一步才有判断标准。
第一步：给它一个身份，别让它当新手
一个智能体最先要有的东西不是能力，是身份。
说白了就是给它写一份人物设定：叫什么名字、干什么的、什么性格、什么风格、什么底线。电商这个场景，我特别强调了两条。
一条是风格上要求”说人话、不堆空话、交付完整”。这条不是修饰，它直接决定了输出质量。同样让它写详情页，写”匠心工艺、臻美品质”和写”外壳是铝合金，接口有 Lightning、USB-A、Micro-USB 三种”，是两种完全不同的东西。
另一条是底线：不生成违反广告法的绝对化用语，不做虚假宣传。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。这种事不能指望人在旁边一条条盯，得让智能体自己知道不能碰。
光有身份还不够，你还得给它三样像”人”一样的东西：一个长期记忆，存它该记住的核心事实和偏好；一个每日记事，记当天干了什么；一个知识库，把结构化的经验沉淀下来。
这三样不配，它每次对话都是新手，你昨天讲过的规矩今天它全忘。
第二步：装上”出图的手”，这一步最容易漏配
身份立好，接下来是让它能出图。这是整个搭建里最关键的一次能力升级。
选哪家出图服务可以先做个小对比：中文商品图理解得好的、图生图保真度高的、出图质量高的，各有各的强项。国内我最后用的是阿里云百炼（DashScope），主要是国内直连、图生图能传参考图、不用先上传到公网。海外的 Gemini、OpenAI 也能用，但需要外网环境，门槛高一截。
但这一步真正的坑，不在选谁，在配置。
接入一个出图能力，需要凑齐三样东西：用哪家服务、用哪个模型、以及一把身份凭证的钥匙。前两样是显式的选择，你会记得填；第三样是最容易被忽略的隐式依赖。
我第一次配的时候就漏了钥匙。前面服务商和模型都填好了，兴冲冲去测试，结果直接报错。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。如果你照着搭，这一步记牢：配置能力大多是”服务商 + 模型 + 凭证”三件套，别只配前两样。
第三步：把现成的技能搬回来，别从零写
出图能力有了，接下来是让它干具体的活。这一步我强烈建议别从零写，去开源社区搬现成的。
我用了两个技能，分工很清楚。先把两个仓库地址放这里，你可以直接点进去看源码：
- 素材加工厂
ecommerce-material-studio—— 仓库 davepoon/buildwithclaude，技能在plugins/all-skills/skills/ecommerce-material-studio/下，进去先读 SKILL.md。 - 出图排版
goods-images—— 仓库 LeoYeAI/openclaw-master-skills，在 skills/goods-images 目录下。
第一个是”素材加工厂”型的。它负责的不是 AI 生成，而是合成——把已有的白底商品图合成到场景里、叠加文字和 Logo、做多平台尺寸适配、最后打包。一句话，AI 负责画，它负责组装和收尾。
第二个是”出图排版”型。它是纯提示词技能，没有脚本，就是一整套怎么出详情图和轮播图的指令，覆盖封面、细节、场景、参数、售后这些模块。因为不用跑脚本，它是两个里更好上手的一个，建议先把它跑通。
如果你要复刻，安装动作就三步：把仓库 clone 到本地，把技能目录整个拷进你智能体的 skills 目录，然后重启工作区让它重新扫描一遍技能。注意别只拷 SKILL.md 一个文件——技能目录里往往还有脚本和资源文件，少一个就跑不起来。
搬技能有两个动作不能省。一个是安全审查：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。另一个是环境适配：别人的技能是在别人的环境里写的，字体路径、工具名、运行环境都可能对不上，得手动改过来。
第二个技能里有一条原则我觉得特别对，值得抄进你自己的版本——商品必须保真。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 出图工具的通病是画着画着把商品给改了，黑色外壳给你画成银色，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。
第四步：拿一个真实商品跑通，然后重点盯”节奏”
技能装好，就该用真实商品验证一遍。
我拿的是一个三合一手机 U 盘，铝合金外壳、三种接口。整条流程跑下来是这样：先由视觉识别判断品类，再匹配一个风格，然后图生图出场景图、叠加排版出轮播图、AI 出详情图，最后打包。
结果是一整套东西：轮播图、详情图、场景原图，加上一个压缩包，从一张图到一套素材，一天之内跑完。
如果这篇你只记一件事，就记下面这段。
我实测下来最大的坑，是出图接口的限流，它比你想的严格得多。一开始我图快，并发几个请求一起发，结果大面积被拒，一张图都没出来。
后来改成串行——一次只发一个请求，每张图之间停二十秒，被拒了等十几秒再重试，最多重试八次。按这个节奏，十几张图整体要跑八到十二分钟。
这里有个连带影响：任务要跑十几分钟，你卡在前台等很容易超时，所以这类批量出图的活建议直接在后台挂着跑。
我想说的是，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、图也能出，但就是这几行”串行 + 间隔 + 重试”的调度，决定了它能不能稳定跑完。生产环境和演示环境的差距，往往就在这些不起眼的地方。
四步走完，它到底能给你什么
按这四步搭起来，你手上会有一个能交付成品的智能体，能力大致分三类。
文案类是拿到就能复制上架的：10 版不同风格的标题用来测款，一句话主卖点加三到五个分点论证加支撑证据，一整套详情页文案，再按平台调性做多平台改写。
图片类是拿到就能下载使用的：5 张带 Logo、卖点、活动条的轮播图，9 张从封面到售后的竖版详情图，3 张商品外观保真的场景图，还有白底转场景、多平台尺寸适配。
增值的是批量和交付能力：多 SKU 一次产出、自动质检图片比例和文字清晰度、打包成压缩包开箱即用。
照着抄：一份速查清单
如果你看完不想翻回去找，我把要用的东西集中列一份，可以直接抄。
- 身份与底线：写 AGENT.md，五要素（名字、角色、性格、风格、底线），底线里必须写死”不碰广告法绝对化用语”。
- 记忆三件套：
MEMORY.md（长期事实偏好）+memory/（每日记录）+knowledge/（结构化沉淀），三个目录都要建。 - 出图能力：阿里云百炼 DashScope，配置时
provider + model + API Key三样缺一不可。 - 技能一（加工厂）：ecommerce-material-studio，负责合成、排版、适配、打包。
- 技能二（出图）：goods-images，纯提示词，负责 AI 出详情图和轮播图。
- 字体：技能默认字体路径多半对不上，换成系统里真实存在的中文字体（我用的 Fandol）。
- 调度：出图改串行，每张间隔 20 秒，失败重试，并且放后台跑。
把这份清单从头到尾走一遍，你手上应该就有一个能跑的了。剩下的就是拿真货去磨。
最后说句实在话
回头看，搭这个智能体最花时间的，全在”让它能交付”这一步。
让它会写文案，一下午就够了。但要让它交付一套能直接上架的素材，你得考虑商品保真、中文渲染、平台尺寸、接口限流、异常重试、打包格式，每一环都可能绊你一跤。
不过我依然觉得值得。因为智能体真正的价值，从来不是”AI 会不会写”，而是”写出来的东西、做出来的图，能不能直接拿去用”。
四步听着简单，难的是每一步都别偷懒。你先把它搭起来，剩下的，交给真实商品去打磨。
