Codex 实战：一句话完成 Temu 商品图采集与印花抠图自动化

最近有个老表想做一个 Temu 商品素材采集自动化，需求很具体，搜索商品、保存原图、提取衣服印花、按日期整理文件夹。

我没有直接把工具给他，而是现场用 Codex 演示了一遍。

这篇文章记录一下这次自动化流程的设计思路、执行步骤、目录结构和一些实际踩到的问题。

本文仅作为 AI 自动化流程演示，实际使用时需要遵守目标网站规则、版权要求和数据使用边界。

一、需求背景

前两天，有个老表来找我。

他说他想搞一下 Temu 上面的商品素材采集，尤其是女装印花 T 恤这一类商品。

他的原始需求大概是这样：

打开 Temu
搜索关键词「女装印花t恤」
获取前 10 个商品图片
保存商品原图
提取衣服上的印花图案
原图和结果图按日期分别归档
整个过程尽量自动化

这个需求看起来不复杂。

但做过电商素材采集的人都知道，这里面最麻烦的不是技术难度，而是重复操作。

你要打开网页、搜索、点商品、保存图片、改文件名、上传抠图、保存结果、整理文件夹。

一两张图片还好。

几十张、几百张的时候，人就开始烦了。

所以这次我想验证的不是单点能力，而是一个完整流程：

text 复制代码

自然语言需求
  ↓
Codex 操作浏览器
  ↓
采集商品图片
  ↓
保存原始图片
  ↓
调用 imagegen 提取印花
  ↓
按日期整理结果

二、实操演示视频

下面是这次完整流程的实操演示视频。

视频建议放在这里，也就是读者刚理解完需求之后。

这时候他们已经知道你要解决什么问题，再看视频会更容易理解整个自动化流程。

视频发布到视频号了

bash 复制代码

https://mp.weixin.qq.com/s/IwSXfDlXyDSAZIXqfHAt9Q

三、我给 Codex 的任务描述

这次没有写复杂的脚本入口，而是直接把目标描述给 Codex。

任务描述类似下面这样：

text 复制代码

打开  temu 地址

搜索「女装印花t恤」

找到前 10 个商品

把原图片保存到 source_今天日期 文件夹

调用 imagegen 把衣服上的印花图像抠出来

保存到 yinhua_今天日期 文件夹

不要用 Python 代码处理图片

这里面有几个关键点：

目标网站是 Temu
搜索关键词是「女装印花t恤」
商品数量限制为前 10 个
原图和处理结果需要分目录保存
抠图交给 imagegen
不用本地 Python 图像处理

这个任务的核心不在于某一步有多难，而在于 Codex 能不能把这些步骤串成一个完整流程。

四、目录结构设计

为了方便后续整理，我让 Codex 按日期生成两个目录。

示例结构如下：

text 复制代码

Temu-Product-Intelligence/
├── source_2026-07-20/
│   ├── product_01.jpg
│   ├── product_02.jpg
│   ├── product_03.jpg
│   └── ...
│
├── yinhua_2026-07-20/
│   ├── product_01.png
│   ├── product_02.png
│   ├── product_03.png
│   └── ...
│
└── products.json

其中：

目录或文件	作用
`source_日期`	保存 Temu 商品原始图片
`yinhua_日期`	保存提取出来的衣服印花图
`products.json`	保存商品图片来源、序号等元数据

这样做的好处是比较明显的。

每天跑一次，就生成一组当天的数据。

后面如果要做趋势分析、素材库沉淀、重复图案检测，也更容易扩展。

五、自动化流程拆解

1. 打开网页并搜索关键词

Codex 会先打开 Temu 页面，然后在搜索框里输入目标关键词。

text 复制代码

关键词：女装印花t恤
平台：Temu
目标数量：前 10 个商品

这一步看起来很简单，但它其实已经涉及浏览器控制、页面加载等待、搜索输入、结果页识别等动作。

2. 获取商品图片

搜索结果出来以后，Codex 需要识别页面里的商品图片，并选取前 10 个。

这里需要注意两个问题：

商品卡片可能是懒加载
页面结构可能变化

所以实际自动化里，不能只假设页面一次加载完所有内容。

更稳的做法是：

text 复制代码

打开搜索结果页
  ↓
等待页面主要内容加载
  ↓
滚动页面触发图片加载
  ↓
提取商品图片地址
  ↓
去重
  ↓
截取前 10 个有效图片

3. 保存原始图片

拿到商品图片之后，先保存原图。

原图一定要保留。

原因很简单，后续如果抠图失败，还可以重新处理。

text 复制代码

source_2026-07-20/product_01.jpg
source_2026-07-20/product_02.jpg
source_2026-07-20/product_03.jpg

4. 调用 imagegen 提取衣服印花

这一步不是用 Python 做图像处理，而是交给 imagegen。

目标不是把整件衣服抠出来，而是尽量提取衣服正面的印花图案。

可以理解成：

text 复制代码

输入：商品原图
输出：衣服上的印花图案

理想结果是透明背景 PNG，方便后续做素材库、设计参考或二次整理。

5. 保存处理结果

处理后的图片保存到 yinhua_日期 目录。

text 复制代码

yinhua_2026-07-20/product_01.png
yinhua_2026-07-20/product_02.png
yinhua_2026-07-20/product_03.png

原图和结果图使用相同编号，方便一一对应。

六、这次自动化真正有价值的地方

这次演示里，最有价值的点不是「抓图」本身。

也不是「抠图」本身。

真正有价值的是，Codex 把多个工具和多个动作串成了一条工作流。

以前这类流程大概是这样：

text 复制代码

人打开网页
人搜索关键词
人下载图片
人上传到抠图工具
人保存结果
人整理文件夹

现在变成了：

text 复制代码

人描述目标
Codex 拆解任务
Codex 操作浏览器
Codex 保存图片
Codex 调用 imagegen
Codex 整理结果
人检查结果

变化就在这里。

人从执行者，变成了流程设计者和结果审核者。

对于电商运营、素材分析、选品研究这类工作来说，这个变化很关键。

七、实际过程中会遇到的问题

这个流程不是完全没有问题。

真实跑起来，通常会遇到这些情况：

页面结构变化导致元素识别失败
图片懒加载导致采集不完整
商品图重复
图片质量不稳定
某些图片不适合提取印花
imagegen 可能拒绝处理部分图片
结果需要人工抽查

所以这类自动化不应该一开始就追求 100% 完美。

更现实的目标是：

text 复制代码

先跑通主流程
再补异常处理
再加日志和重试
再做批量化
最后沉淀成稳定工具

八、可以继续扩展的方向

这个案例只是一个很小的入口。

如果后续继续做，可以扩展成更完整的电商素材采集系统。

1. 多关键词批量采集

例如：

text 复制代码

女装印花t恤
oversized graphic tee
summer printed t shirt
vintage print tee

每个关键词生成一个独立目录，方便后续对比。

2. 多平台采集

除了 Temu，也可以扩展到其他电商平台。

但不同平台的页面结构、加载方式和规则都不一样，需要单独适配。

3. 图案分类

提取出来的印花可以继续按类型分类。

例如：

字母印花
卡通图案
复古风格
花卉图案
动物图案
街头风格
节日主题

4. 趋势分析

如果每天都跑一次，就可以沉淀出一个素材数据库。

后面可以分析：

哪些图案重复出现
哪些颜色组合变多
哪些风格正在增长
哪些关键词下的商品变化更快

这时候它就不只是一个采集工具了，而是一个小型选品情报系统。

九、我的一点感受

这次演示之后，老表看完沉默了一下。

然后他说：

这东西就是我想要的，这个能不能每天自动跑？

我一听就知道，他理解了。

因为他已经不再关心「能不能抓图」。

他开始关心「能不能持续运行」。

这就是自动化真正有意思的地方。

只要一个流程能跑通一次，后面自然就会想到定时、批量、分类、分析、报表。

十、结论

这次案例可以总结成一句话：

text 复制代码

一句自然语言需求，变成了一条真实可执行的工作流。

Codex 在这个场景里承担的不是单纯问答角色，而是任务执行角色。

它可以操作浏览器，可以整理文件，可以调用 imagegen，可以把原图和结果图按规则保存下来。

对于电商素材采集这类重复性工作来说，这类 AI 自动化已经有很强的实用价值。

当然，它还需要人工审核，也需要处理异常情况。

但方向已经很清楚了。

以后很多工作不会消失，而是会被重新拆分。

人负责定义目标、判断结果、做策略选择。

AI 负责执行那些重复、明确、耗时间的步骤。

这才是这个案例最值得记录的地方。