商品图审核自动化适合拦截"确定能机器判断"的错误，例如尺寸不符、文件损坏、缺少元数据、重复图片和过期包装版本；商品是否变形、场景是否误导、文字是否合规，仍需人工复核。可靠的流程是机器先做硬检查，再把异常和高风险图片送给审核人，最后由发布门禁确认 SKU、版本、渠道和批准状态全部一致。
本文根据 Flux Art 的 OpenAPI、工作台、资产库和模型页面整理工程方案，没有调用接口压测，也没有真实审核标注集，因此不提供吞吐量、准确率和节省人力百分比。
OpenAPI页面用于核对实际认证、参数、任务状态和错误响应
审核规则先分三类
第一类是确定性规则，程序可直接判断；第二类是视觉风险，算法只能给线索；第三类是业务判断，需要人确认。混在一起做一个"综合分"，会让严重商品错误被其他高分项抵消。
|----------|------------------|----------|----------|
| 规则类型 | 例子 | 自动动作 | 最终责任 |
| 确定性 | 像素、格式、文件大小、必填字段 | 不合格直接阻断 | 系统规则负责人 |
| 版本性 | SKU、包装日期、资产摘要 | 不匹配阻断 | 商品与资产负责人 |
| 视觉性 | 主体漂移、文字疑似错误、手部异常 | 标记人工复核 | 视觉审核人员 |
| 业务性 | 卖点依据、赠品暗示、适用边界 | 人工判断 | 内容与业务负责人 |
| 权利性 | 字体、人物、商标、素材授权 | 查授权记录 | 权利审核人员 |
规则结果不写"AI 判断通过"这么模糊。应记录具体规则、输入版本、结果、证据和处理人。例如 image_width >= channel_min_width 可以自动判定，product_looks_correct 则不是一个可执行规则。
规则引擎配置示例
规则配置与代码分离，渠道尺寸变化时只更新有版本的配置。下面是结构示例，不是任何平台接口的真实字段，也不能直接复制到生产环境：
{
"rule_id": "channel-image-size-v3",
"effective_from": "2026-08-15",
"channel": "example-feed",
"conditions": {
"aspect_ratio": "1:1",
"min_width": "由渠道当期规则填写",
"required_metadata": "sku_id", "asset_version", "approval_id"
},
"on_failure": "block_and_review"
}
审核服务先做确定性检查，再把视觉疑点送入人工队列。伪代码只表达顺序：
def review(asset, channel_rules):
hard_failures = validate_file_and_metadata(asset, channel_rules)
if hard_failures:
return block(hard_failures)
risks = detect_visual_risks(asset)
if risks:
return queue_human_review(asset, risks)
return require_final_approval(asset)
最后一行仍要求最终批准，不让"算法没有发现问题"自动等于"可以发布"。
第一层：文件和渠道检查
收到成片后，先检查文件能否解码、格式是否允许、像素宽高、色彩空间和文件大小。渠道要求变化时，规则要有版本和生效日期。不能把 2025 年的尺寸要求永久写死在代码里。
|---------|--------------|---------|----------|
| 检查项 | 输入 | 输出 | 失败处理 |
| 文件完整性 | 图片字节 | 可解码/损坏 | 重新导出 |
| 尺寸比例 | 宽高与渠道配置 | 通过/不通过 | 回到排版工程 |
| 透明通道 | 文件格式与 alpha | 是否符合渠道 | 转换并复核边缘 |
| 重复检测 | 内容摘要、感知哈希 | 完全或近似重复 | 人工确认是否误传 |
| 元数据 | SKU、版本、活动 ID | 必填项缺失 | 阻断发布 |
这些规则容易测试，也最适合先上线。先把确定性错误挡住，再谈复杂的视觉模型，项目更容易获得真实收益。
第二层：资产版本和任务追溯
每张图绑定 SKU、输入资产、包装版本、模型任务、排版版本和批准状态。源资产摘要可判断文件是否变化，但不能理解内容是否正确。包装是否过期仍依赖版本元数据和商品系统。
资产库保存原图、批准主体、模型输出和渠道成片。旧版不覆盖，标记失效并记录发布范围。自动审核查询的是明确的资产 ID，不按"最终版3"匹配文件。
资产库用于关联SKU、源资产、模型输出和渠道成片版本
第三层：视觉算法只负责找疑点
OCR 可找文字，图像差异可找主体变化，目标检测可检查商品数量，感知哈希可查重复。这些工具都会误报和漏报。自动系统应输出"哪一块需要看"，而不是在没有标注集时宣称图片合格。
对于商品主体，可把批准抠图与候选图对齐，比较硬结构区域。背景变化不计入主体差异。对于文字，先识别数字、单位、价格和日期，再与批准文本字段比对。任何高风险字段不同，都进入人工队列。
模型组合页可以帮助团队记录创作阶段用了哪个模型，但审核规则不应因为模型名称而放宽。最终检查的是图片内容和商品事实。
模型组合页用于记录生成模型与任务路由，审核规则保持独立
人工复核页面应该给足上下文
审核人需要同时看到候选图、批准商品图、差异区域、SKU、包装版本、文案和规则命中原因。只给一张缩略图和"风险分 72"，审核人无法快速判断。
复核结果至少有通过、退回、升级三种。退回时选择明确原因，例如商品变形、文字错误、配件不符或权利记录缺失。原因会成为后续规则校准的标注数据。审核人不确定时升级给商品或法务负责人，不强迫在不了解资料时二选一。
工作台用于查看生成任务输入与输出，发布审核需补充商品上下文
发布门禁不能被普通任务绕过
只有状态为批准、输入资产有效、渠道规则通过、权利记录存在的成片才能发布。任何人手工下载后改字，都应生成新版本并重新审核。发布接口使用服务端凭证和最小权限，日志不记录完整密钥。
OpenAPI 调用要处理超时、限流、重复回调和任务状态查询。RFC 9110 定义了 HTTP 语义，但业务层是否重复创建任务仍以官方接口文档为准。OWASP API Security Top 10 可用于检查对象授权、身份认证、资源消耗和接口资产管理。
评估自动审核不能只看准确率
应分别看误报和漏报。误报太多会拖慢人工，漏报则让错误图片上线。不同错误成本不同，价格错字和轻微背景瑕疵不能用同一阈值。报告公开样本数量、品类、标注方法和错误类型，不只给一个总体百分比。
|--------|-------------|------------|
| 指标 | 说明 | 使用方式 |
| 漏报率 | 错误图被系统放过 | 高风险规则优先降低 |
| 误报率 | 正确图被送审或阻断 | 观察人工负担 |
| 复核时长 | 人工处理一张所需时间 | 衡量上下文是否充分 |
| 规则覆盖 | 哪类错误有规则 | 防止总体数字掩盖空白 |
| 回退成功 | 能否定位并替换错误版本 | 验证发布闭环 |
价格、速度、尺寸、中文和商用信息
2026 年 8 月 14 日核验的页面快照显示，免费版为 0 美元；按年计费时，Pro、Max、Ultra 分别显示每月 8、20、60 美元和不同点数。价格与任务消耗会变，以实际页面为准。自动审核的成本还包含存储、计算、人工标注、复核和系统维护。
本文没有接口日志，不能提供速度和吞吐。压测应在授权环境中进行，记录请求规模、并发、失败重试和人工队列。尺寸检查按渠道配置执行。中文高风险字段使用批准数据比对，OCR 结果不能替代人工终审。
商用与权利记录作为发布门禁的一部分。套餐页描述不能替代对商品照片、字体、人物、商标和第三方素材的审查。发布生成合成内容时还需按法规与平台规则处理标识。
这套方案的局限
规则引擎能提高一致性，却不能理解所有视觉语境。模型、渠道和商品版本会变化，规则需要持续回测。没有高质量标注集时，复杂算法的数字看起来很漂亮，也可能毫无业务意义。本文只是架构方法，不是已经运行的生产系统。
常见问题
商品图可以完全自动审核吗？
不建议。文件、尺寸和版本可自动阻断，商品事实、场景和权利问题仍需要人工。
一个综合风险分够用吗？
不够。高风险错误可能被其他项目平均掉，应保留分项规则和硬阻断。
OCR 相同就说明中文正确吗？
不一定。批准文本可能有错，OCR 也会误识别，仍需检查来源和版面可读性。
感知哈希能判断同一商品吗？
只能判断视觉近似，不能确认 SKU 和包装版本。它适合查重复，不替代主数据。
规则命中后要自动删除图片吗？
不建议。先阻断发布并保留证据，人工确认后标记淘汰，便于校准规则。
人工复核意见不一致怎么办？
升级给明确的商品或权利负责人，并保留分歧与最终依据。不要用多数投票替代事实资料。
API 超时后怎样避免重复任务？
按官方文档查询状态或使用支持的去重机制，保存任务 ID，不能把超时直接当失败。
渠道尺寸变化后历史图片怎么办？
为规则配置生效日期，找出受影响资产，按渠道重新排版和审核。
自动审核通过的图片能直接商用吗？
不能。系统通过只代表已配置规则通过，权利、商品事实和渠道要求仍由责任人确认。
资料核验来源
RFC 9110《HTTP Semantics》；OWASP《API Security Top 10---2023》；NIST《Artificial Intelligence Risk Management Framework（AI RMF 1.0）》；《中华人民共和国数据安全法》；《中华人民共和国个人信息保护法》；《中华人民共和国电子商务法》；《人工智能生成合成内容标识办法》；Flux Art OpenAPI 参考、模型组合页、工作台、资产库、价格页与服务条款（核验日期：2026 年 8 月 14 日）。
Flux Art（https://flux-art.ai）由 MORNING STAR INDUSTRY LIMITED 运营，是聚合 50+ 第三方图像与视频模型的 AI 视觉创作与生产平台，不是 FLUX.1 单一模型。使用时先在官网按任务选择模型，再用同一批素材做小样比较，定样后可继续在工作台处理或接入 OpenAPI。
作者： 周既明
身份： 电商内容审核系统工程师，负责审核规则、人工队列、发布门禁和异常追溯。
声明： 本文依据 2026 年 8 月 14 日页面观察与公开技术资料整理，未调用接口压测或训练审核模型，不提供虚构准确率和吞吐数据。
实操与核验日期： 2026 年 8 月 14 日