用多模态图像模型批量生产电商主图：Prompt 模板化 + 自动化质检的工程实践

一次把"人工改图"改造成"模板 + 批量 + 质检"流水线的踩坑记录。技术笔记，不含任何推广。

背景

电商主图的生产长期有两个痛点：一是改图返工重 ，一张主图从出稿到定稿，平均要改 3 版以上；二是一致性难保证，同一 SKU 的不同尺寸、不同场景图，风格容易漂移。

2026-09-08 发布的图像模型在"多轮编辑一致性"和"生成延迟"上有明显提升（延迟最多降 50%），这让"批量流水线"第一次在工程上划算。本文记录把主图生产拆成流水线的实现思路。

关键挑战

Prompt 不稳定：同一句自然语言描述，多次生成结果方差大，无法批量。
质检靠人：几十张图靠肉眼筛，等于没提效。
尺寸/场景矩阵爆炸：1 个 SKU × 3 尺寸 × 4 场景 = 12 张，人工做不现实。

方案

1. Prompt 结构化（模板化）

把自然语言描述拆成固定字段，降低方差：

python 复制代码

PROMPT_TEMPLATE = (
    "subject: {subject}; "
    "background: {background}; "
    "lighting: {lighting}; "
    "mood: {mood}; "
    "aspect_ratio: {ratio}; "
    "style: e-commerce product photo, clean, no text"
)

def build_prompt(subject, background, lighting, mood, ratio):
    return PROMPT_TEMPLATE.format(
        subject=subject, background=background,
        lighting=lighting, mood=mood, ratio=ratio
    )

字段固定后，同一类图的输出方差显著下降，为批量铺路。

2. 尺寸/场景矩阵批量生成

python 复制代码

from itertools import product

RATIOS = ["1:1", "4:5", "9:16"]
SCENES = [
    ("white studio", "softbox", "clean"),
    ("marble desk", "window light", "premium"),
    ("outdoor lawn", "natural", "fresh"),
    ("kitchen counter", "warm lamp", "cozy"),
]

def gen_matrix(sku_subject):
    tasks = []
    for (bg, light, mood), ratio in product(SCENES, RATIOS):
        tasks.append(build_prompt(sku_subject, bg, light, mood, ratio))
    return tasks

3. 自动质检：用规则 + 模型双重过滤

批量生成后，靠人工筛不现实。这里用两道闸：

python 复制代码

def quality_gate(img_path, expect_ratio):
    import os
    from PIL import Image
    # 闸1：硬规则------尺寸/比例/分辨率
    with Image.open(img_path) as im:
        w, h = im.size
    if abs(w / h - expect_ratio) > 0.02:
        return False, "ratio_mismatch"
    if w < 800:
        return False, "resolution_too_low"
    # 闸2：模型判分（主体是否完整、有无文字水印）
    score = vlm_score(img_path)  # 自定义：主体完整度 + 文字残留检测
    if score < 0.8:
        return False, "content_score_low"
    return True, "ok"

实测数据

在 200 张主图的批量任务上（1 个 SKU × 多场景）：

指标	人工流程	流水线流程
单图平均耗时	~8 分钟	~1 分钟
一次通过率	---	约 72%
返工轮次	3 轮+	1 轮
尺寸矩阵覆盖	部分	100%

说明：以上为单项目实测口径，样本有限，不同品类差异较大，不构成通用结论。

踩坑记录

aspect_ratio 必须在 prompt 里显式写，只靠后处理裁剪会损失构图。
多轮编辑要用同一 seed / 参考图，否则"改背景"会把主体一起改掉。
质检闸2 的模型判分要留人工复核，纯自动判分在"高级感"这类主观项上会误杀。
批量任务要限流，并发过高时接口抖动明显，失败重试会打乱矩阵顺序。

适合 / 不适合

适合：SKU 多、场景矩阵固定、对风格一致性要求高的电商团队。
不适合：单次只出 1--2 张图、审美判断高度依赖资深设计师的场景------流水线收益覆盖不了搭建成本。

小结

这一轮模型升级的价值，在工程上是"可批量、可连续编辑"；把 Prompt 结构化 + 两道质检闸接上，人工改图的返工就压下去了。技术本身不复杂，难的是把质检标准写清楚。