电商 AI 出图的老问题不是「图不好看」,而是「图很好看,但产品被改了」。瓶身的字变了,Logo 位置歪了,尺寸图上的数字是模型编的。这种图发出去,轻则被平台打回,重则变成退货理由。
最近 GitHub 上有个仓库在讲这件事:xianyu110/ecommerce-image-skills,12 个电商出图的 Agent Skill,2026 年 10 月 4 日创建,我写这篇的时候是 171 颗星,MIT 协议。我把它的 README、几个 SKILL.md 和检查脚本从头读了一遍。先说明一件事:我没有用它出过图,下面所有判断都来自读代码和读文档,不是使用体验。
读完我的结论是:这个仓库最值得抄的不是「用 AI 出图」,而是它怎么给 AI 出图加约束。
12 个 Skill 其实是一套流水线
仓库把「拍商品图加美工做图」拆成了 12 个可以单独安装的 Skill,按仓库 README 的列表:

- 白底主图(amazon-white-background)、生活场景图、模特上身图、卖点信息图
- Amazon A+ 模块、尺寸规格图、多角度套图
- 大促 Banner、批量换背景、小红书封面、淘宝详情长图
- 一个总入口 ecommerce-listing-suite,按平台规划整套图,再调度前面 11 个
每个 SKILL.md 在 96 到 115 行之间,12 个加起来 1251 行。不长,读一个下午就能读完。我建议你真的去读一两个,比看我转述有用。
第一个值得抄的:先锁定产品,再谈创意
我读的几个 SKILL.md,第一步都是同一段「Product identity lock」。要求 agent 先看参考图,写下形状、颜色、Logo 和印刷文字(连拼写和位置)、配件、不该出现的东西,然后把这一段原样贴进它生成的每一条提示词,任何创意指令都不能覆盖它。

这段话还有一条规则我很认同:只用照片里看得见的、或用户确认过的事实;尺寸、容量、材质不知道就问或者不写,不要编规格和认证。
这是我觉得整个仓库含金量最高的一句。电商图的底线是「图和货一致」。AI 出图越强,越容易在这条线上翻车,因为它会自作主张把图「变好看」。把「不许改」写成每条提示词里固定出现的一块,成本几乎为零,却直接对着最常见的事故。
你不用装这个仓库也能抄:自己出图的提示词里,固定加一段「产品锁定」,写清楚 Logo 文字和颜色,再写一句「Must NOT appear」。
第二个值得抄的:确定性的事交给脚本,不交给模型
白底主图这个 Skill 带了一个 check_main_image.py。我读了它的代码:它检查图里背景像素是不是纯白,产品占画面的比例够不够,最长边够不够像素。命令行参数默认 --min-coverage 0.85、--min-size 1000,加上 --fix 会把接近白色的像素统一成 255,再放到白色方形画布上。

这些数字不是作者拍脑袋,跟 Amazon 卖家后台的商品图片指南对得上:主图要纯白背景(RGB 255, 255, 255),商品要占画面 85%。
为什么这个设计好?因为「背景是不是 #FFFFFF」这种事,让模型自己说「我做到了」是不可靠的,让脚本数一遍像素才靠谱。AI 负责创造,脚本负责验收,这个分工我很认同。我自己这个站的博客发布流程也是这个思路:发布前有个脚本硬校验来源和字数,不过就不发。
批量换背景那个 Skill 也是同样的味道:断点续跑、失败重试、预算上限、CSV 日志。README 里的示例是「把 40 张图批量换成纯白背景,最多花 40 次调用」。图多了之后,最怕的就是跑到一半断了、或者账单失控,这些它都想到了。
第三个值得抄的:数字只能来自你
尺寸图那个 Skill 的描述里写明「Numbers come only from the user」,数字只用用户提供的。它还在说明里把这类图定位成「减少因尺寸预期不符造成的退货」。

我觉得这是对的。信息图和尺寸图里的字,是 AI 出图最容易出事故的地方:看着很专业,数字却可能是编的。这类图的数字一定要你自己对一遍,不能因为是 AI 出的就放心发。
它也有几个我会留心的地方
模型名我没核实。 仓库默认用两个模型,叫 Flare(gpt-image-2.5-flare)和 Sunburst(gpt-image-2.5-sunburst),按场景路由:新场景、多版本用 Flare,要保留 Logo 和小字、做局部编辑用 Sunburst。这两个名字我没在 OpenAI 官方文档里查到对应说明,所以别把它们当通用型号。实际能不能用,取决于你接的接口提供什么。SKILL.md 里写了「如果接口只有别的图像模型,用最接近的」。
README 里有推广链接。 它推荐的 API 网关 tryallapi.com,注册链接带 aff= 参数;在线运行的链接带 utm 参数。这不是什么原罪,开源作者要回血很正常,但你要知道推荐的默认路径是谁的。好在脚本接受任何 OpenAI 兼容的 GPTIMAGE_BASE_URL,不设置的话默认走 https://api.openai.com,你完全可以不用它推荐的那个。
效果展示我没复现。 README 说展示图都是真实输出、没有修图,输入的「AURA」水杯本身也是 AI 生成的虚构产品,这一点它自己写明了。所以那组对比图能说明流程跑得通,不能说明你拿一件真实的、有复杂 Logo 的商品也一定能保持一致。这是我最想你自己验证的地方:拿你卖得最多、细节最多的那一款去试。
12 个 Skill 的开头是复制粘贴的。 我对比了几个 SKILL.md,产品锁定和模型选择这两节几乎一字不差地出现在每一个里。好处是每个文件夹自包含,可以单独拷走;坏处是你改一处规则要改十二遍。
适合谁,不适合谁
适合:
– 已经在用 Claude Code、Codex 或 Cursor,想把出图规则固化下来的独立站卖家;
– 要做多平台(Amazon、淘宝、小红书)的人,规格都内置了,省得每次去查尺寸;
– SKU 多、要批量换背景的人。
不适合:
– 产品细节极其复杂、Logo 和文字必须逐像素一致的品牌。这种图我会让摄影师拍,AI 只做背景延展;
– 还没有 agent 环境、也不想折腾 API Key 的人,直接用在线工具更省事。
如果是我,会怎么搭配着用
我不会一口气装 12 个。我会先装白底主图一个,拿一件真实商品跑一遍,看脚本检查出来的覆盖率和纯白比例,再决定要不要往下装。想看更多同类工具,可以翻我们站的 电商 Skill 合集、专门做详情图的 ecom-details-image,以及抠图用的 background-removal。
如果你更关心站内 SEO 那一头,我之前写过一篇 把 SEO 诊断做成开源 Skill,思路是一样的:把判断标准写进 Skill,让 agent 照着做,而不是每次重新问一遍。
常见问题
电商出图 Skill 和直接写提示词有什么区别?
Skill 把「流程、规格、检查」固化下来:先锁定产品、按平台尺寸出图、再用脚本验收。提示词只管这一次怎么说。这个仓库自己也强调这一点,它比一堆提示词多出来的,正是规格和检查脚本。
Amazon 白底主图的硬性要求是什么?
按 Amazon 卖家后台的商品图片指南,主图要纯白背景(RGB 255, 255, 255),商品占画面 85%。具体细节以你所在站点的最新指南为准。
AI 生成的商品图会不会有合规风险?
图里的产品必须和你实际发的货一致,这是平台和消费者都在意的。所以我才看重产品锁定这一步。至于具体哪个平台对 AI 生成图有什么披露要求,我没有逐个核实,发之前请查对应平台的最新政策。
这个仓库免费吗?
仓库本身是 MIT 协议,可以免费使用。出图要调用图像模型接口,这部分费用取决于你接的服务。