Community影像github.com

ecommerce-image-studio

Plan, generate, batch-process, and verify ecommerce product image sets from product photos for marketplaces and social channels. Use for hero images, lifestyle scenes, infographics, A+ or detail-page modules, model try-on, sale ads, localization, and listing-image QA; do not use for unrelated illustration requests.

ecommerce-image-studio 是什麼?

ecommerce-image-studio is a Claude Code agent skill that plan, generate, batch-process, and verify ecommerce product image sets from product photos for marketplaces and social channels. Use for hero images, lifestyle scenes, infographics, A+ or detail-page modules, model try-on, sale ads, localization, and listing-image QA; do not use for unrelated illustration requests.

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Xuanwinnie/ecommerce-image-studio-skill/tree/HEAD/skills/ecommerce-image-studio

Installed? Explore more 影像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

電商圖片工作室

把真實商品照片轉成一致、可驗收、適合指定平台的圖片套組。先保護商品真實性,再追求視覺效果;可重複的客觀檢查交給腳本處理。

不可省略的原則

  • 建立「商品身份鎖」:形狀、顏色、材質、Logo、標籤文字、配件與包裝內容皆以參考圖和使用者資料為準。
  • 不臆測尺寸、材質、認證、功效、相容性、保固、折扣或包裝內容。不確定的資訊標成 unconfirmed,需要呈現在圖片上時才詢問。
  • 原始圖片只讀;所有結果寫入新的工作目錄,不覆寫輸入檔。
  • 付費 API、第三方上傳或大量生成前,先列出生成清單、後端、預估呼叫數與成本上限,取得使用者同意。支援時先做 dry-run。
  • 優先使用目前環境內建的圖片生成/編輯工具。除非使用者明確指定,否則不推薦未知 API 中轉站,也不要求把 Key 貼進對話;Key 僅從環境變數或本機秘密設定讀取。
  • 平台規則可能變動。準備正式上架時,要查核該平台當下的官方規格;平台規格 只提供安全的規劃預設值。
  • 未經明確要求,不發布、不上架、不傳送素材到社群或電商平台。

工作流程

  1. 確認任務:至少取得商品參考圖、目標平台與想要的交付物。其餘資訊能從圖片安全判斷就先判斷,只有會影響真實性或成本時才提問。
  2. 建立工作單:依 工作單結構 建立 manifest.json,記錄身份鎖、已確認事實、未確認項目、品牌限制、交付尺寸、預算與核准狀態。每張圖必須選擇 preserve、correct_to_front 或 generate_new_angle 其中一種角度政策;不得寫入任何 API Key。
  3. 提出生成計畫:列出每張圖的角色、比例/像素、文案、參考圖、生成或編輯方式與 QA 條件。先產生 1 張 proof,身份與風格通過後才批次擴展。
  4. 選擇後端:依 後端與模型路由 以能力選模型,不把單一供應商或版本名稱寫死。需要保留文字/Logo、局部編輯或多參考圖時,優先選支援高保真影像編輯的模型。
  5. 生成與修正:每次提示都帶入身份鎖。視覺問題優先重生成;只有裁切、縮放、純白背景、格式轉換等確定性工作才用腳本修正。各類圖片的特殊要求見 圖片類型。
  6. 雙層驗收:依 商品身份 QA 對照參考圖檢查商品形狀、顏色、材質、Logo、固定文字、零件與角度政策,再用 scripts/check_listing_image.py 檢查尺寸、比例、透明度、背景與主體占比。技術 QA 通過不代表商品身份通過;兩者都通過且身份分數達門檻,交付圖才能標記為 passed。
  7. 交付:輸出原圖、上架版、manifest.json 與 qa-report.json;清楚列出通過、警告、失敗及仍需人工確認的項目。

任務路由

  • 白底主圖、情境圖、賣點圖、尺寸圖、模特上身、多角度、A+/詳情頁、社群或廣告圖:讀 圖片類型。
  • Amazon、Shopify、淘寶/天貓、蝦皮、TikTok Shop、小紅書等平台:讀 平台規格,正式上架前再核對官方文件。
  • 要接外部模型、批次處理或估算成本:讀 後端與模型路由。
  • 要建立可續跑任務、批次清單或交付 manifest:讀 工作單結構。
  • 要生成或修改真實商品、決定是否可交付:讀 商品身份 QA。

建議輸出結構

output/<商品代號>/<日期時間>/
├── manifest.json
├── proofs/
├── final/
├── qa-report.json
└── prompts/

提示詞可以保存,但要移除秘密資訊。每個輸出檔名包含序號、圖片用途、比例或平台,例如 01-hero-amazon-1x1.png。

確定性檢查

python3 scripts/validate_manifest.py manifest.json
python3 scripts/check_listing_image.py final/01-hero-amazon-1x1.png \
  --profile amazon-main --json-output qa-report.json

若缺少 Pillow,說明客觀圖片檢查尚未執行,不要假裝已通過。

機器強制規則

規則強制機制
工作單不得包含秘密欄位或秘密值validate_manifest.py 的遞迴秘密掃描與反向測試
dry_run=false 前必須完成生成核准validate_manifest.py 的核准狀態檢查
交付檔只能使用工作目錄內的安全相對路徑validate_manifest.py 的路徑邊界檢查
QA 報告不得覆寫輸入圖片check_listing_image.py 的同路徑拒絕與檔案保留測試
損壞或不安全圖片必須回傳結構化錯誤check_listing_image.py 的輸入例外處理與 JSON 介面測試
每張圖必須明確指定角度政策validate_manifest.py 的 viewpoint_policy 枚舉驗證
技術尺寸通過不可取代商品身份檢查validate_manifest.py 的雙重 QA gate
身份分數未達門檻或必查項目有警告/失敗時不可通過validate_manifest.py 的身份門檻與逐項狀態驗證
尚有未通過圖片時工作單不可標成完成validate_manifest.py 的完成狀態 gate

相關技能