电商团队做营销素材这件事最耗人的从来不是创意而是量。一个上新季几十个SKU每个SKU要主图、场景图、详情页配图、朋友圈海报、公众号封面一套下来设计师排期能排到下个月。我所在的团队去年开始把 gpt-image-2 接进素材生产链路从最初的手动一张张生成到现在跑通了一套半自动的批量工作流单次上新素材产出效率大概提升了六到八倍。这篇就把这套工作流的完整搭建思路、踩过的坑、以及那些文档里不会写的细节一次性讲清楚。1. 先想清楚为什么是 gpt-image-2而不是继续堆设计师1.1 营销素材生产的真实瓶颈在哪大部分人以为素材生产的瓶颈是画得好不好看实际做过电商的人都知道瓶颈是改稿循环和规格适配。一张主图定稿前运营要改文案、改配色、改构图设计师改一版半小时来回五轮就是两个半小时。更麻烦的是同一张图要出方形、竖版、横版三种规格每种规格的构图逻辑还不一样等于重画。gpt-image-2 这类模型真正解决的不是从零画一张图而是**基于同一套语义描述快速产出多个变体和多个规格**。你把商品的核心卖点、色调、构图要求写成结构化的提示词模型就能在几十秒内给你一批候选运营挑中之后再做精修。这个流程把设计师从重复劳动里解放出来专注在最终精修和品牌调性把控上。我实测下来一个中等复杂度的商品场景图从写提示词到出可用候选平均 3 到 5 分钟其中大部分时间花在调提示词上而不是等生成。一旦提示词模板稳定下来后面就是批量套用。1.2 什么类型的素材适合交给 AI什么不适合不是所有素材都适合走 AI 工作流硬套反而增加返工。我整理了一张判断表这是我们团队实际用下来比较靠谱的边界素材类型适合度原因建议做法商品场景图无品牌露出高语义描述清晰容错率高全流程 AI 生成 人工挑选营销海报文案为主中高构图可 AI文字需后期叠加AI 出底图设计工具加文字文章/公众号封面高抽象概念图无精确要求全流程 AI 生成商品主图带品牌 Logo中Logo 和产品细节易失真AI 出场景产品实拍合成详情页长图低信息密度高排版复杂拆成单张配图分别生成带精确文字的图低模型文字渲染仍不稳定文字一律后期叠加提示带精确文字尤其是中文的图现阶段不要指望模型直接生成返工率极高。正确做法是让 AI 出干净的底图留出文字区域再用设计工具叠加。1.3 成本账几毛钱一张到底怎么算网上流传几毛钱一张这个说法要拆开看。gpt-image-2 的计费通常和输出分辨率、生成张数挂钩不同规格单价差异不小。我按我们团队的实际用量算过一笔账低分辨率草稿图用于快速筛选构图单张成本极低适合大批量试错中分辨率成品图用于最终交付单张成本是草稿图的数倍高分辨率精修底图成本最高只在确定方案后生成关键策略是分层生成先用低分辨率批量出草稿运营从几十张里挑出 3 到 5 个方向再对这些方向生成高分辨率成品。这样整体成本能压到每张成品几毛钱的量级而不是每张都按高分辨率烧钱。这个分层思路是整个工作流省钱的核心后面会详细讲怎么落地。2. 工作流的骨架从提示词模板到批量出图2.1 整体链路长什么样这套工作流的核心链路是商品信息表 → 提示词模板引擎 → 批量调用 API → 草稿筛选 → 高分辨率生成 → 后期合成。听起来简单但每一环都有讲究。商品信息表是源头通常是一个 Excel 或数据库表字段包括商品名、核心卖点、目标人群、色调偏好、使用场景、禁用元素等。提示词模板引擎负责把这些结构化字段拼成模型能理解的提示词。批量调用 API 就是循环请求草稿筛选是人工介入的关键节点高分辨率生成针对筛选结果后期合成负责加文字、加 Logo、调色。我建议一开始不要追求全自动把人工筛选节点保留下来。全自动跑出来的图质量参差不齐直接交付风险大。半自动反而更稳运营的审美判断在这个环节是不可替代的。2.2 提示词模板怎么设计才稳定提示词模板是整个工作流的灵魂。我踩过的最大坑就是一开始每条提示词都手写结果风格飘忽不定同一个商品两次生成的图完全不像一个系列。后来改成固定骨架 变量填充的结构稳定性立刻上来了。骨架大致是[主体描述] [场景/背景] [光线与色调] [构图与视角] [风格参考] [画质要求] [负面约束]举个实际例子一个保温杯的场景图提示词主体一款哑光黑色的不锈钢保温杯杯身有细腻的磨砂质感 场景放在浅色木质桌面上旁边有一本翻开的书和一杯咖啡 光线柔和的自然侧光暖色调营造清晨氛围 构图45度俯视视角主体居中偏左右侧留白 风格简约生活方式摄影类似家居杂志内页 画质高清浅景深背景虚化 负面不要出现任何文字、Logo、水印不要人物这个骨架的好处是每个变量都可以从商品信息表里映射。比如哑光黑色来自色调字段清晨氛围来自场景字段。批量生成时只需要替换变量骨架不动风格就统一了。注意负面约束negative prompt非常重要尤其是不要文字这一条。模型默认很喜欢往图里加文字不加约束的话十张里有八张带乱码文字直接废掉。2.3 批量调用的工程实现要点批量调用 API 有几个工程细节必须处理好否则跑一半就崩。并发控制不要一次性发几百个请求容易被限流。我一般控制在 5 到 10 个并发配合重试机制。每个请求失败后指数退避重试最多三次。结果落盘每张图生成后立刻下载到本地按商品ID_规格_序号命名同时把对应的提示词、参数、生成时间写进一个日志表。这个日志表后期做效果复盘时价值极大能看出哪类提示词出图率高。断点续跑批量任务跑几百张中途中断是常事。要记录已完成的任务 ID重启时跳过已完成的只跑剩下的。这个功能不做一次中断就得从头再来非常痛苦。下面是一个简化的调用逻辑示意Python 伪代码import time from concurrent.futures import ThreadPoolExecutor def generate_one(task): for attempt in range(3): try: resp call_image_api( prompttask[prompt], sizetask[size], qualitytask[quality] ) save_image(resp, task[filename]) log_task(task, statusdone) return True except RateLimitError: time.sleep(2 ** attempt) except Exception as e: log_task(task, statusfailed, errorstr(e)) return False def batch_run(tasks, max_workers8): pending [t for t in tasks if not is_done(t)] with ThreadPoolExecutor(max_workersmax_workers) as pool: pool.map(generate_one, pending)这段代码的核心是幂等 重试 并发控制三件套。实际生产环境还要加上日志、监控、成本统计但骨架就是这个。3. 分层生成策略把成本压下来的关键3.1 为什么必须分层前面提到分层生成这里展开讲。假设一个上新季有 50 个 SKU每个 SKU 需要 3 张场景图一共 150 张成品。如果每张都直接生成高分辨率成本是 150 乘以高分辨率单价。但如果先对每个 SKU 生成 10 张低分辨率草稿共 500 张筛选出 3 张方向再对这 3 张生成高分辨率共 150 张总成本是 500 乘以低分辨率单价 150 乘以高分辨率单价。低分辨率单价通常只有高分辨率的几分之一甚至更低所以整体成本能显著下降。更重要的是草稿阶段给了运营充分的挑选空间避免了生成一张不满意再生成一张的反复烧钱。3.2 草稿阶段的筛选标准草稿筛选不是随便看看要有明确标准。我们团队用的筛选维度构图可用性主体位置、留白区域是否符合后期加文字的需求风格一致性同一批图放在一起是否像一个系列细节准确度商品的关键特征颜色、形状、材质是否还原到位无致命瑕疵有没有明显的畸变、多余元素、乱码文字每个维度打分综合分高的进入下一轮。这个筛选过程看起来费人力但比后期返工便宜得多。我实测500 张草稿筛选大概需要 1 到 2 小时但能省下大量高分辨率生成的费用和返工时间。3.3 高分辨率阶段的参数微调进入高分辨率阶段后不要简单地把草稿的提示词原样再跑一遍。要根据草稿的表现做微调如果草稿构图偏了在高分辨率提示词里强化构图描述如果草稿色调不对明确指定色值或色调关键词如果草稿有瑕疵在负面约束里加上对应的排除项这个微调过程是用草稿试错用成品定稿的思路。草稿便宜可以随便试成品贵要一次到位。4. 三类素材的具体打法商品图、海报、封面4.1 商品场景图还原度是第一优先级商品场景图的核心诉求是还原商品本身。模型再会画如果商品颜色、形状、材质不对这张图就是废的。所以商品图的提示词要把商品描述放在最前面权重最高。我的经验是商品描述要具体到材质和工艺。黑色杯子和哑光黑色不锈钢保温杯杯身有细腻磨砂质感杯口有一圈银色金属环后者出图准确率高得多。模型对具体描述的响应远好于笼统描述。另一个技巧是用参考图辅助。如果 API 支持图生图或参考图功能把商品实拍图作为参考传进去还原度会大幅提升。纯文生图在商品细节上始终有偏差参考图能把这个偏差压到可接受范围。4.2 营销海报AI 出底图人工加文字海报的难点在于文字。前面说过模型生成精确文字的能力还不稳定所以海报的正确打法是AI 只负责底图和视觉元素文字全部后期叠加。具体流程先确定海报的文案结构和版式标题区、卖点区、行动号召区然后让 AI 生成一张留出这些区域的底图。提示词里要明确右侧留出大面积空白区域用于文字排版底部三分之一保持简洁这类构图约束。底图出来后在设计工具里叠加文字、Logo、按钮等元素。这样既享受了 AI 出图的速度又保证了文字的精确和规范。4.3 文章封面抽象概念的可视化文章封面和商品图逻辑完全不同。封面要表达的是抽象概念比如效率提升数据洞察团队协作。这类图没有精确的还原要求反而给了 AI 更大的发挥空间。我的做法是把文章的核心概念提炼成 2 到 3 个视觉隐喻然后针对每个隐喻生成一批图。比如效率提升可以隐喻为齿轮咬合上升的箭头加速的轨道。每个隐喻生成 5 到 10 张挑最贴切的。封面图的关键是风格统一。同一个账号的封面最好保持一致的色调和风格形成视觉识别。所以封面提示词模板要固定风格描述部分只替换概念部分。5. 那些文档里不会写的坑5.1 提示词里的隐形冲突模型对提示词里的矛盾描述处理得很差。比如你同时写极简风格和丰富的装饰元素模型会随机偏向一边导致出图不稳定。我踩过好几次这种坑排查半天才发现是提示词自相矛盾。解决办法是写完提示词后自己读一遍检查有没有互斥的描述。另外提示词的顺序也有影响越靠前的描述权重越高重要的约束要放前面。5.2 批量生成时的风格漂移批量生成几十张图你会发现风格会漂移——前面的图和后面的图色调、质感不一致。这是因为模型每次生成都有随机性即使提示词相同结果也有差异。缓解办法有两个一是固定随机种子如果 API 支持保证相同提示词出相同图二是在提示词里强化风格锚点比如明确指定统一的暖色调一致的柔光效果用更强的约束压制随机性。5.3 版权和合规的边界AI 生成的素材用于商业用途要注意几个边界不要生成明显模仿特定品牌风格的图不要在提示词里引用受版权保护的作品名称不要生成涉及真实人物肖像的图。这些边界不是技术问题是合规问题一旦踩线后续麻烦很大。我们团队的做法是提示词模板里内置一份禁用词表生成前自动检查命中就拦截。这个检查很便宜但能避免大麻烦。5.4 人工审核不能省最后一条也是最重要的一条AI 生成的素材交付前必须人工审核。模型会生成一些乍看没问题、细看有瑕疵的图比如手指数量不对、物体结构扭曲、背景出现诡异元素。这些瑕疵在缩略图里看不出来放大就露馅。审核要过一遍商品还原度、构图合理性、有无畸变、有无违规元素。这一步花的时间远比素材出问题后返工的时间少。6. 把这套工作流跑顺之后的一些体会这套工作流我们跑了大概半年从最初的磕磕绊绊到现在基本顺畅最大的体会是AI 工作流的价值不在于全自动而在于把人放在正确的位置上。人应该做判断、做筛选、做最终把控而不是做重复劳动。把重复的部分交给 AI把判断的部分留给人这个分工才是效率提升的来源。另一个体会是提示词模板是需要持续迭代的资产。我们现在的模板已经迭代了十几版每一版都是根据实际出图效果调整的。哪些描述有效、哪些是废话、哪些会引发问题都是跑出来的经验。建议一开始就建立模板版本管理记录每次调整的原因和效果时间长了这就是团队的核心资产。还有一点不要追求一步到位。我见过一些团队一上来就想搭全自动流水线结果因为各种边界情况处理不好反而比手动还慢。正确的做法是先跑通单张生成再跑通小批量最后再考虑规模化。每一步都验证稳定了再往下走这样踩的坑最少。最后分享一个我们团队的小技巧建立优质提示词库。每次生成出特别好的图就把对应的提示词、参数、商品信息存进库里标注为什么好。下次遇到类似商品直接从库里找相近的模板改比从零写快得多。这个库现在有几百条是我们效率提升的隐形功臣。