★ FEATURED ARTICLE 不用再扛着相机去棚里折腾了。做电商这几年我拍过白底图、外景图、模特图灯光、道具、修图师、返工、改稿一条主图从拍摄到定稿经常要花上两三天。后来我把这条流程整个搬进了Coze智能体工作流里现在一张高清主图从构思到出图只用10秒而且不靠运气是稳定复现的那种。这套东西不是简单的套一个“文生图”API而是把主图生产的整个链路——商品理解、场景设计、画面构图、文案排版、尺寸适配、清晰度强化——拆成一段可编排的自动化流程。你只要输入一个商品链接或者一句商品描述它就能自动产出适合直通车、首页、详情页的成图。这篇文章我就把这套工作流的完整思路和搭建步骤拆开讲尤其是一些我踩过坑之后总结下来的细节直接照抄就能用。1. 为什么不用传统拍摄而把主图生产交给智能体工作流先聊一个很多人忽略的前提主图拍摄的瓶颈从来不是相机而是决策链路。一张好的主图背后是一连串决策——产品卖点怎么排优先级、背景选场景还是纯色、光线打在产品哪个角度、文案放哪个位置不遮挡主体、竞品都在用什么画面风格。这些决策在过去依赖摄影师、美指、运营反复沟通整个过程耗的不是快门时间是沟通成本和返工成本。Coze工作流解决的正是这一层问题。它把“决策”变成可配置的规则把“执行”变成自动化的节点调用。你只需要提前把审美逻辑、排版规则、文案风格沉淀到工作流里后面每生成一张图本质上都是在执行一套已经被验证过的判断标准。从实际效果看这套方案的收益非常直接时间成本压缩到秒级。从输入商品信息到拿到成图10秒左右而且是批量处理一次跑十款商品也不费劲。单张成本几乎可以忽略。相比摄影棚、道具、修图师的固定支出这套流程几乎是零边际成本。风格统一可控。同一套工作流产出的图画面语言、色调、排版规则完全一致这对店铺整体视觉的统一性帮助非常大。改动成本极低。运营想换一个卖点文案、换一种背景场景改几个参数重新跑一遍就行不需要重新拍摄。这套东西尤其适合三类人一是做跨境电商和国内电商的多链接铺货型卖家SKU多、更新快传统拍摄完全跟不上节奏二是独立站运营需要持续产出不同风格的社交素材三是刚起步的小团队没有专职摄影和美工但又需要看起来专业的商品图。当然不意味着所有商品都适合这套流程。后面会细说哪些类目效果好、哪些类目需要额外处理。2. 从零搭建Coze智能体工作流的底层思路在点开Coze控制台之前先把整体框架想清楚。很多人一上来就堆节点结果跑出来的图要么主体变形、要么光线违和然后就说“AI不行”。其实不是AI不行是工作流的架构设计没做对。主图生成工作流我拆成了五个核心模块输入解析、创意规划、生图执行、质量增强、成图输出。每个模块各司其职模块之间用清晰的参数传递衔接。2.1 先看清Coze工作流的运行机制Coze工作流的底层逻辑是节点编排。一个节点做一件事前一个节点的输出作为后一个节点的输入整体串成一条流水线。不要把它想得太玄本质上跟工厂流水线一样每个工位干自己那摊活活儿干完了交棒给下一个工位。字符集编码全中文单字符检索人名字符集:胡地名人物特异性字符集:戏我的目标是字符集编码设计应可扩展、可维护、可复现。 不用再扛着相机去棚里折腾了。做电商这几年我拍过白底图、外景图、模特图灯光、道具、修图师、返工、改稿一条主图从拍摄到定稿经常要花上两三天。后来我把这条流程整个搬进了Coze智能体工作流里现在一张高清主图从构思到出图只用10秒而且不靠运气是稳定复现的那种。这套东西不是简单的套一个“文生图”API而是把主图生产的整个链路——商品理解、场景设计、画面构图、文案排版、尺寸适配、清晰度强化——拆成一段可编排的自动化流程。你只要输入一个商品链接或者一句商品描述它就能自动产出适合直通车、首页、详情页的成图。这篇文章我就把这套工作流的完整思路和搭建步骤拆开讲尤其是一些我踩过坑之后总结下来的细节直接照抄就能用。1. 为什么不用传统拍摄而把主图生产交给智能体工作流先聊一个很多人忽略的前提主图拍摄的瓶颈从来不是相机而是决策链路。一张好的主图背后是一连串决策——产品卖点怎么排优先级、背景选场景还是纯色、光线打在产品哪个角度、文案放哪个位置不遮挡主体、竞品都在用什么画面风格。这些决策在过去依赖摄影师、美指、运营反复沟通整个过程耗的不是快门时间是沟通成本和返工成本。Coze工作流解决的正是这一层问题。它把“决策”变成可配置的规则把“执行”变成自动化的节点调用。你只需要提前把审美逻辑、排版规则、文案风格沉淀到工作流里后面每生成一张图本质上都是在执行一套已经被验证过的判断标准。从实际效果看这套方案的收益非常直接时间成本压缩到秒级。从输入商品信息到拿到成图10秒左右而且是批量处理一次跑十款商品也不费劲。单张成本几乎可以忽略。相比摄影棚、道具、修图师的固定支出这套流程几乎是零边际成本。风格统一可控。同一套工作流产出的图画面语言、色调、排版规则完全一致这对店铺整体视觉的统一性帮助非常大。改动成本极低。运营想换一个卖点文案、换一种背景场景改几个参数重新跑一遍就行不需要重新拍摄。这套东西尤其适合三类人一是做跨境电商和国内电商的多链接铺货型卖家SKU多、更新快传统拍摄完全跟不上节奏二是独立站运营需要持续产出不同风格的社交素材三是刚起步的小团队没有专职摄影和美工但又需要看起来专业的商品图。当然不意味着所有商品都适合这套流程。后面会细说哪些类目效果好、哪些类目需要额外处理。2. 从零搭建Coze智能体工作流的底层思路在点开Coze控制台之前先把整体框架想清楚。很多人一上来就堆节点结果跑出来的图要么主体变形、要么光线违和然后就说“AI不行”。其实不是AI不行是工作流的架构设计没做对。主图生成工作流我拆成了五个核心模块输入解析、创意规划、生图执行、质量增强、成图输出。每个模块各司其职模块之间用清晰的参数传递衔接。2.1 先看清Coze工作流的运行机制Coze工作流的底层逻辑是节点编排。一个节点做一件事前一个节点的输出作为后一个节点的输入整体串成一条流水线。不要把它想得太玄本质上跟工厂流水线一样每个工位干自己那摊活活儿干完了交棒给下一个工位。拿主图这个场景来说整条链路的节点大致是接收商品信息 - 调用大模型做卖点提炼 - 调用大模型生成图像描述 - 调用文生图模型绘制造图 - 可选的高清放大节点 - 输出最终图像。这其中的关键不是“用好某个大模型”而是把不同节点的职责边界划清楚。我见过最多的工作流失败案例都是因为让一个节点干了太多不该它干的活。比如让文生图模型自己理解商品卖点然后生成画面它往往会顾此失彼主体画得像、背景却很敷衍或者背景氛围对了、产品细节又丢了。正确的做法是文本理解的工作交给大语言模型图像生成的工作交给绘画模型各管各的接口只传必要的信息。2.2 主图生成工作流的核心模块拆分先看第一个模块——输入解析。这一步是让工作流听懂“你要什么”。输入可以有两种形式一种是从商品链接直接抓取信息另一种是手动填写商品的基础信息和卖点关键词。无论哪种方式最终都统一成结构化文本方便后续节点读取。输入内容一般包括这么几个字段字段示例作用商品名称无线蓝牙耳机确定主体对象核心卖点降噪、续航30小时、佩戴舒适生成图像描述和文案的素材目标人群通勤族、运动爱好者决定场景和整体氛围图片比例1:1方图主图或 3:4竖图控制出图尺寸风格偏好科技感、简约风、ins风约束画面调性第二个模块是创意规划。这里接一个大语言模型节点把上一步的结构化信息变成两段关键的提示词视觉描述和文案内容。视觉描述决定画面上有什么、场景是什么、光线怎么打文案内容决定主图上放什么字、字放在哪里。这个环节是整个工作流的灵魂。后面会单独用一节讲怎么把提示词写好因为这一步直接决定出图质量的上限。很多人的工作流跑出来效果一般问题不是模型不行而是提示词的结构化程度不够。第三个模块是生图执行。这里调用Coze平台的文生图能力把上一步生成的视觉描述作为输入指定好尺寸和画质参数让模型产出主图底图。第四个模块是质量增强。生成完的底图可以做一次放大或清晰化处理让它更适合平台对高清图的要求。Coze平台里自带了一些图像处理插件也可以在流程里接外部图像处理服务具体看你搭建工作流时用的版本支持哪些插件。第五个模块是成图输出。把生成好的图像和文案拼合如果需要加字输出最终成品。在最简版本的流程里文生图模型直接支持在画面中绘制文字所以第五个模块往往只是把结果返回不额外处理。2.3 版本差异说明Coze平台的功能迭代很快不同时期的控制台在插件市场、模型选择上会有差异。我在这篇文章里描述的是当前主流可用的方式当你实际搭建时如果发现某些插件或模型名称有出入去插件市场搜相近的替代品就行。核心的链路逻辑在任何版本下都是通的解析需求 - 生成文本 - 生成图像 - 输出成品。3. 写图像描述提示词的正确姿势到了最核心的部分提示词怎么写。很多人觉得提示词就是堆形容词——“高清、质感、高级、唯美、大气”。这些词有没有用有但都是远不够的。主图生成的提示词要解决的是一连串具体的视觉问题产品放在画面什么位置、产品多大、背景是什么环境、光线从哪里来、阴影怎么处理、画面中是否有人物、人物在做什么动作、镜头是近景还是远景。主图提示词我建议按照“主体描述 - 环境场景 - 光影构图 - 风格质感 - 辅助约束”这五个维度来组织。举例来说如果输入的商品是“无线蓝牙耳机”核心卖点是“降噪”目标人群是“通勤族”那么一段合格的视觉描述大概长这样主体描述一副哑光黑色的无线蓝牙耳机收纳盒半开耳机本体悬浮在收纳盒上方收纳盒表面有细腻的磨砂质感品牌Logo清晰可见。环境场景城市通勤地铁车厢内的浅景深背景窗外模糊的灯光座位扶手形成自然的前景虚化体现通勤场景的代入感。光影构图柔和顶光照明耳机主体有清晰的高光轮廓背景光斑自然虚化主体占画面60%面积居中略微偏右。风格质感商业摄影风格8K细节极致质感的哑光金属和塑料材质表现锐利对焦。辅助约束真实比例无文字水印无夸张畸变。你把这五段拼起来就是一条完整的主图生图提示词。跟那种“帮我生成一副高级感耳机图”的散装提示词相比这种结构化写法在画面稳定性和产品还原度上完全是两个量级。这里有一个关键认知文生图模型不是理解力超强的万能画师它是一个概率系统。你给它的指令越混乱它的输出就越随机。结构化提示词的本质是帮概率系统缩小到一个稳定解附近的区域让每次输出都尽可能落在可用的范围内。写提示词时要注意别踩几个常见的坑不要在提示词里写“别”、“不要”这类否定词。模型对否定指令的响应并不可靠你越强调“不要出现文字”它越容易出现乱码文字。正确做法是正面引导直接写“纯色无字背景”而不是“不要有字”。除非商品本身就是食品或者需要表现多角度的场景否则尽量别在提示词里塞太多元素画面越杂主体越容易变形。比例必须与平台要求的最终尺寸匹配。主图常用1:1但如果你打算做详情页头图或短视频封面建议调整为3:4同样一套提示词在不同比例下的画面观感差异很大需要单独测试。4. 实操过程与核心环节实现理论部分讲完了接下来的实操流程我以“某款无线蓝牙耳机的主图生成”为案例从零走一遍完整的搭建步骤。这部分的每一步都是可以直接抄作业的。4.1 第一步在Coze控制台创建空白工作流登录Coze控制台在左侧导航进入“工作流”标签页点击创建一个新工作流名称可以按可辨识原则命名比如“商品主图生成器-通用版”。进入编排画布之后默认会看到一个开始节点和一个结束节点。先不要急着拖节点把想象一下整个链条开始节点接收用户的商品描述传给大模型节点生成文案和视觉描述再传给文生图节点出图最后通过结束节点返回结果。4.2 第二步配置输入变量点击开始节点把输入参数配置好。我建议配置三个输入参数名数据类型说明product_name字符串商品名称用于明确主体selling_points字符串卖点描述可以是句号分隔的多个关键词scene_style字符串场景风格偏好例如“办公桌面”或“户外运动”要特别注意开始节点的输入参数是后续所有节点取数据的基础参数命名尽量用英文小写加下划线避免在不同模型节点之间传参时出现编码问题。4.3 第三步接入大模型节点做创意规划从节点库拖入一个大模型节点连接到开始节点。这里的任务是把用户输入的原始信息转换为两部分内容图像描述和主图文案。模型选择上建议用上下文能力强的模型提示词示例任务说明你是一名资深电商视觉策划根据商品信息生成主图的视觉描述与主图文案。商品名称{{input.product_name}} 核心卖点{{input.selling_points}} 场景风格{{input.scene_style}} 图片比例1:1要求生成视觉描述按“主体描述、环境场景、光影构图、风格质感、辅助约束”五个维度组织控制在200字以内。生成主图文案提炼一句最核心的营销话术不超过10个字适合作为画面中的文字元素。输出格式 画面描述xxx 文案内容xxx这个节点完成后后续文生图节点就能拿到一个结构清晰、语义精准的输入。这里有个实操心得如果你写的提示词比较复杂建议在这个节点外加一个“代码节点”做输出清洗把不必要的标记语言和形容词剔除掉再接给文生图节点。我试过很多次清洗后的提示词出图稳定性和干净度都会上一个大台阶。4.4 第四步接入文生图节点在Coze插件市场找到文生图能力的插件拖入画布连接到上一个大模型节点。参数这样填提示词输入引用上一步输出的“画面描述”图片尺寸1:1如果最终目标是搜索主图这里选1:1不会有问题如果侧重详情页改3:4高清质量开启确保出图细节足够图比例参考建议固定不开启相关性增强这一步生成的图就是主图的底图。如果一切顺利此时你已经得到一张构图工整、背景干净、主体清晰的商品图。4.5 第五步配置结束节点返回结果把文生图节点的图片输出连接到结束节点再将文案内容一起传出。结束节点的输出类型可以设置为图片文本的复合结构。保存工作流之后先跑一次测试输入案例中的商品信息和卖点看看输出效果。第一次跑大概率有点小瑕疵比如主体位置偏了、背景元素杂乱、文案出现了乱码。不用气馁这正是工作流需要调优的信号。4.6 调优技巧如何让主体更显眼、背景更干净调优的方向主要有四个主体质量不达标在视觉描述里加强“主体占画面60%以上”“产品居中偏右留白”这类构图描述模型会根据空间占比调整主体大小。背景过于杂乱在“辅助约束”维度中增加“纯色背景”“只有一种环境物体”之类的限制描述。光影不自然在“光影构图”维度中写“侧上方45度柔光照明”“产品表面反射柔和自然光”模型会调整高光与阴影的关系。品牌表达不够如果Logo或产品外观标识是重点在“主体描述”中明确“产品正面朝向镜头Logo完整可见”。实测下来这些细节提示词的修正对最终效果的影响比盲目换一个大模型更明显。5. 内容生成的边界哪些产品适合哪些不适合这套工作流有很强的适用性但也别幻想它是万能的。根据我的实操经验以下几类商品效果最好数码配件耳机、充电宝、智能手表、家居日用保温杯、香薰、收纳盒、美妆个护护肤品瓶罐、化妆工具、食品饮料包装精美、有设计感的零食饮品。这些品类的共同特征是产品本身外观卖点突出、形态相对规整、对真实材质感要求高——恰好是文生图模型最擅长表现的领域。不太适合直接跑全自动流程的品类主要是这类情况产品功能复杂、必须展示多角度细节的品牌溢价高、视觉需要极度克制的或产品带有强真实使用场景比如“戴在真人脸上的眼镜”“穿在模特身上的定制服装”。这不是说不能用而是需要额外加步骤。例如服装类可以先生成模特穿着服装的底图再接入局部重绘能力把服装细节修得更精准眼镜类更适合用局部重绘扩图的方式先跑一个贴合的基础图再借助图像编辑插件修正镜片和高光。6. 文案排版与主图字体选择的经验一张主图的标题文案不用多说清楚一个点就够了最忌讳什么都想说。工作流里我通常只保留一句核心文案——比如“降噪至静”“无线自由”。之所以不在这里做多行文案是因为AI生成图像时文字越少越不容易出乱码。句子数量控制在6个字以内是AI文生图模型表现最好的区间。你要做成“第二件半价”“今日下单立减50”这种促销型文案建议在后处理中用图像合成功能把文字加进图片不要把这段文本放在文生图的提示词里让它自己画字。具体到字体选择大促氛围类的用粗黑体或者醒目的无衬线体高端质感类的用细体或衬线体整体保持克制。字体色彩建议用白底黑字或黑底白字尽量不要用低对比度的彩色字体。7. 常见问题与实操排查7.1 生成图片清晰度不够优先检查是否开启了高清画质选项。如果已经开启但效果依然不佳在提示词里加入“8K细节”“超清画质”这类条项并把即时画面尺幅参数拉高到最大然后使用工作流最后的图像放大节点处理一次。多数情况下这一步能明显改善画面锐度问题。7.2 产品主体变形严重尤其是耳机线、数据线等细长物体AI经常画不直或扭曲。应对方法是在“辅助约束”维度里明确“物理形态准确线条自然顺滑”。更稳定可靠的方式是先生成主体单独的产品白底图再用工作流里的抠图能力把主体分离出来放在干净的背景上进行后续合成这就完全跳开了文生图模型画复杂形体的弱点。7.3 文案乱码或文字错位AI生成图片时文字是最大的短板。最稳妥的规避方法就是不让AI写字——在视觉描述里加入“无字”“空白封面”约束。文案部分在出图后用图片处理节点把文字压到图上去。这样做的好处是文字渲染完全可控不会出现多一笔少一笔的乱码现象。7.4 风格不稳定每张图色调不一致在提示词里固定风格参考词比如“低饱和度高级灰”“明亮通透日系”或“暗调科技感”同时在生成参数里关闭随机性相关的采样选项。许多插件支持设置固定种子值把每次生成的种子值统一也能有效保持系列图的色调稳定性。7.5 场景和产品比例失调一个很常见的现象是产品在画面里太小场景喧宾夺主。修正方法是明确写“产品主体占画面至少60%”并在“光影构图”维度中把镜头视角限定为“特写视角”逻辑上会强制模型拉近主体与镜头的距离缩小背景占比。8. 自动化扩展从单张主图到批量生产工作流的价值不止单张出图。搭建完成且测试稳定之后可以把工作流封装成一个独立应用再配合表格批量处理能力——把商品名称、卖点、场景分别填入表格的行列一次性运行几十款商品自动生成整套主图。批量操作的架构大概是这样前端配置商品表格每一行代表一个商品的信息调用工作流时逐行读取参数图片输出后自动存储到统一目录文件名按商品名称加序号自动命名。这样一来上新链接时基本就是填表的事出图完全自动化。想做到这一步核心是工作流的输入参数稳定、输出路径清晰。所以一开始设计输入字段时就要刻意控制参数的可变性尽量保证所有商品共用一套字段结构只是内容随商品变化。字段设计得越规范后面的自动化就越顺畅。9. 最后一点个人经验搭这套工作流时我踩过最深的坑是“贪多”——总想把所有卖点、所有场景全部塞进一张图里。结果画面信息量过大主体既不突出画面也不干净。后来想明白一件事一张主图只要完成一个沟通任务。卖点有很多那就拆成多个不同场景的主图每个场景分别对应一个核心卖点画面反而更有冲击力转化也更理想。建议顺序是这样先拿一两款销量最好的商品把工作流跑通跑稳测试不同的提示词写法找到你自己品类的最优风格公式。稳定之后再开始批量铺开不要一上来就把几十款SKU的数据全部灌进去。这套工作流的灵活度非常高改一个场景词整个画面调性就换了改一句文案促销主题就变了。每周上新、大促换图、多平台差异化素材基本都能用这一个工作流覆盖。别怕试错多跑几次你会找到最契合你自己品类的那套配方。
阅读完成 · 觉得有帮助？
