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( prompt=task["prompt"], size=task["size"], quality=task["quality"] ) save_image(resp, task["filename"]) log_task(task, status="done") return True except RateLimitError: time.sleep(2 ** attempt) except Exception as e: log_task(task, status="failed", error=str(e)) return False def batch_run(tasks, max_workers=8): pending = [t for t in tasks if not is_done(t)] with ThreadPoolExecutor(max_workers=max_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。
