我把电商详情页做成了一条自动+批量生产线

---

我们的电商详情页，现在已经可以交给一个Codex Agent，从商品资料开始，自动策划、自动设计，再批量生成整套图片了。

不是只做一张海报，也不是人工把14页方案写好以后让AI照着执行。

而是从商品资料梳理、页面结构设计、视觉语言提炼、逐页提示词编写，到连续出图和统一归档，整条链路都由Agent负责组织和推进。

这套Agent我们确实已经做出来了，而且已经在真实任务里跑通。前段时间真正让我不满意的，不是自动化流程本身，而是最后的出图环节还有两个现实问题：质量偶尔会有小瑕疵；想把质量再往上提，调用Image 2的成本又不低。

现在，我们把Seedream 5.0 Pro接进来了。

这一步不是简单换了一个生图模型，而是把详情页Agent从“完整能跑”，继续推到了“质量耐打、成本可控、适合批量生产”。

先说清楚：真正有价值的不是“AI会画图”

现在会生成商品图的模型很多。

输入一张产品图，写一段提示词，生成一张看起来不错的图片，这件事已经不稀奇了。

但电商企业真正需要的，从来不是偶尔做出一张漂亮图。

一套完整详情页，要解决的是一连串问题：商品有哪些真实卖点？消费者应该先看到什么、后看到什么？场景页、细节页、面料页、尺码页怎么排列？整套页面的颜色、字体、版式和视觉气质如何统一？多张图连续生成时，人物、商品和配色如何尽量保持一致？最后，所有素材、提示词和成品如何归档，方便修改、复测和交接？

这些问题，不是一个生图按钮能解决的。

所以我们做的并不是一个“图片生成器”，而是一个真正负责详情页生产任务的Codex Agent。

它先理解商品，再设计整套详情页的信息结构；先建立全局视觉规范，再给每一页编写独立任务；先确定哪些内容来自真实商品资料，哪些图片只用于商品外观参考，哪些样例只学习版式和气质；最后才调用生图模型逐页执行。

换句话说，生图只是整条链路的最后一个执行环节。

真正决定这套系统能不能用的，是前面的商品事实、页面策划、视觉规则、任务拆解、连续性控制和验收边界。

这次，我们让它真实做了一套14P详情页

这次测试的商品，是一套小学女生新中式国风校服。

输入材料包括一份完整商品资料、三张商品参考图，以及三张详情页风格与版式样例。

这里有一个很重要的处理：三类材料必须分开。

商品资料决定页面可以写什么；商品参考图决定衣服应该长什么样；版式样例只决定页面应该呈现什么气质。

如果把这三类输入混在一起，AI很容易把样例里的文案、面料、尺码甚至模特信息误认为商品事实。看起来图做得很完整，实际上商业风险很大。

Agent先把商品资料整理成基础信息、产品组合、面料材质、设计细节、核心卖点、适用场景、尺码数据、品质说明和洗护建议，再根据购买决策路径自动确定页面结构。

最后形成14页：首屏主视觉、产品概览、五大核心卖点、课堂场景、图书馆场景、课间场景、操场场景、上衣细节、裙装细节、面料解析、双色选择、尺码参考、品质洗护和结尾品牌页。

这个顺序不是随机排版，而是按照“建立认知—展示场景—解释产品—解决顾虑—完成收口”的逻辑设计。

Agent还先建立了一套统一视觉规范：奶油白和象牙白做底色，藏青蓝做主色，香槟金做辅助线，中国红做点题色；场景页和功能页使用不同骨架，但标题、边框、页码和底栏保持统一。

首屏先生成两位女孩作为人物锚点，后续课堂、图书馆、走廊、操场和结尾页再复用这张首屏，让人物、发型和红蓝穿搭尽量保持连续。

最终，14张图片全部一次生成成功，没有模型报错、任务中断或文件保存失败。单张实际耗时约80到105秒，14张纯生成时间约21分钟。

这里我说的“一次生成成功”，指的是技术执行成功并返回了完整文件，不代表每一个服装细节、每一处中文和每一个尺码数字都天然正确。正式商用前，依然需要人工逐页终审。

以前卡住我们的，不是流程，而是质量和成本

这套详情页Agent的自动化流程，此前已经存在，也确实可以完整运行。

真正的问题发生在最后一公里。

一方面，之前的出图效果偶尔会有小瑕疵。尤其当商品原图清晰度不够、只有正面角度，或者要求模型生成不存在的侧面和背面时，盘扣、刺绣、裙褶、门襟等商品结构就可能被重新设计。

另一方面，如果调用Image 2来获得更好的出图表现，单张成本大约0.7元。

一张图看起来并不贵，但Agent的价值恰恰在批量生产。

一套详情页14张图，按0.7元计算，纯生图成本约9.8元。一个商品不明显，几十个、几百个商品连续生产时，成本会被迅速放大。

所以我们真正需要的不是“最强模型”这四个字，而是一个能同时满足三个条件的执行模型：效果过关、成功率稳定、单张成本适合规模化。

Seedream 5.0 Pro接入之后，这三个条件开始同时成立。

实测出图成功率已经超过95%，效果完全耐打，单张成本约0.3元。同样生成14张图，成本约4.2元；与Image 2的约9.8元相比，一套节省约5.6元，降幅约57%。

这不是为了省几块钱而降低质量。

恰恰相反，是在效果能够进入真实生产的前提下，把批量成本降到了更合理的位置。

为什么这一步对电商企业很重要

单张图的成本差异，看起来只是一个API价格问题。

但放进完整业务流程里，它会直接决定一套Agent到底只能做演示，还是能够长期运行。

如果一个系统每次执行都需要人工重新整理资料、重新规划页面、重新写14条提示词、重新盯着每张图片保存，它就不是真正的自动化。

如果流程自动化了，但单张出图成本过高，企业不敢批量跑，它也很难形成稳定产能。

如果价格便宜，但商品、人物和视觉风格频繁漂移，最后需要设计师大规模返工，同样没有解决问题。

现在这套组合的意义是：Codex Agent负责“想清楚和组织好”，Seedream 5.0 Pro负责“稳定执行和批量出图”，人负责“提供真实资料、确定审美方向和承担最终审核”。

三者的分工开始清晰了。

Agent不是代替人去承担所有商业责任，而是把过去分散在资料整理、策划、设计、提示词和批量执行中的大量工作串成一条线，让人的注意力集中在商品真实性、品牌判断和最终验收上。

这套Agent真正自动化了哪些工作

如果只看最后14张图，很容易低估前面的工作量。

这套Agent实际承担了七类任务。

第一，商品信息结构化。它把零散资料整理成可验证的事实模块，并区分已确认信息和不能擅自生成的内容。

第二，详情页信息架构。它根据商品复杂度、场景要求和购买决策顺序，决定页数、主题和叙事结构。当然，这个要依赖于你提前做好了相关的大量知识库markdown。只靠大模型肯定是不行的。

第三，视觉语言提炼。它从版式样例中提炼颜色、字体气质、卡片、边框和构图规则，但不复制样例中的商品事实。

第四，全局规则建立。它先锁定画面比例、商品外观、人物状态、配色体系、禁止内容和一致性边界。

第五，逐页提示词编写。14页每一页都有独立任务，同时又受同一套全局视觉规范约束。

第六，按顺序连续出图。它先生成首屏锚点，再依次完成场景页、产品页、参数页和结尾页，出错时可以准确定位到具体页面。

第七，统一归档。商品图、风格样例、提示词总稿、生成结果和测试报告被保存在同一个项目目录里，方便复测、修改、交接和沉淀类目模板。

这才是我说“我们已经有了完整顺畅的自动化和批量化详情页Agent”的原因。

不是因为它会调一个API，而是因为它已经能管理一整项生产任务。

但我仍然不会说：以后完全不需要人工

AI生成一套图，和这套图可以直接作为商品详情页发布，是两件不同的事。

Seedream 5.0 Pro的中文排版已经很强，但高密度尺码表、洗护说明和小字区域仍然需要逐格核对。商品原图如果只有正面，AI不能凭空知道真实背面；没有检测报告，Agent也不能擅自增加认证标志。

所以真正成熟的自动化，不是把人从流程中彻底删除。

而是让AI承担适合它的大量执行工作，把人工审核放在最关键的位置。

我们的合理分工一直很明确：人提供真实商品、完整信息和审美判断；Agent完成结构设计、流程组织和批量执行；最后再由人承担真实性与商业风险的终审。

这不是自动化不够彻底，而是企业真正能用的自动化，本来就必须有边界。

最后一个卡点解决后，详情页开始具备规模化条件

过去我们已经把流程做出来了。

现在，Seedream 5.0 Pro把出图效果、成功率和单张成本进一步拉到了一个更适合生产的位置。

从0.7元一张到0.3元一张，变化的不只是价格。

它意味着同一套Agent可以更放心地批量跑更多商品，可以为不同品类继续沉淀模板，也可以在问题页上做定点重生成，而不必每次推倒重来。

童装、鞋包、家纺、食品、小家电，都可以在同一套底层逻辑上，替换商品事实、参考图、品类规则和视觉方向，形成自己的详情页生产模板。

这才是我真正兴奋的地方。

不是又多了一个会画图的模型。

而是我们已经做好的Codex详情页Agent，终于接上了一个效果耐打、成本合适的视觉执行引擎。

一条新的电商详情页生产线，开始真正具备自动化、批量化和规模化复制的条件。

接下来，人不需要再把大部分时间花在重复搭页、反复复制和逐张执行上。

人的价值会更多回到三件事：把商品资料说清楚，把审美标准定清楚，把最后的商业责任守清楚。

AI负责跑，人负责判断。

这才是Agent进入电商真实业务以后，最有价值的分工。