说句实话，现在这个阶段，单纯会用 AI 做图已经不值钱了。
从今年年中开始，网上突然冒出一大批教你用 Codex 或者 MJ 做亚马逊套图的教程，各种白嫖的教程满天飞。操作也很简单，丢张白底图进去，二十分钟就能跑出一整套图。
清一色的柔和光线、万能的留白构图，再配上一句不痛不痒的英文短句。这种流水线做出来的图，换张竞品的产品放上去一样能用，完全没有体现产品的差异化和核心卖点，对转化率没有任何意义。
为了解决这种只管画不管卖的问题，我们把之前的自动化工作流做了升级，直接看效果，再讲底层的逻辑。
这是我用一张自动喂食器的白底图，配合升级后的 Skill 丢给 Codex 跑出来的效果
再看一组护肤品的：
还有空气炸锅和人体工程学办公椅的效果图：
这四套跨度很大的产品图，都用的是同一个工作流。整个操作过程中，我没有为了换品类去改写任何提示词，全程就三步：安装 Skill、传白底图、点确认，剩下的判断和生成交给 Codex 自己处理。
直接讲这个流程是怎么跑通的⬇️（文末可领 Skill 包）
这次大改的起因，是前阵子我和一个前Anker视觉设计师的交流，他复盘Anker内部设计逻辑时，有两点非常关键：
第一，策略是本质，视觉是表象：如果商业定位和市场策略偏了，图做得再精美也没用，因为你一开始就做错了。
第二，AI 只有执行力，没有商业判断力：如果没有清晰的产品逻辑，不知道打什么人群、突出什么痛点，给 AI 写再多提示词都没用。
所以输出图片前，内部有一个七分思考、三分执行的推导过程，这个过程直接决定了 Listing 的转化上限。这也就是为什么我们把这个更新后的 Skill 叫做“商品视觉导演”。
你可以把它理解成写给 AI 的 SOP：做图前查什么资料、痛点怎么挖、什么情况下必须停下来找人工确认，这些都变成了通用的执行逻辑。
相比之前的版本，这次升级有三个很实用的优势：
1. 强制做视觉诊断
动手前，Skill会从5个维度做检查：
- 框架策略：核心卖点怎么排，有没有重复？
- 用户场景：画面能不能让人一眼看懂怎么用？
- 品牌调性：配色和光线能不能统一？
- 本土化：度量单位、生活场景符合不符合对应的销售站点？
- 移动端适配：缩到手机屏幕上，重点信息还看得清吗？
2. 拒绝一键批量生成
现在很多 AI 工具主打一键生成全套，这其实是个大坑！！！一旦一开始的风格错了，整套图全废。所以我们设置了拦截机制：先让 AI 出2张样图，验证还原度和风格，人工确认没问题，再跑全套。
3. 交付作图依据
不光交图，AI 会把每一张图为什么这么排版、为什么选这个场景的思考过程全部记录下来，方便后期复盘和修改。
用PetSafe自动喂食器完整跑一遍，一共四步
第一步：识别SKU信息
把 Skill 装进 Codex，传产品图，输入“帮我给xxx做套亚马逊商品图”。 这时候 Codex 不会马上作图，而是会列出它需要的条件等你补齐。
注意，这里有个坑：图片只能看清外观！像承重、兼容性、材质限制这些参数，绝不能让 AI 自己瞎编，一定要你提供准确的参数，不然它会给你造一个新物种出来。
第二步：全网调研痛点
资料齐了以后，它会去抓取 Amazon 和 Reddit 的数据，看买家掏钱前在犹豫什么，然后排图序。
这里有个真实的细节：这次调研时 Amazon 页面返回503报错，没拿到评论，Skill 就直接在方案里注标了报错，而不是硬编一组痛点出来应付差事，这种严谨度在实际业务中非常重要。
第三步：测试样图
方案没问题了，先做两张样图测试。
前面说了，我们宁愿多花一两分钟确认这两张样图，也不去追求一键到底。店铺 SKU 多的时候，返工的成本极高，不管是时间还是 Token 额度，这道闸门能省下很多麻烦。
第四步：整套生成，核对验收
样图确认后，完整套图出炉，每一张图都在解决买家的具体顾虑：
- MAIN：纯白底主图，清晰展示外观。
- PT01：强调按时喂食场景。
- PT02：说明15档份量设置。
- PT03：展示机器本身的操作，说明不需要连接App。
PT04：备用供电，插头+三节电池，明确电池另购。
PT05：干粮适配，只支持干粮、颗粒直径范围，明说避免误买。
PT06：可拆不锈钢碗，可机洗。
打开交付文件包里的审片记录，你能看到每一步画面取舍的依据。
最后核对一下桌面和手机端的预览效果，重点信息没有被遮挡，视觉统一，就可以打包给运营了。
经常在我们实战交流群里沟通的人应该有感觉，AI 生成内容的成本只会越来越低，未来真正值钱的，永远是电商人的商业判断和思考模型！市面上的工具都在教你怎么画，我们花时间迭代这个 Skill，是想解决画什么、为什么画的转化问题。
当然，这套3.0版本只是一个底层的通用框架，不是万能的。拿到手后，建议多和自己的实际品类磨合几次，它才会变成适合你店铺的专属工具。
想要部署同款自动化Skill包，后台私信【导演】获取
还想看哪些环节 AI 落地实操的，可以在评论区留言~~