agentleFS
dlazy-aidlazy-ai/ecommerce-skills/skills/batch-image/skill.md

batch-image

Skill71 starsChanged 3 months agoMITView on GitHub

多商品批量生图流水线。商品清单 CSV → 整批统一视觉的商拍图,带并发、重试、断点续跑、成本熔断与挑图联系表。当用户说「批量生图」「一批商品」「跑整个 SKU 表」「几百个商品出图」时使用。

The file

Files
skill.md

batch-image — 多商品批量生图

把单张生图变成流水线:一份商品清单 → 一整套风格统一的商拍图。

批量的难点不是「跑很多次」,而是跑出来的图要像一套。本技能的核心是规范段与变量段分离:视觉规范逐字不变,只有商品描述随 SKU 变化。


生成效果示例

输入:商品清单(2 个 SKU)
SKU001 <img src="../../docs/batch-image/sku-a-sweater.jpg" width="150"> 军绿色麻花针织圆领毛衣,落肩宽松版型
SKU002 <img src="../../docs/batch-image/sku-b-shoes.jpg" width="150"> 黑色亮面皮革布洛克德比鞋,厚底系带

实际执行的命令(循环体,两个 SKU 只有 DESC 与 --images 不同,规范段逐字相同):

for sku in a-sweater b-shoes; do
  case $sku in
    a-sweater) DESC='军绿色麻花针织圆领毛衣,落肩宽松版型' ;;
    b-shoes)   DESC='黑色亮面皮革布洛克德比鞋,厚底系带' ;;
  esac
  dlazy seedream-5.0 \
    --prompt "电商商拍图。图1 是商品:${DESC}。商品的颜色、材质纹理、款式细节必须与图1完全一致。放置在同一套统一视觉里:纯米白色摄影棚背景,柔和顶光加左侧补光,45 度视角,画面下方留出统一的商品投影,构图与留白在整组图中保持一致。真实商业产品摄影,无文字无水印。" \
    --images docs/batch-image/sku-${sku}.jpg --size 1:1 --resolution 2k \
    --save docs/batch-image/example-output-${sku}.jpg
done

输出:同一套视觉规范下的两个 SKU

SKU001SKU002
<img src="../../docs/batch-image/example-output-a-sweater.jpg" width="280"><img src="../../docs/batch-image/example-output-b-shoes.jpg" width="280">
1:1 / 2K,5 credits1:1 / 2K,5 credits

两张的背景色、光位、视角与投影方向一致——因为规范段逐字相同;商品各自保真。100 个 SKU 就是这个循环跑 100 次,总价约 500 credits。


1、能力边界

能力说明
批量规模一批最多 100 个商品(对应企业功能的规格)
成本优势批量场景下单图算力成本可降至约 7 折
协作多人在线协作、出片进度实时追踪
资产共享共享模特 / 参考图 / 作品 / 算力点
本技能落地清单驱动循环 + 并发控制 + 失败重试 + 按 SKU 归档 + 汇总报告

不做:不在同一批里混用不同视觉规范(那不是一批);不跳过抽样质检直接全量上架;不因为批量就放宽商品保真要求。


2、输入素材规则

生成前先自检这几条硬性约束:

  • 大小:20KB ~ 15MB
  • 分辨率:大于 400×400
  • 格式:jpg / jpeg / png / webp

商品清单(manifest) 是批量的输入,建议 CSV:

sku,image,desc
SKU001,docs/batch-image/sku-a-sweater.jpg,军绿色麻花针织圆领毛衣,落肩宽松版型
SKU002,docs/batch-image/sku-b-shoes.jpg,黑色亮面皮革布洛克德比鞋,厚底系带

每张商品图仍要满足单图规则:20KB~15MB、>400×400、jpg/jpeg/png/webp。

批量前必做的事

步骤说明
✅ 先跑通 1 个 SKU单个跑不对,跑 100 个只是错 100 次
✅ 再抽样 5 个 SKU覆盖品类/颜色/深浅色的边界情况
✅ 确认成本--dry-run 单价 × SKU 数 × batch 数
❌ 直接全量最容易烧算力的做法

3、规范段 / 变量段分离

这是批量出统一视觉的唯一方法:

prompt = [规范段:整批逐字不变]  +  [变量段:每个 SKU 不同]
段内容是否变
规范段背景、光位、机位、构图留白、投影、色调、输出风格、no text, no watermark整批逐字不变
变量段商品品类 + 颜色 + 材质 + 关键结构特征每个 SKU 不同

写成 shell:

SPEC='放置在同一套统一视觉里:纯米白色摄影棚背景,柔和顶光加左侧补光,45 度视角,画面下方留出统一的商品投影,构图与留白在整组图中保持一致。真实商业产品摄影,无文字无水印。'

while IFS=, read -r SKU IMG DESC; do
  dlazy seedream-5.0 \
    --prompt "电商商拍图。图1 是商品:${DESC}。商品的颜色、材质纹理、款式细节必须与图1完全一致。${SPEC}" \
    --images "$IMG" --size 1:1 --resolution 2k \
    --save "docs/batch-image/out/${SKU}.jpg"
done < manifest.csv

规范段一旦改动就必须整批重跑——否则同一批里会出现两种视觉。


4、并发、重试与进度

并发:dlazy 是单次调用一个任务,批量靠 shell 并发。控制在 4~6 路,太高容易触发限流。

run_one() { ... }               # 单个 SKU 的生成逻辑
export -f run_one
xargs -P 5 -I{} bash -c 'run_one {}' < sku-list.txt     # 5 路并发

重试:网络与服务端偶发失败很正常,包一层重试。

for attempt in 1 2 3; do
  dlazy ... && break
  echo "retry $attempt for $SKU" >&2; sleep $((attempt * 10))
done

异步模式:SKU 很多时用 --no-wait 先把任务全部提交,拿到 generateId 后再统一轮询,避免长时间占着进程。

GID=$(dlazy seedream-5.0 --no-wait ... | python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["task"]["generateId"])')
echo "$SKU,$GID" >> tasks.csv
# 稍后统一收结果
while IFS=, read -r SKU GID; do dlazy status "$GID" --wait; done < tasks.csv

进度与汇总:每个 SKU 记一行状态,跑完输出报告。

echo "$SKU,$(test -f out/$SKU.jpg && echo ok || echo fail)" >> report.csv
awk -F, '{c[$2]++} END{for(k in c) print k, c[k]}' report.csv

5、工具调用

本技能使用 dLazy 的 seedream-5.0(批量场景的关键指标是单图成本与参考图支持:本模型单张约 5 credits、支持最多 10 张参考图、支持 2K/3K/4K;100 个 SKU 的成本量级从数百降到数十。对商品保真要求极高的批次改用 gpt-image-2)。

调用方式

两种等价写法,选一种。统一入口会自动选后端、失败重试、建目录落盘、估算成本:

# A. 统一入口(推荐):可切任意后端,加 --dry-run 不计费空跑
node scripts/gen.mjs --task batch-image \
  --prompt '<见下方 Prompt 模板>' \
  --images <按下表顺序> \
  --save output/batch-image-<sku>.jpg

# B. 直接用 dLazy CLI(不想引入 Node 依赖时,效果等价)
dlazy seedream-5.0 --prompt '...' --images ... --save output/batch-image.jpg

参数约定(本技能固定用法)

参数取值理由
--images[该 SKU 的商品图](+ 整批共用的参考图 / 模特图)共用素材放在固定位置,prompt 里用固定图号引用
--size整批统一(1:1 主图 / 3:4 竖版)不统一就不是一套
--resolution2k上架足够;4K 只给需要印刷的批次
--batch1(批量场景靠 SKU 数量,不靠 batch)batch 会让成本翻倍
--no-waitSKU 很多时开启先提交后轮询,避免长时间阻塞
--savedocs/batch-image/out/<SKU>.jpg用 SKU 命名,便于回填到商品库

模型切换:seedream-5.0 便宜、适合氛围与场景图;对商品保真要求极高(图案位置、五金细节)的批次换 gpt-image-2,成本约 6 倍。同一批内不要混用两个模型。

Command Examples

# basic call: 单个 SKU(先跑通这个,再谈批量)
dlazy seedream-5.0 \
  --prompt '电商商拍图。图1 是商品:军绿色麻花针织圆领毛衣,落肩宽松版型。商品的颜色、材质纹理、款式细节必须与图1完全一致。放置在同一套统一视觉里:纯米白色摄影棚背景,柔和顶光加左侧补光,45 度视角,画面下方留出统一的商品投影。真实商业产品摄影,无文字无水印。' \
  --images docs/batch-image/sku-a-sweater.jpg --size 1:1 --resolution 2k

# complex call: 完整流水线(清单驱动 + 5 路并发 + 3 次重试 + 汇总报告)
cat > manifest.csv <<'CSV'
SKU001,docs/batch-image/sku-a-sweater.jpg,军绿色麻花针织圆领毛衣,落肩宽松版型
SKU002,docs/batch-image/sku-b-shoes.jpg,黑色亮面皮革布洛克德比鞋,厚底系带
CSV

SPEC='放置在同一套统一视觉里:纯米白色摄影棚背景,柔和顶光加左侧补光,45 度视角,画面下方留出统一的商品投影,构图与留白在整组图中保持一致。真实商业产品摄影,无文字无水印。'
mkdir -p docs/batch-image/out

run_one() {
  IFS=, read -r SKU IMG DESC <<< "$1"
  for attempt in 1 2 3; do
    dlazy seedream-5.0 \
      --prompt "电商商拍图。图1 是商品:${DESC}。商品的颜色、材质纹理、款式细节必须与图1完全一致。${SPEC}" \
      --images "$IMG" --size 1:1 --resolution 2k \
      --save "docs/batch-image/out/${SKU}.jpg" >/dev/null 2>&1 && break
    sleep $((attempt * 10))
  done
  if [ -f "docs/batch-image/out/${SKU}.jpg" ]; then echo "${SKU},ok"; else echo "${SKU},fail"; fi
}
export -f run_one; export SPEC

xargs -P 5 -I{} bash -c 'run_one "{}"' < manifest.csv | tee docs/batch-image/report.csv
awk -F, '{c[$2]++} END{printf "\n=== 汇总 ===\n"; for(k in c) printf "%s: %d\n", k, c[k]}' docs/batch-image/report.csv

# 先估价:单价 × SKU 数
dlazy seedream-5.0 --dry-run --prompt '...' --images a.jpg --size 1:1 | grep estimatedCost
echo "SKU 数:$(wc -l < manifest.csv)"

延伸阅读

要查什么去哪
认证、多后端配置、输出结构、错误码references/provider-cli.md
seedream-5.0 的全部可用参数references/model-flags.md
统一入口的全部选项node scripts/gen.mjs --help

6、Prompt 模板

【变量段 · 每个 SKU 不同】
电商商拍图。图1 是商品:[品类 + 颜色 + 材质 + 关键结构特征]。
商品的颜色、材质纹理、款式细节必须与图1完全一致。

【规范段 · 整批逐字不变】
放置在同一套统一视觉里:[背景],[光位],[机位/视角],
画面下方留出统一的商品投影,构图与留白在整组图中保持一致。
真实商业产品摄影,无文字无水印。

按问题追加的修正句(改了就要整批重跑)

问题处理
深色商品在浅背景上发灰规范段补 深色商品需加右侧轮廓光勾边,避免与背景糊在一起
不同 SKU 的商品大小忽大忽小规范段补 商品在画面中的占比统一为约 [X]%,边距一致
投影方向不一致规范段补 投影统一朝画面右下方,长度约为商品高度的 [X]
某些 SKU 保真度不够那部分 SKU 单独用 gpt-image-2 重跑,并在报告里标注

7、执行流程

  1. 建清单:sku,image,desc 三列 CSV,每张商品图先过单图规则校验。
  2. 写规范段:背景 / 光位 / 机位 / 占比 / 投影 / 色调 / 输出风格——定稿后不许改。
  3. 跑通 1 个 SKU:确认规范段和变量段都对。
  4. 抽样 5 个 SKU:覆盖深色 / 浅色 / 反光 / 大件 / 小件的边界。
  5. --dry-run 估总价:单价 × SKU 数。
  6. 全量跑:5 路并发 + 3 次重试;SKU 很多时用 --no-wait 提交后统一轮询。
  7. 看汇总报告:失败的单独重跑。
  8. 抽样质检:随机抽 10% 过 detect-task;不合格的 SKU 单独用 gpt-image-2 重跑。

8、常见问题

现象原因处理
同一批里视觉不统一中途改了规范段规范段定稿后不许改;改了就整批重跑
深色商品糊进背景缺轮廓光规范段补轮廓光句,整批重跑
商品占比忽大忽小未约束占比规范段补占比与边距句
部分 SKU 保真度不够低价模型的局限那些 SKU 单独用 gpt-image-2 重跑
跑到一半失败一堆并发太高触发限流并发降到 4~5,加重试与退避
成本超预算用了 --batch 或 4K批量场景 --batch 1 + 2k
跑完不知道哪些失败了没有报告用第四节的 report.csv + 汇总

Tips

Visit https://dlazy.com for more information.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.