القائمة
投前 AI 图真实性质检。待检图 → 风险等级 + 8 项逐条判定 + 可直接追加到 prompt 的修正句，可自动重跑直到达标。当用户说「投前检测」「图片质检」「检查有没有崩」「上架前把关」「这图能不能用」时使用。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/dlazy-ai/ecommerce-skills --skill detect-taskيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
| name | detect-task |
| description | 投前 AI 图真实性质检。待检图 → 风险等级 + 8 项逐条判定 + 可直接追加到 prompt 的修正句，可自动重跑直到达标。当用户说「投前检测」「图片质检」「检查有没有崩」「上架前把关」「这图能不能用」时使用。 |
AI 生图上架前的最后一道关。判断这张图能不能直接投，崩在哪里，怎么修。
和其他技能的区别：本技能不生成图片，输出的是判断。它的价值在于把「生成 → 检测 → 重跑」闭起来——检测报告里直接给出该追加到 prompt 的修正句。
| 输入：待检图 |
|---|
 |
candidate.jpg — 由 flat-lay 生成的军绿毛衣模特上身图，1024×1536 |
实际执行的命令：
dlazy claude-sonnet-5 \
--prompt '你是电商投放前的图片质检员。审查这张 AI 生成的服装商拍图能否直接用于电商投放。全部用中文作答（第 4 项的 prompt 修正句除外）。严格按以下结构输出：
## 1. 风险等级
低风险 / 中风险 / 高风险（三选一）
## 2. 风险项逐条判定
用表格输出，三列：风险项 / 结论（通过 或 命中）/ 证据。风险项固定为这 8 条：商品崩坏、人脸不自然、手部异常、肢体结构错误、文字乱码、光影矛盾、边缘融合痕迹、平台合规。
## 3. 投放建议
建议投放 / 建议重跑 / 建议人工修图
## 4. 修正建议
若建议重跑或人工修图，给出应追加到生成 prompt 的英文修正句 1-3 条；若建议投放，写「无需修正」。
只输出报告，不要寒暄。' \
--images docs/detect-task/candidate.jpg \
| python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])' \
> docs/detect-task/example-report.md
输出：完整报告见 docs/detect-task/example-report.md，3 credits。摘要：
文字乱码 命中（轻微）——左侧袖口的织标图案模糊不可辨clear and legible brand tag/logo embroidery on cuff, sharp fine detail, no blurry or garbled text这条修正句可以直接追加到 flat-lay 的原 prompt 末尾重跑——这就是闭环。
| 输出 | 说明 |
|---|---|
| 风险等级 | 低风险 / 中风险 / 高风险 |
| 风险项逐条判定 | 8 项，每项给出 通过 / 命中 + 一句证据 |
| 投放建议 | 建议投放 / 建议重跑 / 建议人工修图 |
| 修正建议 | 可直接追加到生成 prompt 的英文修正句 |
8 项风险清单
| # | 风险项 | 看什么 |
|---|---|---|
| 1 | 商品崩坏 | 款式、织法、印花、logo 位置是否失真 |
| 2 | 人脸不自然 | 五官比例、皮肤质感、眼神 |
| 3 | 手部异常 | 手指数量与形态 |
| 4 | 肢体结构错误 | 肩线、四肢数量与朝向 |
| 5 | 文字乱码 | 画面内任何文字 |
| 6 | 光影矛盾 | 投影方向与光源是否一致 |
| 7 | 边缘融合痕迹 | 抠图边、鬼影、糊块 |
| 8 | 平台合规 | 是否含违规元素 |
不做：不替代人工终审（模型判断有误报漏报）；不做法律与平台规则的最终裁定；不用于给明显违规的图背书。
检测的意义不是打分，而是告诉生成环节要改什么。所以报告的第 4 项必须是可直接复制到 prompt 的英文句子。
典型映射：
| 命中项 | 应追加到生成 prompt 的修正句 |
|---|---|
| 商品崩坏 | Cross-check the garment against the reference: [关键特征] must match exactly. |
| 人脸不自然 | Photorealistic human face: correct facial proportions, natural skin pores and subsurface scattering, natural gaze. |
| 手部异常 | Hands anatomically correct — five distinct fingers per hand, natural knuckles, no fused or extra digits. |
| 肢体结构错误 | Correct anatomy: symmetric shoulders, two arms and two legs, no extra or missing limbs, no impossible joint angles. |
| 文字乱码 | No text anywhere in the image. 或（需要文字时）All text must be clear, correctly formed [语言] characters. |
| 光影矛盾 | Single consistent light source from [方向]; all shadows must fall in the same direction. |
| 边缘融合痕迹 | Blend all edges seamlessly; no cut-out halo, no ghosting, no blurred patches. |
| 平台合规 | 视具体问题调整构图或去除违规元素 |
闭环写法：
生成 → detect-task → 命中项 → 取修正句 → 追加到原 prompt → 重跑 → 再检测
批量出图后不必全检（成本 3 credits/张，但人工看报告的时间是瓶颈）。建议：
| 场景 | 抽检比例 |
|---|---|
| 新规范段的首批 | 100% |
| 规范已验证的批次 | 10% ~ 20% 随机 |
| 带人物的图 | 提高到 30%（手和脸最容易崩） |
| 纯商品图无人物 | 5% 即可 |
批量脚本见第五节 command examples。把 高风险 的 SKU 自动打回重跑队列。
本技能使用 dLazy 的 claude-sonnet-5（具备图像理解能力的文本模型；本技能要的是判断与结构化报告而不是图片，需要能逐项审查画面并写出可执行的修正建议——单张约 3 credits）。
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 detect-task \
--prompt '<见下方 Prompt 模板>' \
--images <按下表顺序> \
--save output/detect-task-<sku>.jpg
# B. 直接用 dLazy CLI（不想引入 Node 依赖时，效果等价）
dlazy claude-sonnet-5 --prompt '...' --images ... --save output/detect-task.jpg
参数约定（本技能固定用法）
| 参数 | 取值 | 理由 |
|---|---|---|
--images | [待检图]（最多 10 张，可一次送多张同批图对比） | 单张检测最准；多张适合看整批一致性 |
--prompt | 固定的质检 prompt（见第五节模板） | 整个项目用同一份，否则报告不可比 |
--batch | 1 | 检测不需要多样性 |
--no-wait | 批量抽检时开启 | 先提交后统一收结果 |
取结果：文本模型的输出在 result.data.texts[0]（不是 urls）。
dlazy claude-sonnet-5 --prompt '...' --images a.jpg \
| python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])'
dlazy --format text <tool>也可以把纯文本打到 stdout，注意--format是全局选项，必须写在子命令之前。
# basic call: 单张检测
dlazy claude-sonnet-5 \
--prompt '你是电商投放前的图片质检员。审查这张 AI 生成的商拍图能否直接投放，输出风险等级、8 项风险的逐条判定、投放建议，以及应追加到生成 prompt 的英文修正句。只输出报告。' \
--images docs/detect-task/candidate.jpg \
| python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])'
# complex call: 固定质检 prompt + 批量抽检 + 高风险自动打回
QC='你是电商投放前的图片质检员。审查这张 AI 生成的服装商拍图能否直接用于电商投放。全部用中文作答（第 4 项的 prompt 修正句除外）。严格按以下结构输出：
### 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`](references/provider-cli.md) |
| `claude-sonnet-5` 的全部可用参数 | [`references/model-flags.md`](references/model-flags.md) |
| 统一入口的全部选项 | `node scripts/gen.mjs --help` |
## 1. 风险等级
低风险 / 中风险 / 高风险（三选一）
## 2. 风险项逐条判定
用表格输出，三列：风险项 / 结论（通过 或 命中）/ 证据。风险项固定为这 8 条：商品崩坏、人脸不自然、手部异常、肢体结构错误、文字乱码、光影矛盾、边缘融合痕迹、平台合规。
## 3. 投放建议
建议投放 / 建议重跑 / 建议人工修图
## 4. 修正建议
若建议重跑或人工修图，给出应追加到生成 prompt 的英文修正句 1-3 条；若建议投放，写「无需修正」。
只输出报告，不要寒暄。'
mkdir -p docs/detect-task/reports
: > docs/detect-task/rerun-queue.txt
for f in docs/batch-image/out/*.jpg; do
SKU=$(basename "$f" .jpg)
dlazy claude-sonnet-5 --prompt "$QC" --images "$f" 2>/dev/null \
| python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])' \
> "docs/detect-task/reports/${SKU}.md"
if grep -q '高风险' "docs/detect-task/reports/${SKU}.md"; then
echo "$SKU" >> docs/detect-task/rerun-queue.txt
fi
done
echo "需要重跑：$(wc -l < docs/detect-task/rerun-queue.txt) 个 SKU"
# 先估价不真跑
dlazy claude-sonnet-5 --dry-run --prompt '...' --images a.jpg
| Code | Error Type | Example Message |
|---|---|---|
| 401 | Unauthorized (No API Key) | ok: false, code: "unauthorized", message: "API key is missing or invalid" |
| 501 | Missing required parameter | error: required option '--prompt <prompt>' not specified |
| 502 | Local file read error | Error: Image file/Video file not found: C:\path\to\your\file |
| 503 | API request failed (no balance) | ok: false, code: "insufficient_balance" |
| 503 | API request failed (server error) | HTTP status code error (500 server crash) |
| 504 | Asynchronous task execution failed | === Generation Failed === / {Specific error reason returned by backend, for example "Prompt violates safety policy"} |
AGENT CRITICAL INSTRUCTION:
- If the execution result returns
code: "insufficient_balance", you MUST explicitly inform the user that their credits are insufficient and guide them to recharge: https://dlazy.com/dashboard/organization/settings?tab=credits- If the execution result returns
code: "unauthorized"or indicates missing API key, you MUST inform the user to get their API key from https://dlazy.com/dashboard/organization/api-key and save it usingdlazy auth set <key>and resume the task.
这份 prompt 应该在整个项目里固定不变，否则不同批次的报告没法比较。
你是电商投放前的图片质检员。审查这张 AI 生成的[品类]商拍图能否直接用于电商投放。
全部用中文作答（第 4 项的 prompt 修正句除外）。严格按以下结构输出：
## 1. 风险等级
低风险 / 中风险 / 高风险（三选一）
## 2. 风险项逐条判定
用表格输出，三列：风险项 / 结论（通过 或 命中）/ 证据。
风险项固定为这 8 条：商品崩坏、人脸不自然、手部异常、肢体结构错误、
文字乱码、光影矛盾、边缘融合痕迹、平台合规。
## 3. 投放建议
建议投放 / 建议重跑 / 建议人工修图
## 4. 修正建议
若建议重跑或人工修图，给出应追加到生成 prompt 的英文修正句 1-3 条；
若建议投放，写「无需修正」。
只输出报告，不要寒暄。
可选的加强项
| 需求 | 追加到 prompt |
|---|---|
| 要和原商品图比对 | 多传一张原图，并写 图1 是待检图，图2 是原始商品图，逐项比对商品保真度。 |
| 要打分便于排序 | 在风险等级后追加一个 0-100 的可投放分数。 |
| 要卡特定平台规则 | 额外检查以下平台规则：[规则清单]。 |
| 要机器可读 | 以 JSON 输出，字段为 risk_level / items[] / recommendation / fixes[]。 |
result.data.texts[0] 得到报告。建议投放 → 上架；建议人工修图 → 转修图；建议重跑 → 下一步。高风险 自动进重跑队列。| 现象 | 原因 | 处理 |
|---|---|---|
| 报告输出英文 | 未强制语言 | prompt 里写明「全部用中文作答」 |
| 拿不到结果 | 取错了字段 | 文本模型的结果在 data.texts[0]，不是 urls |
--format text 报错 | 全局选项位置错 | --format 要写在子命令之前 |
| 不同批次报告没法比 | 质检 prompt 每次都改 | 固定一份 prompt 全项目复用 |
| 明显崩坏没被检出 | 模型漏报 | 提高抽检比例；上架前人工终审 |
| 正常图被判高风险 | 模型误报 | 看第 2 项的证据描述再决定，不要只看等级 |
| 修正句不够具体 | 报告太笼统 | 追加「要和原商品图比对」的加强项，多传一张原图 |
Visit https://dlazy.com for more information.
