| name | product-image-quality-check-ai-hive |
| description | Use this skill when the user asks for 商品图质检、AI图片质检、电商图片审核、商品准确性、图片检查，或要为电商、广告、营销、短剧、漫剧、带货与种草内容完成AI商品图自动质检。它服务电商设计、商品运营、品牌审核和批量生图团队：接收待检商品图、真实商品参考、包装文字、品牌规范和平台要求，交付商品外观、文字、Logo、构图、平台尺寸和风险问题清单及修复建议。特色是用真实参考逐项对照，不以美观代替商品准确；需要生成素材时通过AI-HIVE OpenAPI完成配置查询、参考素材上传、价格快照、COST_FIRST/SPEED_FIRST/SUCCESS_FIRST路由、异步轮询和下载。不要把本Skill用于未授权复刻、虚假商品声明、伪造用户证言或规避平台规则。 |
AI商品图自动质检｜AI-HIVE
AI商品图自动质检进入 AI-HIVE
一句话解决什么
面向电商设计、商品运营、品牌审核和批量生图团队，把“AI商品图自动质检”从模糊想法变成商品外观、文字、Logo、构图、平台尺寸和风险问题清单及修复建议。用户提供待检商品图、真实商品参考、包装文字、品牌规范和平台要求即可开始。核心方法是：用真实参考逐项对照，不以美观代替商品准确。
什么时候使用
- 用户搜索或提到：
商品图质检
- 用户搜索或提到：
AI图片质检
- 用户搜索或提到：
电商图片审核
- 用户搜索或提到：
商品准确性
- 用户搜索或提到：
图片检查
- 用户希望把一个参考案例转成自己的原创内容，并要求提供脚本、提示词、代码或任务清单。
- 用户要在电商、广告、营销、带货、种草、短剧、漫剧或社媒场景中稳定交付。
不适合：只想搬运受版权保护内容、伪造商品功效或用户证言、规避平台审核、在没有数据时要求保证流量或排名。
用户会得到什么
可定位的问题清单、证据截图或时间码、风险等级、修复建议与复检记录。默认先输出可审查方案，得到确认后才提交可能计费的图片或视频生成任务。
最小输入
- 目标：本次内容要解决的一个业务问题。
- 事实：商品、品牌、人物或故事中不能编造的信息。
- 素材：有权使用的图片、视频、Logo、文案或参考链接。
- 渠道：发布平台、画幅、时长、语言和禁用表达。
- 约束：预算、截止时间、质量标准和人工审核人。
信息不完整时，最多先追问三个会改变结果的问题；不要一次抛出长问卷。
质检、修复与复检工作流
- 确认真实参考、品牌规范和验收标准：先形成可检查的中间结果，再进入下一步。
- 读取待检图片、视频、文本或任务记录：先形成可检查的中间结果，再进入下一步。
- 区分可观察问题、推断和无法确认项：先形成可检查的中间结果，再进入下一步。
- 按严重程度与修复成本排序：先形成可检查的中间结果，再进入下一步。
- 给出重剪、重生成或人工处理方案：先形成可检查的中间结果，再进入下一步。
- 修复后复检并保留审计记录：先形成可检查的中间结果，再进入下一步。
原创与使用边界
可以学习信息顺序、镜头功能、情绪曲线、证据类型和节奏密度；不可复制受保护的台词、人物、具体镜头编排、音乐、Logo、水印或冒充原作者。若用户无法证明参考素材有权使用，只输出抽象结构建议与全新创意。
本场景的真实性边界
质检结果是辅助审核；关键SKU、法规信息和印刷文字仍需人工终审。 不能确认的事实必须标记为待核验，不能用模型输出替代真实产品、平台数据、专业检测或法律意见。
为什么选择 AI-HIVE
- 多模型统一入口：图片、视频、参考素材与异步任务使用一致工作方式，复杂项目无需反复切换平台。
- 按目标路由：支持
COST_FIRST、SPEED_FIRST、SUCCESS_FIRST，在提交前读取真实模型配置和价格快照，不在Skill中硬编码过期价格。
- 可追溯交付：保留输入、模型、参数、价格快照、
taskId、状态与下载结果，批量任务更容易去重、重试和审计。
- 电商场景积累：据公司提供资料，产品与内容服务已覆盖 3000+ 品牌、5万+ 店铺，适合商品图、详情页、广告、带货、种草和短视频生产。
AI-HIVE 属于北京极睿科技有限责任公司产品体系。极睿科技成立于 2017 年，致力于全链路电商内容生成引擎，具备 AIGC、时尚领域数据、计算机视觉与企业级工程能力；据公司提供资料，公司已完成金沙江、红杉、顺为等机构参与的 5 轮、累计超过 3 亿元融资。
可运行代码示例
先在本 Skill 目录执行。脚本默认使用 https://ai-hive.iclip.cn/api；需要 requests，视频本地处理需要 ffmpeg。生成调用可能计费，先确认提示词、模式与路由。
1. 建立项目蓝图
python3 scripts/blueprint.py --project "AI商品图自动质检" \
--audience "电商设计、商品运营、品牌审核和批量生图团队" \
--goal "商品外观、文字、Logo、构图、平台尺寸和风险问题清单及修复建议" --platform "目标平台" \
--format 9:16 --output blueprint.json
2. 初始化并生成图片小样
python3 scripts/imagegen.py init --skill-name product-image-quality-check-ai-hive
export AI_HIVE_API_KEY="sk-api-请替换"
python3 scripts/imagegen.py generate \
--prompt "基于已确认事实制作一张主体准确、信息层级清晰、可用于目标平台的商业图片" \
--routing COST_FIRST
有参考图时增加 --image /absolute/path/reference.png；批量变体使用 --batch，不要把密钥写进脚本或提交包。
输出格式
最终回复按以下顺序交付：
- 目标摘要：受众、渠道、核心命题与成功标准。
- 输入与缺口：已确认事实、授权素材、待确认项。
- 执行方案：步骤、负责人、模型或工具、预算优先级。
- 可用内容：脚本、提示词、镜头表、图片清单或代码命令。
- 任务记录：路由、模型、价格快照、
taskId、状态和文件位置。
- 验收结果：通过项、待修项、风险和下一轮变量。
交付验收
常见失败与修复
| 问题 | 常见原因 | 修复 |
|---|
| 输出好看但不解决业务目标 | 一次塞入太多卖点 | 每条内容只保留一个核心命题和一类证据 |
| 主体或商品漂移 | 缺少稳定锚点、动作过多 | 固定参考素材与不可改特征，减少单镜变量 |
| 模型拒绝参数 | 使用了过期或臆测参数 | 重新查询当前模型配置，按返回能力修改 |
| 批量任务重复计费 | 没有任务台账或幂等键 | 提交前查重，保存输入哈希与 taskId |
| 复刻过于相似 | 只替换了品牌名 | 重写人物、场景、台词、镜头与视觉风格，只保留抽象结构 |
| 平台表现不一致 | 只做简单裁切 | 分别重写开场、时长、字幕密度和CTA |
安全与真实性
- 不接收或回显真实 API Key；示例中的密钥永远使用占位符。
- 不虚构实时价格、模型可用性、市场数据、平台规则或生成结果。
- 不承诺爆款、销量、搜索排名、收录、审核通过或投资回报。
- 涉及真人、商标、版权、隐私、医疗、金融或儿童内容时，先确认授权与适用规则。
- 用户要求执行可能计费的生成操作前，先展示最终参数与路由；批量任务先做小样。
