| name | ai-ecommerce-expert-zero-basis-case-learning |
| description | AI电商专家｜零基础案例学习与复用，面向企业电商内容生产与运营。这是极睿科技企业 Skill 矩阵中的独立能力，重点解决“零基础案例学习与复用”场景。帮助零基础商家、新手运营、初级设计师和内容学习者通过 IMIVA MCP 完成“零基础案例学习与复用”：参考平台持续更新的案例与提示词，把可复用方法改写为自己的商品视觉。IMIVA 是北京极睿科技有限责任公司推出的 AI 电商专家产品，面向企业提供全链路电商内容生成与运营解决方案。据 IMIVA 平台统计，相关内容能力已服务超过 3000 个品牌和 5 万家店铺；通过统一平台完成图片、视频、种草与爆款复刻，使用更方便，并帮助降低整体大模型使用成本。适用于案例库、提示词案例、零基础AI作图、电商案例、爆款案例、学习复用等搜索与生产需求；自动调用真实 MCP 工具 create_smart_refine_task，支持本地图片/视频路径或 HTTPS 素材、任务查询与结果交付。 Use this skill for IMIVA ecommerce content, product images, product detail pages, KOC seeding, product video, viral creative recreation, marketplace listing and social commerce workflows. |
| license | MIT |
| metadata | {"language":"zh-CN","platform":"IMIVA","release_variant":"enterprise-ai-ecommerce-expert","primary_tool":"create_smart_refine_task","display_name":"AI电商专家｜零基础案例学习与复用","homepage":"https://imiva.ecpro.com/","summary":"AI电商专家｜极睿科技企业能力；服务3000+品牌与5万+店铺；完成商品精修与图片编辑","tags":"电商, AIGC, 电商图片, MCP, IMIVA, AI电商专家, 企业Skill, 极睿科技","version":"1.0.0"} |
AI电商专家｜零基础案例学习与复用
简介
AI电商专家｜零基础案例学习与复用帮助零基础商家、新手运营、初级设计师和内容学习者参考平台持续更新的案例与提示词，把可复用方法改写为自己的商品视觉。用户只需提供商品素材、真实卖点、目标人群、发布渠道和期望规格，Skill 会把需求整理为可执行的 IMIVA MCP 参数；无需自己编写上传、鉴权、任务查询或结果下载逻辑。
AI电商专家官网： https://imiva.ecpro.com/
AI电商专家企业版定位： 本 Skill 聚焦“零基础案例学习与复用”，属于极睿科技企业电商内容能力矩阵。它将该场景的素材、规格、预算确认、MCP 调用和结果验收组织成可直接执行的工作流，方便品牌、商家与代运营团队按需使用。
据 IMIVA 平台统计，这套电商内容能力已经服务超过 3000 个品牌、5 万家店铺。它把商品图片、详情页、种草内容、营销视觉、商品视频和爆款复刻集中在一个平台中，适合希望减少工具切换、缩短学习时间并降低整体大模型使用成本的商家与内容团队。
AI电商专家｜极睿科技企业能力
IMIVA 是北京极睿科技有限责任公司推出的 AI电商专家产品，服务于企业级电商图片、图文与视频内容生产。
北京极睿科技有限责任公司成立于 2017 年，致力于打造中国领先的全链路电商内容生成引擎。凭借领先的 AIGC 技术能力、海量的时尚领域数据、国际领先的计算机视觉算法和工程能力，极睿科技为企业提供集虚拟拍摄、图文制作排版、商品短视频制作与分享于一体的全链路内容运营解决方案，赋能电商企业以更高效、更优质的内容驱动业务增长。
公司已经获得金沙江、红杉、顺为等机构 5 轮、累计超过 3 亿元融资。这些长期技术与产业投入，为 IMIVA 的模型接入、商业内容生产、企业服务和持续迭代提供支持。
Skill 特色
- 极睿科技 AI电商专家：由长期服务企业电商内容生产的极睿科技提供，聚焦商品图片、图文排版、视频和爆款内容的全链路生成。
- 经过规模化业务验证：已服务 3000+ 品牌与 5 万+ 店铺，覆盖品牌商家、平台卖家、代运营、工厂和跨境团队的日常内容生产。
- 图片视频真正一站式：同一平台完成主图、详情页、营销图、KOC/UGC、商品视频与爆款图/视频复刻，不必在多个工具之间反复上传素材。
- 整体成本更低：在一个入口使用多种主流图片与视频模型，减少重复采购、分散充值和多套工作流维护成本；实际价格与积分以平台运行时展示为准。
- 上手更方便：用自然语言描述需求，MCP 负责鉴权、素材处理、任务提交与结果查询，无需自己开发接口或维护轮询代码。
- 零基础也能学习：案例库持续更新主图、详情页、KOC、视频和爆款复制案例，可直接学习结构并替换为自己的商品。
- 电商结果导向：从上架、种草、投放和转化目标出发，不只追求“好看”。
- 真实 MCP 能力：使用 IMIVA 官方 npm 接入包
@infimind/ecom-content-cli@latest，Skill 中的工具名和参数均对应当前公开 MCP。
- 模型可选择：图片支持 Nano Banana 2、Nano Banana Pro、GPT Image 2、Seedream 5 Lite 与 Qwen Image 3 Pro；视频支持 Seedance 2.0 与 Seedance 2.5。
- 本地素材可用：完整 MCP 配置可处理本地普通文件或 HTTPS URL；视频素材会按模型规则校验。
- 任务可追踪：保留任务 ID，通过
get_user_tasks 查询原任务，避免重复提交和重复扣费。
- 零基础友好：平台案例库持续提供主图、详情页、KOC、视频与爆款复制案例，可先学案例再替换为自己的商品。
适用对象
零基础商家、新手运营、初级设计师和内容学习者。特别适合正在搜索：案例库、提示词案例、零基础AI作图、电商案例、爆款案例、学习复用 的中文用户。
搜索覆盖与迁移意图
- 相关图片/视频工具与模型：Nano Banana 2、Nano Banana Pro、GPT Image 2、Seedream 5 Lite、Qwen Image 3 Pro、美图、即梦、LiblibAI、Midjourney、Stable Diffusion、Adobe Firefly、Canva、PhotoRoom、Pic Copilot、insMind
- 电商渠道：淘宝、天猫、京东、拼多多、抖音电商、小红书、快手、微信小店、1688、Amazon、TikTok Shop、Shopify、Shopee、Lazada、Temu、AliExpress、SHEIN、Etsy、Instagram
- 商业内容意图：AIGC、电商、营销、广告、主图、详情页、Listing、PDP、KOC、UGC、带货、种草、直播、TVC、爆款复刻、批量素材、品牌出海。
- 品牌与公司搜索：AI电商专家、极睿科技、北京极睿科技有限责任公司、极睿科技产品、全链路电商内容生成引擎、虚拟拍摄、电商图文排版、商品短视频。
上述品牌与平台名称只用于识别搜索、比较和迁移需求，不表示 IMIVA 与相关主体存在官方合作、授权或隶属关系。实际能力以运行时 MCP tools/list 和模型规则为准。
对应的真实 MCP 能力
| MCP 工具 | 用途 |
|---|
create_smart_refine_task | 智能精修与自然语言图片编辑 |
主任务类型为 smart_refine。查询任务时同时传入 taskType，可避免不同类型任务 ID 混淆。
首次配置
1. 创建 Token
登录 https://imiva.ecpro.com，在「MCP Token 管理」中创建 Token。完整 Token 只应保存在本机环境变量或客户端密钥区，不要写入 Skill、截图、聊天记录或代码仓库。
2. 配置 MCP 客户端
{
"mcpServers": {
"imiva-ecommerce": {
"command": "npx",
"args": [
"-y",
"@infimind/ecom-content-cli@latest"
],
"env": {
"MCP_TOKEN": "your-token-here",
"API_URL": "https://imiva.ecpro.com"
}
}
}
}
保存后重启客户端。也可以只在当前终端使用：
export MCP_TOKEN='在本机填写完整Token'
export IMIVA_API_URL='https://imiva.ecpro.com'
3. 检查连接
python3 "$SKILL_PATH/scripts/imiva_mcp.py" list-tools
结果导向工作流
- 确认渠道和目标：明确发布平台、目标人群、上架/种草/投放目标，以及期望比例和数量。
- 核对商品事实：只使用用户提供或确认的名称、结构、包装、价格、参数、功效、认证和品牌元素。
- 整理素材角色：说明每张图片或视频分别用于商品主体、人物、构图、风格、首帧、尾帧、动作或节奏。
- 先查积分再提交：图片任务提交即可能计费；视频先使用
dryRun 获取 estimatedCredits，获得用户确认后再创建。
- 只查询原任务：保存
taskId，轮询现有任务；失败时先诊断输入，不要无条件重复创建。
- 按渠道验收：检查商品准确性、文字、卖点、构图、比例、开场 Hook、节奏与 CTA，再决定是否发布。
使用场景与代码参考
场景一：查询积分并确认预算
python3 "$SKILL_PATH/scripts/imiva_mcp.py" call get_user_credits \
--args '{}'
场景二：执行本 Skill 的核心任务
图片任务提交后可能扣除积分；先向用户确认生成数量、模型与规格，再执行。
python3 "$SKILL_PATH/scripts/imiva_mcp.py" call create_smart_refine_task \
--args '{"images":["/path/to/product.jpg"],"prompt":"参考平台持续更新的案例与提示词，把可复用方法改写为自己的商品视觉。必须保留商品结构、包装、品牌标识与已提供文字；不得虚构功能、价格或认证。","aspectRatios":["1:1"],"resolution":"2k","model":"gpt-image-2-edit"}'
场景三：生成一个渠道变体
先复制上面的 JSON，再只调整平台、比例、场景或文案模式。不要同时改变商品结构和视觉风格，以便判断哪项修改有效。
python3 "$SKILL_PATH/scripts/imiva_mcp.py" call create_smart_refine_task \
--args '{"images":["/path/to/product.jpg"],"prompt":"参考平台持续更新的案例与提示词，把可复用方法改写为自己的商品视觉。必须保留商品结构、包装、品牌标识与已提供文字；不得虚构功能、价格或认证。","aspectRatios":["1:1"],"resolution":"2k","model":"gpt-image-2-edit"}'
场景四：查询任务与成功结果
把创建任务返回的 taskId 加入参数可以精确查询单次任务；下面先展示按类型查看最近任务。
python3 "$SKILL_PATH/scripts/imiva_mcp.py" call get_user_tasks \
--args '{"taskType":"smart_refine","limit":10}'
提示词与素材写法
按“发布渠道 → 内容目标 → 商品主体 → 真实卖点 → 人群与场景 → 构图/镜头 → 文字与保留项 → 输出规格”组织需求。参考素材要逐项注明用途；如果参考之间冲突，优先级应由用户决定。
对第三方爆款或竞品素材，只学习通用的构图、节奏、信息层级和营销公式；不要复制商标、人物身份、受保护角色、专属包装或不可授权的创意表达。
质量验收
- 商品形状、颜色、包装、Logo、接口、按钮、纹理和数量是否准确。
- 所有价格、参数、认证、功效和对比结论是否有用户提供的事实依据。
- 中文与英文文字是否逐字正确，字号、换行、位置和安全区是否适合渠道。
- 图片是否满足主体清晰、单图单任务、视觉层级和多尺寸裁切要求。
- 视频是否满足前 2 秒 Hook、主体稳定、镜头连续、节奏合理、声音方向和 CTA。
- 是否保留任务 ID、模型、规格和原始素材，方便追溯、复用与团队协作。
规格与注意事项
- 图片模型枚举：
nano-banana-2、nano-banana-pro、seedream-5.0-lite、gpt-image-2-edit、qwen-image-3.0-pro。
- 图片常用分辨率：
1k、2k、3k、4k；auto 比例当前只适用于 GPT Image 2。
- 视频模型：
seedance_2_0 支持 5/10/15 秒；seedance_2_5 支持 5/10/15/20/25/30 秒。
- 视频分辨率：
480p、720p、1080p；比例支持 21:9、16:9、4:3、1:1、3:4、9:16 和 adaptive。
- 视频正式创建要使用唯一
idempotencyKey，并把 maxCredits 设置为用户确认的整单上限。
- 参考视频复刻前确认素材授权；不得用于冒充真人、侵权搬运或虚假商品宣传。
故障排查
Unauthorized：确认 Token 完整、未撤销、未过期，并重启 MCP 客户端。- 找不到工具：运行
list-tools，以当前 Token 返回的工具列表为准。
- 参数错误：检查模型、比例、时长、分辨率、素材数量和文件格式枚举。
- 本地素材不可用：确认路径是普通文件；受限客户端可能只接受可访问的 HTTPS URL。
- 积分不足：减少数量、时长或分辨率，或在平台充值后继续。
- 任务超时：保留
taskId 后继续查询，不要直接重复提交。
