使用说明
这是一套可独立部署的电商视觉生产工具:上传商品图,规则层拆成可编辑节点,逐张改 Prompt / 局部重绘,发布检查后拼成长图。
1 · 快速开始
node server.js 步骤是给本地部署 / 开发用的,不是公网用户的操作步骤。
账号 / 登录(统一账号)
公网用户请从 规芯门户 进入;套图账号由管理员在门户勾选开通。首次从门户进入会自动关联你的邮箱。
本页保留的本地账号登录仅用于内测 / 已有账号;注册和本地找回密码已关闭。忘记密码请联系管理员在规芯门户处理。密码使用 scrypt 哈希,会话 Cookie 为 HttpOnly + SameSite=Lax;拼图验证一次性、5 分钟过期。
当前为邀请内测,还没有多租户隔离、支付订阅、内容审核和 AI 登记。公开收费上线前必须补齐这些。
2 · 画布工作台
拆解与 Prompt
一条任务会拆成图片节点、提示词节点与版本节点。检查器展示七槽位 Prompt、只读负面词、图内文案(后期叠字,不进 Prompt),每个提示词节点可单独重生成。包装清单等 photo_required 图位硬拦截 AI,必须实拍;layout 图位只出规格。
局部重绘
图片节点工具条「局部重绘」可涂抹蒙版,结果作为新版本用虚线连回原图,不覆盖原图。
三种模式
智能 / 快速 / 电商套图 Agent 会映射到规则层的 9 图序列(智能与 Agent 用 SOP 默认序列,快速用仓库推导版)。模式不会绕过任何合规检查。
参数条
模型 / 清晰度 / 数量是只读项:分别由服务端 .env 与规则层图位决定,界面不会假装可以切换。页面比例只会传入 AI 请求,最终尺寸仍以平台规则卡的图位规格为准。
提示词库
提示词配方库 按“领域 × 行业 × 图像意图”组合,当前 4 个领域、30 个行业包、10 种意图,共 300 套中文七槽位 Prompt。可选择行业、意图,填入产品名/卖点/颜色/材质/平台,生成并复制 Prompt;新增行业只需加一条 JSON。
搜索首位标准
电商搜索首位工程标准(2026 版) 已作为独立文档页加入:百度前 3、豆包/抖音商品卡、文心/Kimi/DeepSeek/元宝的“第一位”定义,以及 Schema、Web Vitals、E-E-A-T、三层词库、AI 信源矩阵、四阶段路线与验收阈值。内容按你提供的版本整理,正式对外发布前需核对标准原文与授权。
3 · 拼长图
适用于公众号图文与电商店铺长页:
- 还没有任务时点「拼长图」会先打开详情页任务表单;拆解完成后自动进入排版,不会停在空白页。
- 勾选参与排版的图片,并用 ▲▼ 调整顺序;未勾选的不进长图。
- 宽度预设 750 / 790 / 1080 / 1242px;可调 0–80px 间距、纯白 / 暖米 / 浅灰蓝 / 深色背景。
- 右侧实时预览与最终 PNG 使用同一份 HTML;iPhone 宽度下会自动缩放预览。
- 发布检查 BLOCK 时禁止导出;MANUAL 或未 publish_ready 时强制加 PREVIEW 预览稿 水印,文件名带
PREVIEW_前缀。 - 可分别下载 PNG、HTML 和 manifest(含规则版本、签章、参数一致性、证据哈希)。
4 · 发布检查与导出闸门
| 结论 | 含义 | 导出行为 |
|---|---|---|
| PASS | 合规 + 像素 + 参数一致 + 三方签章 + 平台已核实都满足 | 可发布就绪,PNG 无强制水印 |
| MANUAL | 有未确认项或平台规则未核实 | 只允许 PREVIEW_ 预览稿,publish_ready=false |
| BLOCK | 高危命中 / 缺图 / 参数冲突 / PREVIEW_ONLY | 禁止导出(预览稿也不行) |
14 张平台卡中有 10 张仍为 verified:false(含淘宝 / 京东 / 拼多多 / 抖店 / 快手 / eBay / Shopify / 公众号等)。系统不会把搜索摘要当硬规则;正式上架前必须到卖家中心逐项核对。
5 · 公众号图文
公众号使用独立域包,拆成首条封面 900×383、分享方形 383×383、正文配图 1080、长图 1080 四个图位。Brief 必填主题、目标读者、核心要点、CTA;缺项拒绝拆解。域包不会编造文章事实,W1–W7 未核实项一律 MANUAL。
6 · 人工验收 10 分制
每张图先判硬失败;硬失败直接 0 分,不进入打分。产品身份变化、编造卖点/参数/认证、违禁文字/水印、尺寸错误、换 SKU、产品缺失,都属于硬失败。
| 维度 | 分值 | 满分标准 |
|---|---|---|
| 产品身份一致性 | 3 | 7 项身份锁全部保持;仅光影差异可给 2 分 |
| 卖点真实性 | 2 | 所有文字/数字可回溯到上游字段或 spec_table;必须 2 分 |
| 平台合规 | 2 | 尺寸、白底、主体/文字占比、安全区、禁用水印/边框全部通过 |
| 画质与瑕疵 | 2 | 100% 视图无结构、手部、文字、反光、边缘崩坏 |
| 风格一致与可发布性 | 1 | 同组光影/背景/视角一致,无需再修图 |
- 单图通过:总分 ≥ 8,且身份 ≥ 2、真实性 = 2、合规 ≥ 1、画质 ≥ 1,无硬失败。
- 主图/首图更严:总分 ≥ 9,且身份 = 3、真实性 = 2、合规 = 2,无硬失败。
- 返工 6–7 分;≤ 5 分或任何硬失败直接作废。
- 批次首轮通过率 ≥ 70%;身份/卖点硬失败必须为 0;其他硬失败率 ≤ 5%;MANUAL 100% 确认;负责人签章。
- 先只生成 9 张试产图:少于 7 张通过就停止批量,先修 Prompt / 身份锁 / 模型,不要继续烧钱。
记录模板:qa/review.template.json → 复制为 qa/review.json 填写,运行 node qa/review-score.js qa/review.json。完整指南:qa/review-rubric.md。
7 · 图内文字 OCR(已接入 Umi-OCR)
本项目已安装 Umi-OCR Paddle v2.1.5 到 tools/Umi-OCR_Paddle_v2.1.5/,start.bat 会自动启动;如果 1224 端口已有 Umi-OCR 就跳过。未启动或识别失败时,图内文字仍按人工确认(MANUAL),系统不会假装识别过。
当前 .env:
OCR_PROVIDER=umi
OCR_URL=http://127.0.0.1:1224
OCR_TIMEOUT_MS=30000
OCR_OPTIONS_JSON={"data.format":"text","ocr.language":"models/config_chinese.txt","ocr.limit_side_len":960}
ocr.language 明确指定简体中文;ocr.limit_side_len=960 是速度/精度平衡值。小字多的图可改为 2880,同时把超时提高到 60000。
本机实测(项目内图片,非行业基准):商品图 Paddle 约 2–4 秒、Rapid 约 2.6 秒;中文整页 Paddle 约 7–18 秒、Rapid 约 7–8 秒。Paddle 的中文标点保留更好,默认选 Paddle;Rapid 在 tools/Umi-OCR_Rapid_v2.1.5/,可切换,但选项名是 ocr.maxSideLen。
先用真实图验证 OCR:node scripts/ocr-smoke.js "C:/path/to/test.png"。它绕过项目 QA,直接打印 OCR 文本与耗时,不产生模型费用。
要量化准确率:复制 qa/ocr_acceptance.template.json 为 qa/ocr_acceptance.json,填真实图片与人工校对文本,运行 node scripts/ocr-acceptance.js qa/ocr_acceptance.json,输出字符准确率、必检词召回和 p95 延迟。
如果追求最高中文精度、愿意接受更大的部署成本,可直接用独立 PaddleOCR(PP-OCRv6 / PaddleOCR-VL);RapidOCR 更轻、CPU 更快,字符准确率略低。Tesseract 中文不建议;dots.ocr / PaddleOCR-VL 对显卡和显存要求更高,不适合当前笔记本全量部署。
OCR 验收建议:清晰图字符准确率 ≥98%、违禁词召回率 ≥95%、误报 ≤2%、单图 p95 ≤1.5 秒;用 200–300 张真实商品图测,不用文档截图代替。
8 · V1 表单式详情页
V1 保持可用:产品信息 → 自动分区 → 在线改字 → 上传 / AI 配图 → 一键导出长图 PNG / HTML / 文案。V2 画布是新增工作台,不替换 V1。
9 · 接入图像服务(可选)
不配置也能完整使用「上传图片」流程。启用 AI 出图:复制 .env.example 为 .env,填 IMAGE_PROVIDER / IMAGE_API_URL / IMAGE_API_KEY,重启服务。Gemini 当前模型为 gemini-nano-banana-2.1;ChatGPT / Gemini 的网页免费额度和 API 计费不是同一件事,商用前请以账号后台与官方条款为准。
未配置时 /api/generate 明确返回 503 PROVIDER_NOT_CONFIGURED,不会产出假图。代理支持 HTTP CONNECT / SOCKS5(含账号认证)/ NO_PROXY。真实模型的费用与效果需自行用 key 验证。
客户自带 API(BYOK):推荐客户本地部署,在自己的 .env 填自己的 key,费用由客户账户直接结算,我们不代管 key、不承担 token 成本。OpenAI 兼容端点可用 IMAGE_PROVIDER=generic 并声明 IMAGE_CAPABILITIES;标准 OpenAI / Gemini / 火山端点用对应 provider。中心化代管多客户 key 需要加密、租户隔离和审计,暂不做。
10 · 还没做的(如实标注)
- 真实 SKU 的 A/B 出图效果验证;真实 key 的模型冒烟与单价入账。
- 内置 OCR 模型:目前通过 Umi-OCR / 通用 HTTP 外接,未随项目打包。
- 10 张新平台卡的卖家中心实测;公众号后台真实发布验证。
- 20–50 个真实 SKU 的 L2 人工验收。
- 服务端 PNG 拼接:PNG 由浏览器 html-to-image 生成,服务端只给 HTML + manifest。
- 云端资产库 / 多用户协作 / 公网域名与 HTTPS。
- 海报 / 模特试穿 / 智能背景 / 参考爆款的专属工作流:尚未实现,已从任务入口撤下,不用同一套详情页引擎冒充。