开源电商套图生成Skill实现商品图到完整套图一键生成

背景

在电商运营中，商品视觉呈现是转化率的核心驱动力。传统电商套图制作流程繁琐，涉及原始图片处理、卖点提炼、多平台规范适配、Prompt（提示词）编写以及最终图像生成等多个环节，且往往需要人工反复调试。随着多模态大模型（如 Qwen、豆包、Gemini、GPT-Image2 等）在视觉理解和生成能力上的突破，自动化生成高质量电商素材成为可能。

在此背景下，开源社区出现了一款名为 ecommerce-image-suite 的 Skill（技能/工作流），旨在解决从「商品原始图片 + 卖点信息」到「完整电商套图」的一键生成痛点。该项目由社区用户 byhaoge 发起，已在 LINUX DO 社区进行开源推广，并获得了广泛的测试与反馈。

核心内容

该 Skill 的核心价值在于构建了一个端到端的自动化工作流，将复杂的电商图片生产任务标准化、自动化。其完整流程如下：

1. 输入阶段：用户必须上传商品原始图片，并可选地输入商品卖点信息。
2. AI 视觉分析与文案生成：系统首先对上传的图片进行视觉分析，自动提取商品主体。随后，AI 智能生成卖点文案，用户可根据实际情况进行编辑调整。
3. 规范适配与类型选择：用户选择目标电商平台（如淘宝、京东、拼多多、抖音或 Amazon 等）的规范，并选择套图类型。目前支持 7 种标准电商图片类型。
4. Prompt 组织与优化：AI 根据选定的套图类型和平台规范，自动生成每张图的详细 Prompt。这些 Prompt 同样支持用户手动编辑，以确保生成效果符合预期。
5. 图像生成：调用后端图像生成 API，基于优化后的 Prompt 输出完整的套图。值得注意的是，图中的文案由生图模型直接渲染，而非后期合成，保证了视觉的一致性。
6. 扩展功能（可选）：
   • 平台文案生成：可选步骤，生成适配平台的文字描述。
   • 详情页 HTML 生成：可选步骤，直接输出电商详情页的 HTML 代码。
   • 产品展示视频生成：可选步骤，基于生成的套图制作产品展示视频，需用户确认。

该项目已在仓库中展示了男女装、童装、电器等品类的测试效果，并兼容多种主流 AI 模型，包括 Qwen、豆包、Gemini 和 GPT-Image2。

关键要点

• 全流程自动化：实现了从原始素材到最终成图（甚至视频和 HTML 详情页）的一键式生成，大幅降低人工操作成本。
• 多模型兼容：不绑定单一厂商，支持 Qwen、豆包、Gemini、GPT-Image2 等多种视觉大模型，用户可根据成本、质量或可用性灵活选择。
• 高度可编辑性：在关键节点（卖点文案、生成 Prompt）均提供人工编辑入口，兼顾了 AI 的效率与人类对细节的控制权。
• 多平台适配：内置主流电商平台（国内及跨境）的套图规范，确保生成的图片符合各平台的尺寸、布局及内容要求。
• 开源透明：项目在 Gitee 和 GitHub 双平台开源，无未开源部分，且已在 LINUX DO 社区完成合规推广流程，接受社区监督。
• 丰富测试案例：已覆盖服装、电器等多个垂直品类，提供了真实的测试效果参考，降低了新用户的上手门槛。

意义与影响

该项目的出现标志着电商内容生产正在从「人工主导」向「AI 辅助甚至 AI 主导」转型。

首先，它极大地提升了电商商家的内容生产效率。原本需要设计师花费数小时完成的套图制作，现在可以通过自动化流程在几分钟内完成初稿，显著降低了中小卖家的视觉营销门槛。

其次，通过开源形式共享这一工作流，促进了 AI 应用落地经验的交流。不同模型在电商场景下的表现差异、Prompt 工程的优化技巧等，都在社区讨论中得以沉淀，为后续更复杂的 AI 电商应用提供了参考。

最后，该项目展示了多模态大模型在垂直商业场景中的巨大潜力。它不仅限于图片生成，还延伸至文案、HTML 代码乃至视频制作，预示着未来电商运营将更加智能化、自动化，为整个行业的技术升级提供了可行的实践路径。