AI 生成样张首轮 QC SOP:通过、重跑、局部回滚和弃用怎么判
准备这套 SOP 前,先把 4 样东西放在同一个文件夹里:主参考图、首轮 AI 样张、禁改区标注图、上一版安全图。少一样,就不要急着开会挑图。要我说,挑 AI 样张跟后厨尝一锅汤差不多,第一口不是问香不香,而是问盐有没有放错、火候有没有糊、锅底还能不能救。
这篇补的是一个很窄的环节:首轮生成以后,团队怎么判定样张去向。参考图怎么准备,可以先看 AI 商品图参考图越多越好吗;文件夹怎么归档,可以接着看 参考图文件夹整理 SOP。本文只管中间那 15 分钟:样张出来了,别凭感觉吵,先分拣。
图注:四类样张先分篮子,再决定通过、重跑、回滚或弃用。
内部复盘里,2026 年 5 月 18 日晚上我们看过一组外卖新品图。小赵一次跑了 36 张候选,老板一眼挑中最有食欲的 4 张,但放大后才发现其中 2 张把包装贴纸位置挪了,1 张把碗沿阴影修没了。这个例子不指向真实客户,只是团队实际经验里常见的流程问题:好看先赢了,交付线后面才补票。
Step 1:先把首轮样张分成四个篮子
第一步别评分,先分类。4 个篮子就够:通过、重跑、局部回滚、弃用。名字要短,动作要硬。
通过图,是能进入人工收口的图。它不一定最好看,但商品事实没错。重跑图,是方向不值得修的图,比如主体比例变了、材质跑偏、场景和商品关系错了。局部回滚图,是大方向可以留下,但某一块要回到原图或上一版。弃用图,是继续修也会浪费时间的图。
这一步最好用缩略图墙,不要一张张全屏看。全屏容易被氛围骗,缩略图能先暴露主体比例、构图和系列一致性。真实项目脱敏记录里,我们在西安雁塔一个小团队试过:一组 48 张样张先缩略图分拣,5 分钟内能淘掉 17 张;如果一张张放大看,20 分钟后大家还在争光线。
要我说,第一轮分拣就像灶台边试菜,不合格的先端下去,别让它占着锅口。
Step 2:通过图只看商品事实和最低交付线
通过图不是“可以直接发布”。通过只说明它过了最低交付线:商品轮廓还在,主材质没有变,禁改区没被重写,平台尺寸能裁,系列图放在一起不跳。
这 4 项要按顺序看。轮廓第一,材质第二,禁改区第三,尺寸第四。比如一张桌面小家电场景图,背景再舒服,如果按钮数量变了,直接不能过。比如一张食品包装图,光线再诱人,如果日期区被模型补成假字符,也不能过。图叮负责把灰点、背景、轻微反光处理稳,商品事实还是要人盯住。
通过图可以进人工收口,收口动作通常只有三类:轻微裁切、局部锐化、色温统一。别在通过图上再开大修。大修会把通过变成新一轮抽奖。
这里可以接上 图片归档命名与版本管理体系 的规则:通过图进 candidate,人工收口后才进 confirmed。文件名里写版本,不要在聊天里说“就那张比较稳的”。
Step 3:重跑图要写清失败原因,不要只写再来一版
重跑不是一句“再来一版”。重跑必须带失败原因。原因不写清楚,下一轮只是换一种错法。
图注:重跑原因拆成五类,提示词和参考图才有调整方向。
我建议重跑原因只用 5 类:主体漂移、材质错、场景错、文字风险、比例失真。主体漂移,是产品变形、配件数量变化、结构被补。材质错,是金属、玻璃、布料、纸盒被修成另一个材质。场景错,是商品和背景关系不成立。文字风险,是标签、容量、批号、证书、规格区被模型乱补。比例失真,是商品和道具、人手、桌面、包装盒的大小关系错。
团队实际经验里,老周做批量复核时会让新人只写 1 个主因,不许写一串形容词。比如“重跑:材质错,透明塑料边缘像玻璃”;“重跑:比例失真,包装盒比商品主体大 1 倍”。这比“质感不对”“再自然一点”管用得多。
如果失败原因超过 2 类,通常不要救。直接回到参考图包,补主参考或材质锚点。否则你是在坏汤里继续加料,越调越浑。
Step 4:局部回滚只处理一块,不重开整张
局部回滚适合一种情况:整张图 80% 可用,但一个证据位坏了。比如瓶身标签被软化,鞋盒侧标被补字,金属扣孔位变圆,商品底部接触阴影消失。
这时不要整张重跑。整张重跑会把已经对的 80% 也扔掉。更稳的做法是标出一块:从原图回标签,从上一版回阴影,从安全图回孔位。修图师只处理这一块,其他区域锁住。
我习惯写成三行:回滚来源、回滚区域、禁止联动。例子可以这样写:来源 v1.2;区域:左下标签;禁止联动:瓶盖高度、桌面阴影、背景色不变。这行字不漂亮,但外包能执行。
要我说,局部回滚就是把一碗面里夹生的那根重新煮一下,不是整锅倒掉。AI 生成很快,可快不代表每次都从零开始。
Step 5:弃用图也要留下短备注
弃用图不要直接删。删掉以后,下一轮很可能又有人把同样方向捡回来。保留缩略图和一句原因就够。
弃用备注不用长,越长越没人看。比如:弃用:主体变成新款、弃用:标签区域出现假字、弃用:手部比例错误、弃用:场景抢商品。如果涉及版权不确定、竞品元素过重、平台禁用场景,也要写清楚。
弃用目录的价值,不是留垃圾,是留边界。下次新人接手,看见哪些方向被否过,就不会再拿同样的提示词试一遍。团队复盘里,我们把 2026 年 5 月一周的弃用图按原因看了一次,文字风险和比例失真占了一半以上。这个数字不是行业统计,只是内部工作样本,但足够提醒我们:首轮 QC 最该先看事实,不是先看审美。
结尾提醒两个坑。第一,别让老板只挑最漂亮的一张。可以让他挑,但要先过四类分拣。第二,别把“局部回滚”和“重跑”混成一件事。该回滚的地方,重跑会扩大风险;该重跑的图,回滚只是补破锅。先分篮子,再动手。饭要一口口吃,图也要一轮轮收。
用图叮AI 免费在线试试
浏览器打开就能用,免安装、免费无需破解,也有 Photoshop UXP 插件版。
相关文章
AI 商品图提示词批量前冒烟测试:旧图、新图和异常图怎么跑
提示词改好后别马上放量。本文给电商团队一套冒烟测试流程,用旧图、新图和异常图先跑小样,判断提示词该上线、局部修正还是回滚。
局部重绘别一键抹平:图叮修图先锁商品证据
局部重绘不是把瑕疵擦干净就结束。本文用图叮的选区保护、提示词约束和失败样本回看方法,讲清商品图局部重绘怎样保住型号、材质、标签和批量一致性。
AI 修图变量表怎么做:同一批商品别让提示词把事实、背景和尺寸混在一起
批量 AI 修图不能只靠一条长提示词。本文用图叮的变量表思路,把商品事实、可变背景、渠道尺寸、禁改区和验收样张拆开,让同一批商品更容易复核。
图叮选区消除实战:先圈禁改区,再处理背景杂物和商品边缘
用图叮处理商品图杂物时,别一上来整片消除。本文按原图备份、禁改区、选区消除、版本对照和客服证据 5 步,把局部处理变成可验收的产品流程。
推荐阅读
AI 修图行业 5 年预测的 10 个不确定变量:比简单预测更深入
比起拍脑袋说 AI 修图 3 年内全替代真人,更值钱的是把会决定行业走向的不确定变量摊开。这篇列 10 个变量、当前观察、5 年内可能区间、工作室能做什么。截至 2026-04 行业判断、不是数据预测。
深色破壁机场景迁移:几步搞定光影自然的产品替换
用图叮PS插件万物迁移功能,将黑银配色破壁机从白底图迁移到厨房场景,展示深色产品的光影融合效果。
美妆电商换节日背景实战:用 AI 批量制作圣诞/新年营销图
美妆电商大促换节日背景太慢?本文讲清透明瓶身抠图、光影融合参数与避坑要点,帮你用 AI 工具更快产出高质量的美妆节日营销图,解决边缘发灰、光影不融合等痛点。
楼梯防滑条商品图怎么拆:齿纹、收边和背胶别被 AI 修平
楼梯防滑条看起来只是长条建材,修图时却要保住齿纹深浅、收边线、背胶或孔位和尺寸标。本文按四个区域拆解 AI 修图返检边界,适合建材店上新前自查。