AI 出图候选稿怎么选：别让最好看的一张破坏整套 SKU 一致性

18 张候选稿里，单看最亮的那张，确实像能直接上首页。问题是放进同一组 SKU 后，它把瓶身高度拉长了，瓶盖金属边多了一圈冷光，旁边两张同系列图还保留旧版标签。一次 review room 从 20 分钟拖到 3 小时，卡住的不是选不出图，而是整组图被迫 rollback。

先说明，这里用的是一个假设复盘场景，数字用于解释流程，不包装成真实客户案例。它对应的坑很常见：AI 生图把单张图做得更像广告，却把整套商品图该保持的证据链拆散了。GM，漂亮不是 pass 条件，能和同组 SKU 一起交付才是。

这篇不讲提示词魔法，也不把责任全甩给模型。我们把候选稿选择拆成一套团队 SOP：谁先看、看什么、什么时候淘汰、什么时候进图叮做局部修正。外包、运营、美工都按同一张表说话，争议会少很多。

图注：候选稿、原图与同组 SKU 并排复盘

失败链路：团队为什么会选错那张最好看的图

候选稿选错，通常不是审美差，而是 review 顺序错了。

很多团队会先开大图，看哪张光影更高级、背景更干净、构图更像品牌大片。这个顺序适合选海报，不适合选 SKU 图。商品图不是 NFT drop 的封面，不能只看 mood。买家在详情页里对比的是型号、材质、尺寸、颜色和配件关系，平台审核看的是商品是否被夸大表达，客服后面要回答的是“我收到的是不是这一个”。

举个假设场景：深圳龙岗一个小家电运营小组，上午 10 点收到 18 张 AI 候选图，运营詹姐先挑出 3 张最有氛围的。美工小赵下午接手排详情页，才发现问题：A 图的机身比例比原图高 8% 左右，B 图把旋钮刻度弱化了，C 图背景好看，但电源线从左侧变成了右侧。3 张单看都能发朋友圈，合在一起像 3 个不同批次的货。

这里的影响数字不是“损失 多少万”那种戏剧化表达，而是更具体的交付损耗：18 张图重新分组，3 个角色反复开会，详情页首屏延期半天。对小团队来说，这已经够痛。真正的成本不在生成次数，而在后面的解释成本。

如果你的团队还没有图片分级标准，可以先看这篇 图片 ABC 三档分级：A 档放行、B 档抽查、C 档全 review。候选稿 review 也应该分档，而不是靠一句“这张好看”直接放行。

第一步：先锁商品证据，不要先投审美票

候选稿进 review 前，先把主商品证据锁住。这个动作要在看背景、光影、风格之前完成。

建议建一个 5 项锁定表：

• 轮廓比例：高度、宽度、厚薄关系不能漂移，尤其是瓶罐、鞋、电子配件、小家电。
• 材质边界：金属、玻璃、皮革、布料的反光逻辑要和原商品一致，不能为了高级感换材质。
• 结构件：接口、纽扣、拉链、螺丝、旋钮、开关、卡扣这些位置不能被 AI 抹掉。
• 文字与标识：品牌名、型号、容量、警示贴、尺码标不能乱写，也不能变成似是而非的纹理。
• 配件关系：线材、包装、支架、赠品、替换件要和销售清单对应。

这一步最好由熟悉商品的人先过一遍，不一定是设计师。运营知道哪个卖点不能丢，客服知道买家最常问哪个配件，美工知道哪些地方后面还能修。三个人的视角不一样，表格要给他们同一套字段。

图叮适合放在这个节点后面用：不是让 AI 从零幻想商品，而是在商品证据已经明确的前提下，对背景、脏污、边缘、局部瑕疵做可控处理。也就是说，先把“不能动”的区域锁住，再决定“可以优化”的区域。

第二步：用整组一致性淘汰候选稿

候选稿不是单张比赛。它要和同系列、同店铺、同活动页一起出现。

我建议把整组图缩成 4 列看：主图、细节图、场景图、包装图。每一列只问一个问题：这张图会不会让买家误以为商品变了？

有些候选稿会在大图里赢，在缩略图里输。比如同一套蓝色保温杯，某张候选稿把杯身修得更亮，首页卡片确实抢眼；但放进 6 个颜色 SKU 里，它会显得像新色号。再比如同一双跑鞋，AI 把鞋面纹理重画得更锐，单张很燃，放进详情页后却和鞋底、鞋舌、吊牌的清晰度不在一个世界。

这里可以用一个很快的 pass / fail 规则：

• 同组颜色偏差超过肉眼一眼能看出的程度，fail。
• 同组透视角度不统一，fail。
• 同组商品大小关系变化，fail。
• 背景风格抢过商品，fail。
• 只有氛围变强、商品证据没变，才进入下一轮。

如果团队已经有命名和版本习惯，把候选稿和原图的关系写进文件名，后面会轻很多。可以参考 图片归档命名与版本管理体系：从一团乱到团队 SOP，尤其是版本号和用途字段，不然 Discord、飞书、网盘里会很快变成一锅粥。

第三步：把候选稿分成三类，不要只留一张

候选稿 review 的输出，不应该是“选中第 7 张”。更好的输出是三类：

• 可直接进图叮精修：商品证据稳定，只有背景、污点、边缘、局部光影需要处理。
• 可做参考，不可直接交付：构图、氛围、配色有价值，但商品比例、材质或文字有风险。
• 淘汰并记录原因：证据漂移太多，后续修回来不划算。

这三类让团队少吵很多。运营可以保留喜欢的方向，设计不用背“你为什么否定我的审美”的锅，外包也知道下一轮到底修哪里。

很多人会问：AI 候选稿已经很好看了，为什么不直接发？答案很冷：因为电商图片的目标不是赢一张图，而是降低整组图的解释成本。好看如果带来客服问答、退换货争议、平台复审和详情页割裂，它就不是好看，是债。

图叮在这里的用法更像 repair lane：把 A 类候选稿里的小问题修掉，把 B 类候选稿里的可用部分拆出来，不要试图把 C 类硬救。C 类越救越像开杠杆，初看刺激，后面爆仓。

第四步：给外包和运营一张可执行 review 表

团队协作时，口头标准最容易变形。今天说“自然一点”，明天说“高级一点”，后天说“像竞品一点”，到交稿时每个人脑子里的目标图都不同。

可以把候选稿 review 表压到 8 列：

图注：八列表格把筛稿标准落到动作

• 候选编号：文件名或序号。
• 原图来源：主图、细节图、场景图、包装图。
• 商品证据：通过 / 有疑问 / 不通过。
• 一致性：同组可用 / 需要调色 / 透视或比例不一致。
• 可修区域：背景、边缘、污点、局部光影、遮挡物。
• 禁修区域：型号、标识、接口、结构件、材质纹理。
• 下一步：进图叮、退回重生、只作参考、废弃。
• 备注：不超过 30 字，写具体原因。

备注要短。不要写“感觉不太对”，要写“瓶盖高光多一圈”“吊牌文字变形”“杯身比原图瘦”。短句更像 checklist，也更适合在群里快速过。

如果涉及 GPT-image-2.0、Nano Banana 这类模型能力边界，建议把“可生成”和“可交付”分开判断。能生成一张漂亮图，不等于它理解商品责任。关于能力边界，可以继续读 Nano Banana 出图能力边界：什么能画、什么画不像、什么禁止。

预防清单：下一次候选稿 review 这样开

开会前，把原图、候选稿、同组已定稿放在同一屏。不要只发单张大图。

会中按这个顺序走：

• 先看商品证据，任何结构、文字、材质漂移先标红。
• 再看同组一致性，颜色、透视、比例不合群的先降级。
• 再看可修成本，能用图叮局部处理的进入精修池，重生成本低的退回重生。
• 最后才看审美票，且审美只能在通过前面三关的候选里投。

会后只留下三样东西：选中稿、参考稿、淘汰原因。不要把 18 张候选稿全堆进最终文件夹，也不要让外包猜哪张是最新版。

候选稿 review 做顺以后，你会发现团队争议不会消失，但争议会变得更便宜。大家不再争“哪张更好看”，而是争“哪个证据能不能动”。这就够了。商品图交付不是选美，别让一张 win the vibe 的图，把整套 SKU consistency 砸穿。