AI 生图参考图包交付 SOP：主商品、材质锚点和禁改字段怎么写清楚

这篇解决一个很具体的问题：给 AI 生图前，参考图包到底怎么交，才能让生成图既有场景感，又不把商品改成另一件货。做完这 5 步，你会得到一份能给运营、修图师和审核人共用的参考包：一张主商品基准图，几张材质锚点，若干场景参考，一份禁改字段表，再加一张首轮返检样张。

近期团队已经反复讨论过“AI 生图场景图 vs 原图精修”和“场景图品牌一致性返检”。这篇不再讨论要不要生图，也不再重复品牌色检查，而是往前移一步：出图前，参考图包怎么准备。

图注：参考图包先分层，后面返检才有基准。

Step 1：先选一张主商品 ground truth

先别急着收集十几张“好看的参考”。第一步只做一件事：选出一张主商品 ground truth。

这张图不一定最漂亮，但要最可信。它要能回答四个问题：商品真实外轮廓是什么，主色是什么，关键结构在哪，比例关系能不能量。比如护肤品套装要看瓶身高度、瓶盖比例、泵头方向和外盒关系；手机配件要看孔位、按键、边缘厚度和摄像头圈；服装配件要看织纹、吊牌、边线和尺码信息。

很多返工都不是“模型不懂美学”，而是没有 ground truth。运营给了 5 张图，每张都承担一点信息，模型最后只能做平均。平均出来的图很顺，但商品身份被稀释。我的做法是把基准图文件名写得很硬：sku-032-ground-truth-main.jpg。后面任何图，只要和它在形状、比例、颜色、结构上冲突，就先判为需复核。

举个假设场景，不计入真实项目数据：一款护手霜有管身正面、瓶盖特写、礼盒图、生活场景图和模特手持图。ground truth 应该选管身正面或 45 度实拍，不要选生活场景图。生活场景图可以管光线，但不该管管身比例。

图注：基准图不求漂亮，求能量、能对、能追溯。

Step 2：补齐材质锚点和细节裁片

主商品图锁大形，材质锚点锁“它到底是什么材料”。这两类图不能混用。

材质锚点最好是局部裁片，而不是另一张完整海报。金属要给高光边缘，透明塑料要给折射边，纸盒要给纸纹和压痕，布料要给织纹和缝线，玻璃要给厚度和边缘反光。每个锚点只承担一个任务，不要让一张图同时负责材质、构图和氛围。

团队实际经验里，材质漂移最常出现在“高级感”这个词后面。模型会把金属磨成镜面，把布料磨成塑料，把纸盒磨成无纹理卡片。参考图包里如果没有材质锚点，提示词写“保留真实材质”作用有限，因为模型不知道真实材质的参照物是哪一张。

我建议按材料命名：material-metal-brushed.jpg、material-paper-box-grain.jpg、material-clear-plastic-edge.jpg。命名不用花哨，但要让接手的人一眼知道这张图的职责。团队可以把这类图叫做“不可争论图”：如果生成图和材质锚点冲突，就不靠主观审美投票，直接回到锚点判断。

图注：材质锚点越窄，模型越不容易乱学。

Step 3：把场景参考和商品参考分开

场景参考只能管场景。它可以告诉模型：桌面是什么材质，光从哪里来，背景是厨房、浴室、露营地还是直播间，画面是 3:4、1:1 还是 16:9。它不能告诉模型商品长什么样。

这个边界很关键。很多团队会把一张竞品海报、一张客户原图、一张小红书截图和一张包装照片放进同一个文件夹，统称“参考”。模型看不到你脑子里的分工。它可能从竞品海报学到了场景，也顺手学走了竞品的瓶型；可能从小红书截图学到了光线，也学走了人物手势和不该出现的文字贴纸。

参考包里建议分三个文件夹：01-product-ground-truth、02-material-anchors、03-scene-mood-only。第三个文件夹的每张图都要在提示词里声明：只参考空间、光线、构图，不参考商品结构、logo、包装文字和数量关系。

这一步和前面写过的品牌一致性返检不同。品牌一致性是出图后检查有没有偏；这里是出图前把职责切开，减少偏离发生。两者顺序不能反。

Step 4：写出禁改字段而不是形容词

“保持真实”“不要乱改”“产品一致”这些话太软。真正有用的是禁改字段。

禁改字段要写成可核对对象：logo 位置、包装标签、容量数字、色号、批次号、孔位数量、按键形状、套装数量、吊牌、证书编号、瓶口方向、透明件厚度、配件相对大小。能写名词就不要写形容词，能写位置就不要写感觉。

一个可用的写法是：

do not change: product silhouette, bottle cap height, pump direction, label layout, color code area, package quantity, shadow contact under product

中文项目也可以写中文，但要避免空词：

禁改：瓶身轮廓、瓶盖高度、泵头方向、标签版式、色号区、套装数量、商品底部接触阴影。

标签、规格、数量、孔位和接触阴影，是商品图返工里反复出现的高风险点。它们有一个共同特征：单张图看不一定丑，但会改变买家理解。禁改字段不是给模型看的装饰句，是给人类返检时画框用的索引。

图注：禁改字段要能画框，不能只写态度。

Step 5：用首轮样张反查参考包

首轮出图后，不要先挑“最好看”的一张。先做偏离表。

偏离表分四列：主商品偏离、材质偏离、信息偏离、场景偏离。主商品偏离看轮廓、比例、结构；材质偏离看金属、玻璃、布料、纸盒是否变质；信息偏离看标签、文字、数字、数量；场景偏离看光线、透视、背景是否符合需求。每一列只打三种状态：通过、需重跑、需补参考。

如果主商品偏离，多半是 ground truth 不够强，或提示词没有锁商品结构。如果材质偏离，多半是材质锚点缺失或被场景参考污染。如果信息偏离，通常不是靠继续出图解决，而是要遮挡、降清晰度、局部保留原图，或者让运营确认是否需要实拍补图。

这一步的价值在于反向修正参考包，而不是在 20 张候选里赌运气。我更愿意在第一轮就停下来补一张材质锚点，也不愿意拿一张“差不多”的图继续扩写详情页。前者是成本，后者是债。

最后提醒一个常见坑：参考图越多，不一定越稳。图多但职责不清，模型会把信号互相平均；图少但职责明确，反而更容易返检。先分层，再生成。先写禁改字段，再谈氛围。这个顺序别反过来。