AI 修图别先写提示词：先判断任务能不能接

把一个 AI 修图任务拆开看，真正决定返工概率的不是提示词长短，而是它有没有通过 3 个前置检查：事实区能不能锁住、目标效果能不能验收、失败后能不能回滚。

根据图叮站内 2026 年 4 月的 AI 修图提示词版本管理 SOP，一张商品图至少要留下原图、提示词版本、上一版结果这 3 个节点。这个要求听起来像流程洁癖，实际是交付兜底。提示词只是执行层，任务适配才是交付层。

QA 视角会先问一句：这一步可能挂在哪里？如果答案是“商品本身的信息会被改掉”，那就别急着让 AI 做美化。先跑一遍回归，把能交给图叮的部分、需要人工修边的部分、应该补拍的部分分开。

图注：先把商品图分成可交给图叮、人工收尾和补拍三类。

证据一：原图不合格，提示词只会放大问题

同一条提示词，喂给清楚的原图和喂给含糊的原图，结果不是“差一点”，而是错误类型完全不同。原图曝光过度，AI 可能把金属边缘当成白色背景吞掉；原图标签糊，AI 可能补出看似清晰但实际不对的字符；原图角度歪，AI 会在校正构图时顺手改掉比例。

这不是模型聪不聪明的问题，而是输入证据不够。根据图叮站内 2026 年 4 月的 原图拍摄自检文章，拍摄阶段至少要看清主体边界、关键标签、接触阴影和材质反光。这里的 4 类检查，决定了后面能不能让 AI 接手。

兜底情况是：原图已经丢了事实，提示词再精确也只能补想象。比如一张耳机盒主图，盒盖缝隙、充电口、型号贴都在暗部里，要求“修得更高级”只会让画面更干净，不能让证据回来。图叮适合处理的是脏污、背景、轻微光影和局部观感，不适合替原图发明缺失的商品信息。

所以任务适配的第一条不是“提示词怎么写”，而是“这张图有没有足够证据让 AI 不乱猜”。能看清，才进入图叮；看不清，先补拍或补参考图。这个判断比多写 200 字提示词更值钱。

证据二：目标效果说不清，AI 初稿通过也会返工

很多团队把“修好看”当成目标，把“客户满意”当成验收。听起来省事，交付时最容易挂。好看不是检查项，满意也不是检查项；它们都不能告诉修图师和 AI 哪些变化允许发生。

根据图叮站内 2025 年 5 月的 电商修图 brief 和验收单模板，一个可验收目标至少要写出原图问题、允许改动、禁止改动、交付用途。把这 4 项落到商品图里，任务就会分成三种：

• 可以交给图叮：背景清理、轻微反光压低、阴影统一、画面留白调整。
• 需要人工修边：复杂透明边、细密毛发、镂空结构、轻微遮挡下的轮廓。
• 应该补拍：标签缺字、结构没拍到、配件缺失、关键角度只有猜测空间。

这一步可能挂的地方，是把“效果”误当成“任务”。例如“让水杯看起来更通透”是效果；“杯壁反光降低，刻度线保留，杯口椭圆不改，白底图用于主图”才是任务。前者会让 AI 自由发挥，后者才适合进入图叮。

这里不需要把流程做得很重。运营可以在图叮前先写 3 行：这张图要解决什么、哪些区域不能动、上线后谁验收。写完再看提示词，很多废话会自然消失。我们先跑一遍回归：如果验收人看不出改图是否合格，AI 也不会替团队建立标准。

证据三：没有回滚点，批量修图会把小错扩成整批风险

单张图修错，最多重来。批量图修错，会把错误复制到整批 SKU。提示词越统一，扩散越快；这就是批量处理的反面。

根据图叮站内 2025 年 5 月的 过修回滚方法，一条提示词把整批商品图修假时，不能只改下一版，还要能找回上一版哪里开始偏。图叮站内另一篇 AI 初稿停手线 也给了同一类判断：当结构、文字、材质证据被改动，继续重跑不是优化，而是在放大事故。

测试工程里有个很朴素的做法：先建回归用例，再放量。放到商品图里，就是先挑 3 到 5 张最容易翻车的图：一张反光强，一张标签小，一张有透明边，一张有复杂阴影，一张用于详情页首屏。图叮跑完后，不看平均效果，先看这几张有没有越界。

如果最难的样张都稳，再把提示词扩到同类图。若样张已经把标签修糊、把接触阴影抹平、把材质纹理改成塑料感，就别让整批图继续跑。回滚点不是给失败找借口，而是给团队留下停止按钮。

这也是图叮比“随手试一个 AI 工具”更适合商品图交付的地方。商品图不是单次创作，它要上架、被客服解释、被买家对照实物。任务能不能接，必须包含失败后的处理路径。

三类任务怎么分到图叮、人工和补拍

把上面的证据合在一起，可以得到一张很实用的任务适配表。

第一类，交给图叮。它们的共同点是事实已经在原图里，AI 只需要改善呈现。比如背景脏、边缘有小灰点、同批光影不一致、主图留白不够、局部反光太抢眼。这些任务有明确目标，也有可回滚的原图。

第二类，图叮出初稿，人工收尾。它们的共同点是大方向适合 AI，但局部边界需要人眼确认。透明亚克力边、金属高光、布料绒毛、镜片反光、细线材接口，都可能需要图叮先把大面处理好，再由修图师局部压边。这里的提示词要短，重点写禁改区。

第三类，不建议直接交给 AI。它们的共同点是缺证据。标签缺字、配件没入镜、接口被手挡住、商品比例只有一个角度、颜色参考不可信，这些都不是提示词能救的。兜底情况是补拍，或者让商家提供参考图。强行修，只会把不确定性包装得更像真图。

这张表的价值在于减少争论。运营想快，修图师想稳，老板想少返工。把任务分层后，团队不再讨论“AI 行不行”，而是讨论“这张图属于哪一类”。

在图叮里先跑一遍回归

真正落地时，可以按一个轻流程走。

图注：用高风险样张先查标签、反光、边缘、阴影和材质。

先选样张。不要挑最好修的图，挑最容易挂的图。比如有标签、反光、边缘、阴影、复杂材质的图各拿一张。团队实际经验里，样张越刁钻，后面批量越省心。

再标禁改区。商品型号、尺寸线、接口、批号、包装贴、材质纹理，凡是买家可能对照实物看的位置，都先锁住。提示词里少写“高级”“干净”，多写“不改型号贴”“不重绘接口”“保留接触阴影”。

接着生成 AI 初稿。只看两类结果：目标有没有达成，事实有没有被动过。目标没达成，可以调整提示词；事实被动过，要回到任务适配表，判断是改禁改区、人工收尾，还是补拍。

最后再放量。批量图不怕慢一点，怕第一版就把错误复制出去。图叮的优势不只是生成一张更好看的图，而是让团队把原图、AI 初稿、人工修订和上线版放在同一条检查线上看。

提示词当然重要。但它应该排在任务适配之后。把这套判断迁移到详情页、短视频封面、社媒种草图也一样成立：先确认哪些信息必须真实，哪些效果可以优化，哪些失败要能回滚。能回答这 3 个问题，再让 AI 开始动图，交付才不容易失控。