AI 修图交付为什么先保商品证据，再谈好看

“这张图修得很好，但我不知道还能不能拿去解释商品。”

这句话比“修得不够漂亮”更麻烦。漂亮不好判，证据丢了却会直接影响上架审核、客服答疑和买家收货后的解释空间。很多团队第一次用 AI 修图，会把目标写成“干净、高级、质感更好”。这个目标没错，但顺序错了。商品图先是证据，再是视觉。先把能证明商品真实状态的东西保住，然后才轮到清理、提亮、统一背景和做氛围。

图注：先标出证据区，再清理背景脏点

图叮做商品图修图时，我更建议把任务拆成 1/2/3：先保住原图事实，然后定义可改范围，最后看修后图能不能被运营、客服和详情页一起解释。这个顺序有点慢，但它能减少返工。下面这 5 步就是一套排查方法，适合用在批量商品图、AI 局部清理、详情页首屏图和白底主图交付前。

步骤一：先确认原图证据还在不在

修图前先问一句：这张原图里，哪些信息是买家、平台或客服会拿来判断商品的？

常见的证据不是“主体轮廓”这么笼统，而是更小的对象。比如型号贴纸、接口方向、缝线密度、材质纹理、刻度线、批号、色卡、包装封口、配件数量、瑕疵边界。它们不一定好看，有时还会让画面显得杂。但这些信息一旦被 AI 清掉，图片就从商品说明变成了商品想象。

我一般会把证据分成三类。第一类是身份信息，如型号、Logo、条码、产地卡和证书。第二类是结构信息，如孔位、卡扣、接缝、刻度、按钮和连接件。第三类是状态信息，如轻微划痕、自然压痕、旧物成色、食物颗粒、织物纹路和金属反光。身份信息不能乱改，结构信息不能重构，状态信息要先判断是否影响承诺。

这一步可以和旧的参考图判断一起用。比如你已经读过《AI 商品图参考图越多越好吗：先定主参考、禁改区和回滚图》，就会知道参考图不是越多越安全，主参考和回滚图才是底座。图叮里的第一件事也类似：先把“不能丢”的东西找出来。

步骤二：把禁改区写成可检查的对象

很多返工来自一句话：保持商品不变。

这句话太宽。设计师听起来懂，AI 听起来也懂，但回看时没有标准。到底是颜色不变、结构不变、文字不变，还是材质不变？如果没有对象，团队只能靠感觉争论。

更稳的写法是把禁改区写成对象、位置和验收方式。比如不要写“保留标签”，而是写“右下角白色型号贴纸、黑色型号字样、贴纸边缘翘起痕迹都保留”；不要写“不要改接口”，而是写“左侧两个 Type-C 接口的圆角、间距和内侧阴影不重绘”；不要写“保持材质”，而是写“拉丝金属横向纹理保留，不做镜面化，不补成塑料高光”。

图叮的价值不只是执行“变干净”。更重要的是把禁改区和可清理区分开，让每一次局部处理都有边界。这个边界越具体，AI 越不容易把真实商品修成“差不多的商品”。

如果团队已经习惯在 Photoshop 里收尾，也可以把这一步放在 PS 前面。旧文《商品图进 Photoshop 收尾前，先做这 6 个判断》讲的是进入精修前的判断，我这里补的是更前面的一层：在 AI 动手前，先让证据区变得可检查。

步骤三：可清理区只处理会误导判断的脏点

不是所有“不好看”都应该被清掉。

背景灰尘、拍摄台污点、边缘杂线、无关反光、纸屑、压缩噪点，这些通常属于可清理区。它们会干扰买家看商品，也不会证明商品本身。图叮处理这类问题很适合：清理快，批量一致，修后图也更利于上架。

但有些“脏”其实是证据。二手商品的轻微划痕、烘焙食品的自然碎屑、织物的折痕、金属件的加工纹、透明材质的边缘折射，都可能是买家判断真实状态的依据。把它们全部清成完美样机，短期看图变漂亮，长期看会给客服留下解释缺口。

所以可清理区要有一个简单规则：清理会误导判断的拍摄瑕疵，保留会解释商品状态的真实痕迹。

这个规则听起来克制，但批量时很有用。尤其是同一批商品有 20 张、50 张、100 张时，不能每张都重新争论“这个要不要修”。先把可清理区定义出来，图叮才能把同一套边界稳定应用到一批图上。

步骤四：用版本回看判断有没有过度重构

修后图不要只和审美目标比，要和三样东西一起回看：原图、详情页位置、客服解释。

图注：四栏回看能发现过度重构风险

第一，看原图。重点不是找像素差异，而是看证据有没有变。型号还在不在，孔位有没有被补圆，纹理有没有从真实变成模板，色卡有没有偏到另一个颜色族。

第二，看详情页位置。主图可以更干净，详情页证据图要更诚实。首屏图可以适度统一氛围，但参数图、安装图、局部图不能因为好看而失去解释力。图叮修同一组图时，要按页面位置分工，不要让所有图都追同一种“精致”。

第三，看客服解释。客服最怕的不是图片不够美，而是买家问“为什么收到的和图上不一样”时，没有一张图能解释。修图时保留下来的孔位、标签、折痕、色差边界，很多时候就是客服的证据。

这也是我不建议把 AI 修图只当成单点工具的原因。图叮的三端能力可以分工：网页端适合快速处理和回看，桌面端适合批量组织，PS 插件适合精修收尾。具体怎么选，可以看《图叮 AI 三端怎么选：PS 插件 / 桌面端 / 网页端的真实分工》。但无论用哪一端，版本回看都不能省。

步骤五：遇到证据缺口就退回补拍

最后一步最容易被忽略：有些图不该修，应该补拍。

如果原图里的型号贴纸糊成一片，AI 不能替你编一个清晰型号。如果接口角度被遮住，AI 也不能凭常识补出“看起来合理”的接口。如果食品包装的生产日期看不清，修得再清爽也没有用。证据缺口不是瑕疵，它是输入不足。

我通常用 3 个问题判断是否退回补拍。

1. 这个区域是否关系到买家决策或售后解释？
2. 原图是否已经提供足够信息让修图只做清理，不做猜测？
3. 修后图如果被放大看，能否和实物、详情页文字、客服话术一致？

只要其中一个答案是否定的，就不要让 AI 硬补。退回补拍并不代表效率低。相反，它是在避免后面更大的返工。AI 修图最好的用法，不是把每张差图都救回来，而是快速判断哪些图值得修，哪些图应该重新取得证据。

一张图的交付结论要能被复述

一张修后商品图交付前，团队最好能用一句话复述它的边界：这张图清理了什么，保留了什么，哪里没有动，哪里需要补拍。

如果这句话说不出来，说明修图过程还停留在“感觉更好看”。如果能说出来，说明图叮已经把审美任务变成了可检查的交付任务。

这就是我说的证据优先。不是反对好看，也不是反对 AI 重绘。只是顺序要稳：先保原图事实，再分禁改区和可清理区，然后用版本回看确认没有过度重构。做到这一步，漂亮才不会变成风险。

按这 5 步检查完，一张图就能给出明确结论：可交付、需局部返修、退回补拍。这个结论比“看起来还行”更有用，也更适合交给下一位运营、客服或修图同事继续执行。