AI 购物代理开始读商品图：主图要给人看，也要给机器看

过去一张主图只要让人停下手指；到 2026 年，这张图还要被搜索、推荐、购物代理和结账链路一起读取。这个变化不是口号。Google 在 2026 年 1 月 11 日发布面向零售商和平台的 agentic commerce 说明，提到 AI Mode、Gemini 和 Universal Checkout Protocol 会把商品发现、推荐和购买动作连起来；Shopify 在 2026 年 4 月 30 日解释 AI shopping channels 时，也把“产品信息能不能被代理正确理解”放在商家准备清单里。来源都很公开，但落到电商设计台面上，问题会变得很具体：主图里的型号、材质、配件、瑕疵边界，不能只对人显眼，也要对机器清楚。

我自己的判断很简单：以后商品图会分成两层。一层是给人看的好看，另一层是给 AI 购物代理看的可信。图叮要解决的，不是把图修得更“AI”，而是让商品图在两层里都不撒谎。

图注：商品图和代理检查清单同桌复核

2026 年 1 月：购物代理把“找商品”和“下单”接到了一条链路

根据 Google 官方博客 2026 年 1 月 11 日的说明，agentic commerce 不是只做一个聊天框。它把 AI Mode、Gemini、零售商平台和结账协议放到同一条链路里，让用户从“我想买一个东西”一路走到具体商品和购买动作。这里面最容易被电商团队忽略的，是图片已经不只是页面装饰，它会和标题、价格、库存、结构化商品数据一起，进入 AI 对商品的理解。

这和传统站内搜索有明显差别。过去主图只要在搜索结果页里压过旁边那张图，运营就会觉得赢了。现在 AI 购物代理可能先帮用户筛掉不匹配的商品，再把少数候选拿出来解释：这个适合什么场景，那个有什么限制。图像里有没有真实接口、有没有材质纹理、有没有配件全貌，都会影响它能不能把商品讲清楚。

图叮内部复盘里，我会把这种主图拆成 4 个信号：主体识别、规格证据、使用边界、售后风险。主体识别是“这到底是什么”；规格证据是“尺寸、接口、型号、套装数量有没有被图像支持”；使用边界是“适合桌面、户外、厨房还是车内”；售后风险是“哪些东西如果修没了，买家会说图不符”。这 4 个信号不一定都写在图上，但至少要在图像资产里被看见。

如果你的团队还在用“更高级、更氛围、更干净”评价主图，可以先停一下。AI 代理不懂你们会议室里的审美词，它更需要稳定、可验证、少歧义的商品证据。想做批量商品视觉时，可以参考图叮AI vs Canva Magic Studio：运营要批量做商品主图和促销图，哪个更省设计返工？那篇，里面讲的光影一致性和 SKU 批量稳定，在这类机器读取场景里会更重要。

主图不再只争点击，还要减少代理误判

据 Shopify 2026 年 4 月 30 日关于 agentic commerce 的文章，商家需要考虑 AI shopping channels 如何读取目录、商品页和结账能力。这个说法放到中国电商团队里，可以翻译成一句更土的话：AI 代理替用户看商品时，最怕“图好看但信息不够硬”。

举个假设场景，不计入真实项目数据：一个用户让购物代理找“适合桌面直播的 65W 多口充电器”。如果主图只是一块漂亮的充电器悬浮在渐变背景里，代理能看出品牌调性，却很难确认三件事：接口数量、功率标识、插头方向。如果另一组商品图有白底正面、接口特写、侧面功率铭牌和桌面使用图，代理更容易把它归到“桌面充电站”而不是普通手机充电头。

这不是要求每张图都做成说明书。恰好相反，主图仍然要干净、抓眼，不能被文字和标签塞满。但图像资产包必须有分工：第一张负责识别和点击，第二张负责规格证据，第三张负责场景边界，第四张负责售后前置。图叮在做批量处理时，比较适合把这些图放进同一套风格里：背景光线一致，主体比例一致，接口、铭牌、配件不要被 AI 重绘成“差不多”。

这里最容易翻车的是“过度美化”。AI 修掉划痕、灰尘、背景杂物是合理的；把真实存在的接口缝、警示标签、织物纹理也修平，就会让商品失去可验证信息。对人来说，这只是“图更干净”；对代理来说，它可能把关键证据抹掉。做白底图到场景图迁移时，也可以先看电商融图选图决策：什么样的白底图适合做场景图，什么样的不适合，那篇里的光线方向、边缘清晰度、分辨率预检，正好是机器读取前的底层质量。

给机器看的可信，不等于把图做成资料卡

很多团队听到“机器可读”，第一反应是往图上加参数、箭头、卖点贴纸。我不建议这样做。原因很现实：AI 生图直接生成中文容易乱码，平台主图也未必允许密集文字；更麻烦的是，标签一多，设计师会开始用标签掩盖图片本身的信息不足。

更稳的做法是把可信信息放回商品本体。比如家电 3C 类目，要保留接口形状、功率铭牌和线材接头；服装类目，要保留面料肌理、拉链、纽扣和走线；食品类目，要保留切面、包装封口和生产批次位置，但不要合成不存在的新鲜水珠。根据 Google 2025 年 5 月 20 日关于 AI Mode 购物和虚拟试穿的产品更新，平台已经在用更复杂的 AI 帮用户理解商品外观、尺码和搭配。这类能力越往前走，图像里“能被确认的细节”越重要。

我会把图叮的修图边界写成三句话。能清理的是拍摄噪音，比如灰尘、脏背景、压缩瑕疵、轻微偏色。要保留的是商品事实，比如接口、型号、纹理、磨损、配件数量、包装文字位置。需要补拍或补资料的是图里本来没有、但购买决策必须知道的信息，比如尺寸参照、套装清单、安装方向。

这也是作者风格里我一直记的边界：AI 能把图做完，但不能替团队决定哪些事实可以抹掉。品牌内容不是把所有图变漂亮，而是把该说清楚的东西留下来。

现在就能改的 5 个图像交付动作

图注：五个交付动作拆成可复核图片资产

第一，给每个 SKU 留一张“证据母图”。它不一定发布在第一屏，但要保存主体正面、侧面、背标、接口或包装关键信息。图叮可以帮你把背景清干净、曝光拉齐，但这张图不要做夸张场景合成。

第二，主图和细节图不要互相打架。主图里是黑色磨砂外壳，细节图就不要被修成亮面塑料；主图里有 3 个配件，详情页就不要突然只剩 2 个。AI 代理如果跨图比对，前后不一致会比单张图不够美更糟。

第三，批量图要统一风格参数。拍摄角度、主体比例、阴影方向、背景明度要稳定。根据团队实际经验，运营最怕的不是某一张图稍微普通，而是 20 个 SKU 放在同一页里像来自 6 个供应商。机器读取同样怕这种噪声，因为它会把风格差异误当成商品差异。

第四，把“不能修”的区域提前标出来。铭牌、型号、尺码、接口、磨损、透明件、材质纹理都可以设成保护区。图叮的价值在这里不是替你偷懒，而是把重复清理交给 AI，把风险判断留给人。

第五，文件命名和版本要让人能回溯。AI 代理时代的商品图不是一次性海报，而是一组可追踪资产。你可以把原图、修后图、证据母图、场景图按 SKU 和用途命名；如果团队已经被“最终版 3”折磨过，可以接着读图片归档命名与版本管理体系：从一团乱到团队 SOP。

图叮适合处理哪一段，不适合替你决定哪一段

图叮适合处理的是图像生产段：去背、换背景、瑕疵清理、局部保护、批量一致性、场景图扩展。这些活本来就重复，而且容易因为人工疲劳变形。让 AI 接手，是把设计师从机械劳动里放出来。

图叮不应该替你决定商品事实。比如一款户外电源到底有没有防水等级，一副眼镜镜片到底有没有偏光，一件二手包的肩带孔有没有磨损，这些都不是修图工具能替商家承诺的。人要先定边界，AI 再执行。

截至 2026 年 5 月，我更愿意把 agentic commerce 看成一次提醒：商品图正在从“展示素材”变成“交易证据”。给人看的图，要有审美；给机器看的图，要有证据；能长期跑起来的团队，会把两件事放在同一套 SOP 里，而不是等代理误判后再返工。

明天抽 3 个正在投放的 SKU，检查它们的主图、细节图和证据母图是否能让一个陌生人不用问客服就说清商品事实。