AI 购物代理开始读商品图：图叮上线前怎么做可读性检查

做完这 5 步，你会得到一套商品图上线前的可读性检查法：原图哪里不能动、图叮 AI 初稿哪里要复核、上线图能不能被平台抓取、客服能不能解释清楚。它不是一份漂亮图清单，而是一张原图、AI稿、人工复核、上线版本之间的差异表。

图注：商品图上线前的四版本可读性检查工作台

这个判断不是凭空来的。根据 Google 2026 年 5 月 19 日发布的 Universal Cart 官方博客，Google 在 I/O 期间继续把购物体验推向 agentic commerce；同一篇文章里还提到 Shopping Graph 覆盖 600 亿以上商品 listing。Google 2026 年 3 月 19 日的 UCP 更新 也说明，购物代理可以通过目录能力读取商品变体、库存、价格等实时资料。图片不是孤立素材，它会和标题、价格、库存、变体一起被系统理解。

RawVsRendered 式的做法很简单：不要先问这张图够不够高级，先问它有没有把商品说错。

Step 1：把商品图当成商品资料的一部分

平台趋势先改掉一个旧习惯：主图不是详情页的装饰开场，它是商品资料的一部分。

截至 2026-05，Google Merchant Center 的 image_link 官方文档 对商品图片的要求仍然围绕可抓取 URL、支持的图片格式、尺寸、主体完整展示、不要用占位图、不要用不代表实际商品的通用图形。官方文档还写到，2027 年 1 月 31 日后所有商品图片至少要达到 500 x 500 像素，同时建议提供 1500 x 1500 或以上的图片以适配更多展示格式。

放到国内电商团队的日常里，这个趋势会落成 3 个问题：

• 主图是不是准确表现当前售卖的 SKU，而不是拿另一种颜色、套装或材质代替。
• 详情页首屏是不是把关键结构拍清楚，而不是只留下情绪化场景。
• AI 修图有没有把包装、标签、接口、材质纹理修得更顺眼，却让客服无法解释。

如果你还在梳理基础质检项，可以先对照这篇旧文里的 商品图上线前质检清单。那篇更像底线检查；本文这套流程更偏平台和 AI 购物代理能否读懂。

我的建议是把每张图拆成 4 类信息：主体身份、可购买变体、可信结构、使用边界。主体身份回答这是不是同一个商品。可购买变体回答颜色、尺寸、套装是不是对上链接。可信结构回答接口、材质、缝线、刻度、包装有没有被 AI 擦掉。使用边界回答图里有没有暗示商品做不到的效果。

这一步不需要复杂工具。打开图叮前，先在素材表里给图片打 4 个标签：主图、变体图、细节图、场景图。每张图只承担 1 到 2 个核心任务。主图负责身份和完整主体，细节图负责结构，场景图负责使用边界。很多返工不是修图能力不够，是一张图同时想承担 5 件事。

Step 2：用图叮锁住真实商品区域

AI 修图前，先划定不能漂移的区域。这个动作听起来慢，实际会省掉后面两轮解释。

按团队实际经验，最容易被忽略的不是大主体，而是小而硬的证据点：Type-C 口方向、瓶身容量刻度、包装净含量、服装水洗标、二手商品序列号、食品配料表、五金件孔距。它们在画面里只占 3% 到 12% 的面积，但买家、平台和客服经常靠这些点确认商品。

图注：AI 修图前先标出接口标签和边缘保护区

在图叮里处理时，可以按这条顺序走：

1. 先上传原图，不急着写风格化提示词。
2. 把型号、标签、接口、刻度、边缘、纹理这些区域列成保护清单。
3. 提示词里明确写保护对象，例如保留瓶身容量刻度、不要重绘 Type-C 口、不要改变包装净含量。
4. 局部重绘只碰背景、阴影、污点、折痕和不影响商品身份的区域。
5. 如果要扩图，先确认扩出的区域不会暗示额外配件、额外容量或不存在的使用场景。

这里不要写高级一点、质感更强这类模糊词。它们会把模型推向好看，却不会告诉模型哪些地方不能改。更稳的写法是对象加限制：清理背景灰尘，但保留产品边缘原有轮廓；提亮金属反光，但不改变接口形状；补齐桌面阴影，但不要新增配件。

这和传统修图需求单是一条线上的工作。需要把输入说清楚时，可以接着看 AI 修图需求单怎么写。区别在于，过去需求单主要给修图师看；现在它还要帮 AI 避开实体漂移。

RawVsRendered 的检查习惯是并排看。左边原图，右边 AI 输出，中间写 6 个差异点。不是为了炫工具，而是让每个红框都能回答一句话：这处差异会不会让买家误解商品。

Step 3：给 AI 初稿做并排差异检查

图叮 AI 初稿出来后，不要马上进人工润色。先做一轮并排差异检查。

这一步建议用 3 列：原图、AI 初稿、人工修订版。每列只看 5 类差异：

图注：三列对比能快速定位商品信息漂移

• 主体轮廓：边缘有没有变窄、变圆、变厚。
• 结构点：接口、孔位、卡扣、缝线、刻度有没有消失。
• 材质点：磨砂、透明、金属、布料纹理有没有被统一抹平。
• 文字点：标签、型号、批号、净含量有没有被改写或糊掉。
• 场景点：背景有没有新增不属于商品的配件或夸张用途。

根据内部复盘，2026 年 5 月第二周我们抽看 48 张电商样图，真正需要返工的点里，超过一半不是画面不美，而是原图和 AI 初稿之间有商品信息漂移。比如透明收纳盒的卡扣被修成一条平滑边，移动电源的接口阴影被抹掉，食品礼盒的封口边被补得像未开封的硬纸盒。这些不是审美问题，是商品说明问题。

如果原图质量本身就差，先别让 AI 硬猜。可以参考 原图喂给 AI 前的 6 个自测项，把模糊、过曝、遮挡、反光这些输入问题先分出来。输入不稳时，图叮可以做修复，但不能把猜出来的结构当成真实商品。

差异检查有一个简单门槛：只要差异会影响售前咨询、售后举证、平台审核、买家实际收到货这 4 件事之一，就不能只靠好看来放行。

这一段要克制。不要因为 AI 初稿有一张更干净的背景，就忽略右下角那枚被修掉的批号。也不要因为修前图脏，就把所有真实使用痕迹都擦掉。商品图不是人像大片，它对真实感的容错更低。

Step 4：把上线图和 feed 要求对齐

上线前，要把最终图和商品 feed 的图片要求放在一起看。

官方来源给了几个清楚的方向。Google Merchant Center 文档要求图片 URL 可被抓取，支持 JPEG、WebP、PNG 等格式，并要求图片准确展示完整商品，避免占位图、通用图形、logo 或不代表实际商品的图。Google 2026 年 3 月 19 日的 UCP 更新则把目录、变体、库存、价格这些结构化资料放进购物代理可读取的范围。图片如果和这些资料打架，后面的智能购物流程就会更容易误判。

这里可以按 6 项验收：

1. 图片主体是否完整，没有被裁掉关键边缘。
2. 当前图片是否对应当前售卖变体，不混用其他颜色、规格或套装。
3. 文件格式和 URL 是否稳定，替换图片时是否使用新 URL 触发重新抓取。
4. 商品包装、标签、材质和结构是否与标题、规格、详情页一致。
5. AI 生成或 AI 修订的部分是否没有暗示不存在的功能。
6. 如果后续要投放或进入海外渠道，是否保留了 AI 处理来源和人工复核记录。

这一项里最常见的坑是文件名和 URL。团队换了一张图，却沿用旧 URL，平台缓存没有及时更新，运营以为图已经上线，广告端还在读旧图。Google 文档提到，更新已有商品图片时提交新的唯一 URL 通常能帮助更快重新抓取；保留同一个 URL 可能需要更久才被重新检测到。

在图叮交付里，我会把最终图命名成 sku-用途-版本，例如 12345-main-v03.webp、12345-detail-port-v02.webp。版本号不是给读者看的，是给运营、客服和投放的人在争议时能快速对齐。

Step 5：保存来源和修订记录

最后一步不是存图，而是存证据。

Adobe Firefly 的 Content Credentials 官方说明 在 2026 年 3 月 11 日更新，里面提到 Content Credentials 是一种防篡改的元数据，可以说明文件如何创建或编辑、由谁参与；Adobe 还会对 100% 由 Firefly 生成像素的资产自动应用 Content Credentials。这个方向说明，图片的来路会越来越重要。

电商团队不一定马上把每张图都接入完整的内容凭证体系，但至少要留 4 份材料：

• 原图：保留拍摄输入，不用覆盖。
• 图叮 AI 初稿：保留第一次输出，方便看模型改了什么。
• 人工修订版：标出人工确认或回滚的区域。
• 上线版：记录实际进入详情页、广告或 feed 的文件。

这 4 份材料放在同一个 SKU 文件夹里，比事后口头解释强。客服收到买家质疑时，可以看原图和上线图的关系；投放发现平台抓图异常时，可以看 URL 和版本号；设计复盘下一批图时，可以看哪些提示词容易把结构修偏。

如果你已经有一套产品精修流程，可以把这一步接到 产品精修全流程 SOP 后面。原来的流程解决怎么修；这一步解决修完之后怎么证明没修错。

验证是否做对，只看 3 个信号：同一个 SKU 文件夹里能找到原图、AI 初稿、人工修订和上线版；任意一张上线图都能说明它对应哪个变体和用途；当别人问这张图哪里被 AI 改过时，你能在 2 分钟内指出差异点。达不到这 3 条，就先别急着发布。