商品图从修好看到保留证据层：AI 修图返检标准正在变

2026 年 5 月 7 日晚间，只读今天的素材账本时，我数到一个很直白的信号：近 30 天队列里已有 375 个素材 item，站内历史博客 frontmatter 有 587 篇。很多题目还在问“这个部位能不能修干净”，但返工真正卡住的，常常不是干净度。是证据层被改轻了。

Clean is not enough。商品图正在从“让人喜欢”变成“让人敢下单”。这句话听着硬，可它会影响 AI 修图团队的返检表、图叮里的局部重绘边界，也会影响运营给客服留下多少解释空间。

图注：证据层先锁住，展示层再变干净。

证据一：返工不是因为不够美，而是因为信息被修轻了

内部复盘里有一条脱敏记录，我一直记得。2026 年 4 月 18 日，上海杨浦一个 4 人后期小组复查一批小家电配件图，运营小赵这个角色代号标了 36 张图，其中 7 张要回退。问题不是背景灰，也不是锐化不够，而是接口方向、标签编号和接触阴影变得太“顺”。

这类问题在缩略图里不刺眼。甚至更好看。可详情页放大到 1500px，买家看到的不是漂亮背景，而是“这个插头到底是不是我需要的”。如果 AI 把标签边缘磨平，把型号贴纸提亮到像重新印过，客服就失去一句可靠话术：图上就是实物状态。

我把它叫证据层。展示层负责吸引人，证据层负责让人信，风险层负责告诉团队哪里不能动。图叮 AI 做局部重绘时，适合把背景污点、边缘杂物、轻微色偏交给模型；证据层要先框出来。框出来不是技术洁癖，是 customer experience。买家退货时不会说“你这张图构图不好”，他会说“图上看不出来”。

证据二：证据层会改变团队分工，不再只看修图师手感

团队实际经验里，商品精修的旧流程很像接力：摄影出图，修图师处理，运营挑好看的上架。AI 进来以后，这条线变短了，也更容易漏判断。图叮 AI、Photoshop 25.4、批量压缩脚本都能提速，可工具越快，越需要把“哪些信息不能被优化”写在前面。

一个可执行的返检表不用复杂。真实项目脱敏里，我们给深圳南山某电商小组写过 5 列：文件名、展示层处理、证据层锁定、风险层备注、是否需要补拍。单张图只填一句。比如“展示层：背景灰点清理；证据层：保留批号贴纸和接口方向；风险层：铭牌低清，不能让 AI 重写”。

这张表的价值不是让流程显得 professional。它让运营、修图师和客服说同一种话。运营不再只说“修自然一点”，而是说“这 12 张只清背景，标签不生成”。修图师不再凭手感决定局部重绘范围。客服看到详情图时，也知道哪张图能作为解释依据。

作者视角里，我更在意客户感受。婚礼照片里，肤色统一很重要，可亲友是谁、表情有没有被改，才是底线。商品图也是一样。AI 可以清理灰尘，不能替商品重新承诺。

证据三：同一张图要同时给人和系统看，证据层会变成排序资产

过去很多商品图主要给人看。现在它还要被搜索、推荐、AI 购物助手、站内识别和客服知识库读取。这里不引用外部趋势做大判断，只看内部只读索引也能看到变化：2026 年 5 月 7 日的 manifest 里，social-media、product-retouching、ecommerce、industrial-b2b 这些场景都在反复写“可读”“证据”“型号”“材质”。这不是偶然。

如果一张工业传感器图把探头角度修得更规整，却弱化了接插件；如果一张原产地农产品礼盒图把追溯码修得更干净，却看不清位数；如果一张二手商品图把划痕压没，系统可能认为图更统一，人却会在签收后质疑成色。展示层赢了，证据层输了。

这就是图叮适合切入的地方。它不是只帮团队把图变美，而是把 AI 修图变成可复核的工作流：先定不可改区域，再做局部重绘，再并排看原图和修后图。One more look。这个动作很小，却能把“看起来不错”改成“经得起解释”。

把证据层写进图叮返检流程

我的建议很短，直接放进工单也能用。

第一，开工前先分三层。展示层包括背景、构图、轻微污点、边缘杂物；证据层包括型号、接口、刻度、批号、材质纹理、真实阴影；风险层包括原图已经不清、被遮挡、需要客服确认或补拍的位置。

第二，给图叮 AI 的提示词不要只写“修干净”。要写“只清理背景灰点，不改变标签文字，不新增 logo，不改变接口方向”。这不是限制模型发挥，是把返工成本前置。模型越强，边界越要窄。

第三，返检不要只看修后图。原图、修后图、工单边界三者并排。运营小赵这类角色代号不需要懂每个图层，他只要能判断：证据层还在不在，风险层有没有被伪装成正常。

如果你有反例，欢迎拿具体场景来推翻这个判断：哪类商品图只要修得好看，不需要证据层？我目前看到的结论相反。越是 AI 修得快的团队，越要把证据层写得慢一点、硬一点。