AI 出图的质检清单：十个检查点，盲测过一遍再上架

工具说这张图”能用”，你就敢直接上架吗？

大多数翻车，不是模型出了张烂图——烂图一眼就毙了。真正坑人的是那种”乍看没毛病、放大全是雷”的图：主体多了根手指、包装上的字凑近看是乱码、白底其实泛着灰。它骗得过你三秒钟的第一眼，骗不过买家的放大镜。

这份清单的用途很具体：你随手出一张图之后、把它放进详情页或投出去之前，照着过一遍。不是让你审美，是让你排雷。十个检查点，分三组，能勾的勾，勾不上的就是待办。

第一组：主体结构，先看骨头

结构错了，后面都白检。这一组一票否决。

• 主体结构没变形——数量对、比例对、该对称的对称，没有莫名的扭曲。
• 没多出也没少掉部件——不多一根手指、不少一颗扣子、不凭空长出第二个把手。
• 主体边缘干净——没有抠图残留、白边光晕、半透明的毛边。

这三条里，“多部件”是 AI 出图最阴的一类错。它不像整张崩坏那么显眼，就悄悄在袖口多缝一道线、在充电器上多开一个孔。你不逐寸看，它就跟着你上架了。

第二组：细节与文字，放大再看

第一眼过关的图，从这一组开始露馅。

• 文字和 logo 是真字，不是”看着像字”的形状。品牌名、参数、型号——凑近一个字一个字认。
• 材质纹理连贯——布纹、木纹、金属反光没有糊成一团，也没有莫名重复的花纹拼接。
• 光影方向统一——投影和高光朝同一个光源，不是这块光从左、那块光从右。

文字这条我单独强调。AI 能画出”排布得挺像那么回事”的字符，但对不对是另一回事——原图没给它准确内容，它就只能猜形状。凡是错一个字就算事故的地方(型号、成分、规格)，别指望它一步到位，逐字核。想更系统地建立”什么叫合格”的判断，AI 修图的质量判断这篇可以当尺子用。

第三组：画质与合规，上架前最后一关

前两组是图本身对不对，这一组是它够不够格进流程。

• 颜色没整体偏色——白底是不是真白(数值意义的白)、主色跟实物对不对得上。
• 分辨率和清晰度达标——放大到平台要求的尺寸不糊边、不涂抹感。
• 没有 AI 伪影——背景里没有扭曲的杂物、没有凭空出现的多余元素。
• 合规到位——平台的主图禁标(文字/水印/边框)守住了，AIGC 标识按平台要求该加就加(截至 2026-07，以平台最新规则为准)。

十个点数下来，这就是一份能贴在工位上的质检板。落到实操，这套检查跟电商视觉验收的几条硬指标是同一套肌肉——一个管出图、一个管交付，串起来才闭环。

勾完之后，这图该怎么处置

清单不是终点，勾出来的问题得有去处。三种处置，别搞混：

一张图三组全绿，放行。这是少数。

结构组(第一组)挂了，退回重出——结构性错误靠修图救不回来，改一处崩一片，重出比硬修快。

细节和画质组(第二、三组)挂了，多半不必重出，转人工精修就能收——边缘、偏色、局部瑕疵，产品图精修这类处理能补，比推倒重来省一大截。判断的分水岭就一句：错的是”骨头”还是”皮肤”。骨头错了重出，皮肤问题精修。

最后说个事。团队内部脱敏复盘里遇到过一次典型的翻车：一张主图，美术看了、运营看了、组长也看了，三双眼睛都说没问题，上架第三天客服才转来买家截图——袖子上多了半颗纽扣。不是没人检查，是三个人都盯着好不好看，没人在数对不对。质检和审美是两码事：审美靠感觉，质检靠清单。你越是觉得这张图挺好的，越该把这十条冷冰冰地过一遍——因为骗过你眼睛的图，恰恰是最危险的那一批。清单存在的意义，就是替你按住那只想直接点上架的手。