场景教程

29 大行业场景，共 1616 篇实战教程

手机壳和钢化膜商品图：透明材质、边缘厚度与反光控制

手机壳、透明壳和钢化膜图片要让用户看懂厚度、开孔、按键、反光和材质差异，不能只追求干净透亮，还要保留真实结构和边缘层次。

汽车配件图片修图要保护型号、安装孔、卡扣、边缘和材质。黑塑料不能修成纯黑，金属件也不能修成廉价高光，否则会影响识别和售后。

AI 修图完成后，不是所有图都要进 Photoshop。先检查尺寸、色彩、文字、边缘、阴影和交付渠道，再决定是否人工收尾。

提示词越写越长，往往说明流程已经卡住。把问题拆成素材、区域、步骤顺序和每轮验证，比继续堆描述词更容易让画面稳定可控可复盘。

批量修图质检不该只靠感觉。按 SKU 风险、渠道位置、素材来源、信息准确性和客户容错度，决定 3%、10% 抽检或全检。

局部重绘不是无限补丁。边缘、材质、光源和客户预期开始互相打架时，继续修会更慢，重开一版通常比在旧图上反复缝补更稳定可靠。

低像素商品图不要一上来就放大或精修。先判断用途、成品尺寸、边缘、材质和文字信息，再决定高清放大、抠图、局部修复的正确顺序。

眼镜配饰图的反光不能一键清空，也不能遮住镜片、框型和模特眼神。本文拆解镜片反光、透光和框型边缘的修图边界。

工业品 B2B 图片不是为了制造氛围，而是帮助采购和工程师判断接口、尺寸、材质和工艺。本文拆解零件详情图的拍摄修图重点。

生鲜水果图可以修背景、光线和拍摄脏点，但不能把影响成熟度、成色和到货预期的瑕疵抹掉。本文给一套诚实修图边界。

美妆电商的粉底液色号图可以优化质感、清理反光、统一背景，但不能让色号偏移。本文拆解色卡锚点和瓶身质感的处理边界。

AI 修图前后对比不能只看画面是否更漂亮，还要看结构、材质、卖点和风险信息有没有被改变。本文给一套审核方法。