商品视觉特征与提示词提取

要解决的具体问题

品牌与电商团队在做营销素材、商品视觉或界面设计时，常需要从商品主图里提取颜色、形状、材质、风格等视觉特征，还要反推用于生成内容的提示词。但人工处理面临三个实际痛点：一是批量处理商品图时，逐张标注效率低且易漏细节；二是从图片反推提示词容易脱离业务场景，导致生成的文案或设计不符合需求；三是处理过程中若信息不全，易出现猜测事实、忽略风险的情况，后续返工成本高。

技能如何工作

该技能围绕“商品图片视觉属性与提示词提取”场景，形成从信息确认到交付检查的闭环。核心能力是基于多模态AI分析商品主图，精准提取视觉特征与提示词，并将结果转化为结构化数据。

关键步骤分四步：

1. 信息确认：先明确设计目标、受众、渠道、尺寸等必要信息，缺失部分直接标记缺口，不盲目填补；
2. 视觉分析：调用多模态AI解析商品图，提取颜色、形状、材质等视觉属性，同时反推贴合场景的提示词；
3. 结构化输出：将提取的属性与提示词整理为可复用的结构化数据，支持批量处理后的结果统计；
4. 交付检查：生成包含执行步骤、模板的设计规范与制作包，标注事实依据、风险点及需人工确认的内容。

适用边界与注意点

使用时需注意三点：一是仅处理用户明确授权的商品图素材，不涉及未授权的图片、字体或商标；二是信息不足时必须优先向用户确认，不自行补写价格、平台规则等关键事实；三是涉及外部操作（如发布、投放）时，需先展示目标与影响，获得明确授权后执行，不承诺流量或成交等结果。