a+/详情页怎么做？AI完整流程逐条拆开讲清

把这件事讲成流程之前，先要承认一个前提：做一张和做一批，是两道完全不同的题。做一张，你可以在每一个细节上慢慢较真，可以来回试到满意为止；做一批，你必须让一套动作重复几十遍而不出错，任何一处「凭感觉」都会在数量上被放大成事故。很多人在第一道题上表现很好，一进入第二道题就全线卡住，原因就是拿做一张的方法在做一批。

这篇按「眉毛」的粗细来拆：先讲清两道题的分野在哪，再把完整流程逐条拆开——素材、参数、生成、挑选、归档，每一步都标出卡点；然后落到青虎AI 对应功能的具体流程事实上；最后讲批量场景该怎么扩展。

先把边界立起来。工具给出的是素材与初稿，判断与定稿这一步在人手里。另外，本文不逐一罗列第三方工具的规格、界面细节与版本信息，具体以该工具官方页面为准。

做一张和做一批：两道题的解法不一样

两道题的分野不在数量上，而在「容错空间」上。做一张的时候，你返工一次只损失一次；做一批的时候，一个错误的参数会在第二天变成几十件需要返工的成品。所以做一批的核心不是做得更快，而是「让错误在早期就被暴露」。

这带来一个很实际的结论：做一批的流程里，必须有一个专门用来试跑的环节。拿一两件商品先跑一遍，确认参数、版式、文案路径都对，再整批铺开。这个环节在做一张的场景里是多余的，在做一批的场景里是必需的。

试跑这个环节还有一个附加作用：它能在你还没投入大量时间之前，先把「这一类商品到底适不适合这么批量做」这个问题回答掉。有些类目的商品结构差异极大，从版式上就没办法共用一套模板——这种结论越早得到越好，而不是做到第三十件才发现。

另一处分野在「决定的位置」。做一张的时候，喜不喜欢、顺不顺眼这些感觉可以做决定依据；做一批的时候不行，因为同一个决定要做几十次，必须事先写成规则。比如「第一屏放哪张图」这件事，做一张时可以临时挑，做一批时必须事先定好——不然三十件商品就是三十次临时决定，时间全都消耗在这里。

所以进入批量之前，需要先完成一次「把感觉翻译成规则」的动作。这件事听起来有点抽象，落下来其实很具体：把你做第一件商品时做过的所有决定列出来，然后逐个问自己「这个决定，下一件还能用吗」。能用就写成规则，不能用就标记成「每件都要单独判断」——标记出来的那几项，就是你批量流程里真正的瓶颈。

素材准备：参考图与产品图的视觉输入质量

流程的第一步是准备素材，这一段的产出直接决定了后面能省多少工夫。素材分两类：参考用的和产品用的，两类的要求不同。

参考素材决定的是「结构从哪来」。参考图单次最多 10 张，数量越多结构判断越稳。这里有一个容易踩的坑：很多人选参考时按「哪张好看」来挑，结果挑出来的图视觉很满但信息层级混乱。正确的挑法是按「结构清楚」来挑——一眼能看出它分了几层、每层在讲什么，这种参考才值得给。挑的时候不妨用一句话复述每一屏在讲什么，复述得出来，说明结构是清楚的。

产品素材决定的是「主体从哪来」。产品图最多 3 张，文档建议给同商品的多角度、多 SKU。三张的额度怎么用最合理？一种常见分配是正面一张、细节或材质一张、使用场景一张。这样组合出来的画面，在后续编辑时留给你的调整余地最大。

素材这一段还有一条通用要求：清晰度。图片越清晰，生成效果越好，这一点在批量场景里更明显——一批里只要有几张糊的，整批的返工率就会上去。所以在准备阶段就要定一条合格线，不达标的先重拍或重新整理，不要指望后面能补。

清晰度之外，还有两件事值得在准备阶段顺手做完。一是命名规范：给每张图起一个能看出内容的文件名，别用一串流水号。批量场景里文件一多，命名混乱会让你在挑选和归档时反复打开文件确认，这个成本累积起来很可观。二是颜色一致性：如果一批商品是同一时间拍摄的，尽量保证批次内的光线条件接近，否则后面出来的色调会飘。

准备阶段的最后一步是「清点」。把所有素材过一遍，确认参考图和产品图都齐了、都达到合格线。这一步看起来只是核对，实际上它挡掉的是批量流程里最难处理的一类问题：做到一半发现素材不全，整个批次都得停下来等。

参数设定：详情图的版式与文案怎么定

素材准备好之后，进入参数这一环。参数的作用是把「你的意图」翻译成机器能执行的指令，所以关键不是参数有多少项，而是「哪些项必须做一次决定、哪些可以由它自己判断」。

先说比例。复刻这一类内置了包括 3:4 竖版在内的比例，可以在淘宝、拼多多、抖音商城、京东、小红书、Shopee、Lazada、Amazon 之间切换。比例这件事必须事先定，因为它决定了整套画面的构图逻辑——竖版和横版的排布方式完全不同，中途改比例等于重建。

再说文案。复刻这一类提供 3 种文案模式：提取图片文案、AI 生成文案、自定义文案。这三种模式的适用场景区别很大。第一种适合「参考图里的文案本身就合适」，第二种适合「还没有文案，先要一版参考」，第三种适合「有品牌规范或合规要求，文字必须自己写」。有品牌规范的类目，第三种是唯一可控的路径，这一点要在批量开始前就定下来。

还有一类参数可以让机器自己判断，比如智慧模式。它的作用是自动识别产品类型与参考图风格，减少你手动指定的负担。这类自动判断适合在「还没有形成固定风格」的阶段使用；一旦你有了稳定的模板，手动指定反而更稳。

参数定完之后，建议把这一组设定原样写下来，作为这一批商品的标准配置。写下来的好处是：后面出现问题时，你能判断是参数的问题还是素材的问题。

这里还有一个常被忽略的细节：参数的「可继承性」。做第一件商品时你调出的那组参数，如果第二件商品还能直接沿用，说明你的类目内部差异小，流程可以标准化；如果每件商品都要重调，说明你的类目跨度大，得按子类目分别建配置。判断的方法很直接——试跑三件不同子类目的商品，看参数改动了多少。

生成与挑选：把试跑当成流程里的固定环节

生成这一步本身没什么好讲的，输入对了，它就是一次等待。真正需要花心思的是生成之后的挑选——这一步在批量场景里的地位，比生成本身高得多。

挑选要解决的是一个很实际的问题：一批里总有几件不合格，怎么处理最快。答案取决于返工方式。如果只能整套重来，那么一件不合格就意味着整批的时间翻倍；如果能逐件重做，返工成本就降到单件的水平。所以看一个流程是否适合批量，返工方式比生成速度更值得先确认。

选择文案模式之外，还有一个挑选维度值得单独说：一致性。同一批商品出来的图，风格差异大不大。差异大的话，可能有几个原因——参考图不统一、产品图拍摄条件不同、或者提示词每次描述都不一样。找到原因就能解决，找不到原因就只能一件件手动调，那批量省下来的时间又还回去了。

试跑这个环节要专门设计，不能顺手做。建议的做法是：先跑两到三件，覆盖你这一类目里最常见的商品形态；跑完之后把问题分成三类——素材类、参数类、偶然类。素材类和参数类的问题会重复出现，必须在铺开前修掉；偶然类的单独处理就行。

挑选这一段还有一个隐形成本要注意：判断标准。三十件商品摆在面前，如果判断「合格」的标准在心里而不在纸上，那么每判断一件都要重新调用一次直觉，越到后面越松。把标准写下来，挑选的速度和一致性都会明显提升。

合格线怎么写才有效？一个可以照着抄的写法是三段式：画面要求、文字要求、信息要求。画面要求写清主体是否完整、有没有明显瑕疵；文字要求写清错别字、字号层级、有没有被裁切；信息要求写清该讲的卖点有没有讲到。三段都过，才算合格。这样写的好处是，换个人来挑也能得到接近的结果。

挑选之后是返工。返工这一步要事先问清一件事：改一处，是只改这一处，还是要连带重排。如果改一处会牵动周围的模块，那么每一次修改都要重新检查一遍整屏的布局，成本会翻倍。这也是为什么「模块化」这件事在批量场景里格外重要——模块彼此独立，改一处才只是改一处。

返工还有一个顺序建议：先把所有需要改的地方一次列完，再统一动手。改一处看一眼再改下一处，会让同一屏被反复调整很多遍。列清单这个动作本身只花几分钟，但能省掉大量重复的检查。

青虎AI 的流程事实：复刻与编辑各管哪一段

把通用流程对上具体能力，需要看两类功能各管哪一段。青虎AI 的图片线里，一类负责从参考到初稿，一类负责从初稿到成品。

负责生成的那一类是电商详情图复刻，入口在青虎AI 工作台的【创作】【电商详情图】【详情图复刻】。它的定位是复刻参考详情页的视觉语言，输出新的商品详情长图，提取过程覆盖光影、构图、色调、装饰、图文排版、文案版式、图标样式、卖点层级这些 8 大视觉维度，同时分析信息架构与用户视线引导路径。它的输入上限是参考图最多 10 张、产品图最多 3 张；尺寸上内置包括 3:4 竖版在内的比例，可切多个站点；文案提供 3 种文案模式。

负责编辑的那一类是电商详情图编辑模式，入口在【创作】【电商详情图】【电商详情图（编辑模式）】。它的定位是生成之后直接在内置在线编辑器里改，不用打开 PS。具体有五项：零跳转，生成与编辑在同一界面，点编辑进入，所见即所得；拖拽级操作，拖动图文模块改位置、缩放、对齐，解除组合可拆分；字体与文字样式，字体默认思源黑体 SC，字号、字重、对齐、颜色可调；模块化增删，底部工具栏撤销、重做、新增素材模块；多平台尺寸导出，提供默认尺寸、亚马逊长图、天猫详情长图、淘宝详情长图几种输出。参数上产品图最多 10 张，数量可选 1/2/4/6/8/10 张，语言支持简中、英语、泰语等，配色方案有多种。

这两类功能在流程里的位置很明确：前者解决「没有参照物」，后者解决「改不动」。中间那一步「同一批统一修改」，则交给批量改图——一次上传最多 10 张参考图加一句提示词，同步完成批量翻译、批量白底图、批量换背景与场景、批量改光影与色调、批量去水印去杂物。默认智慧模式，提示词建议用中文，复杂文字场景需要二次确认，图多则分批。AI 改图生成新图，不覆盖原图。

这三类功能串起来，正好对应完整流程里的三段。用一句话记：复刻管起点，编辑管终点，批量改图管标准。

六段流程逐条拆开

把前面的内容按动作顺序重新排一遍，就是一条完整的流程。下面六步按执行先后排列，每一步都写清它交付什么、由谁把关。

这六步里有一步最容易被跳过，就是最后一步。前五步解决的是「这次做出来」，第六步解决的是「下次不用重做」。很多团队的效率瓶颈不在生成速度上，而在每件商品都从第一步开始。

每一步的常见卡点：按段排查

流程跑不顺的时候，最快的定位方法是按段排查。下面这张表把六段和各自的典型卡点对起来，照着从上往下走一遍，通常能找出问题在哪。

流程段	这一段要交付什么	典型卡点	怎么绕开
素材准备	可用的参考图与产品图	参考图挑得好看但结构乱；产品图角度不全	按结构清楚挑参考，产品图覆盖正面、细节、场景
参数设定	一组固定的标准配置	每次重新选比例与文案模式	写成配置记录，批量开始前不再改
试跑	两到三件样稿与问题清单	拿最标准的商品试，结论偏乐观	挑最难的一件试，问题分素材类与参数类
生成	初稿	无	输入对了就是等待，问题都出在前两段
挑选返工	合格成品的清单	返工要整套重来；判断标准在心里	确认能否逐件返工，把合格线写下来
归档	可复用的模板与目录	做完就散，下次从零开始	定目录规范，版式与素材分开放

表里最值得注意的是「生成」这一段的卡点是空的。这不是疏忽，而是一个结论：生成本身很少出问题，绝大多数的卡点都在它的上游和下游。上游的卡点来自素材和参数，下游的卡点来自返工和归档。排查时把注意力放在上下两段，效率会高很多。

第二张表把「做一张」和「做一批」在同一段上的差别并排出来。这张表的用法是：拿它检查你的流程是不是还停留在做一张的思路里。

流程段	做一张时	做一批时
素材准备	边做边找，缺了再补	一次备齐并检查清晰度合格线
参数设定	可以边试边调	必须先定死，中途不改
挑选	凭感觉逐件看	先写合格线，再按线过一遍
返工	不介意重来	必须确认能否逐件重做
归档	常常省略	必做，且要定目录规范

批量场景的扩展：三个动作把流程撑起来

流程跑通一件之后，往批量扩展需要做三个动作。这三个动作都不复杂，但它们决定了批量和单件是不是同一套流程。

第一个动作是把复刻的参考固定成模板。每一类目固定两三个结构清楚的参考，后面的商品都从这几个模板出发。这一步把「选参考」从每件一次降成每类目一次，省下来的时间很可观。模板不需要多，多了反而挑不过来。

第二个动作是把同类修改合并。一批图里如果有多张需要换成白底、需要换语言、需要统一色调，就别逐张处理，交给批量改图一次做完——它一次最多接 10 张参考图加一句提示词，超过就分批。合并处理的前提是你的修改需求是一致的，如果每张要改的地方都不同，那就不是「同类修改」，应该回到单件处理。

第三个动作是把跨平台的导出提前规划。如果同一套内容要发到多个平台，导出这一步应该写在流程里，而不是等到全部做完再回头补。青虎AI 的编辑模式提供了默认尺寸、亚马逊长图、天猫详情长图、淘宝详情长图几种输出，可以按平台分别导出。批量场景里最怕的就是收尾发现还差一个尺寸，回头看几十件商品。

这三个动作之外，还有一件「不做也无妨、做了很省事」的事：给每一批任务留一条记录。记下这一批用了哪些参考、参数是什么、出现了哪些问题、怎么解决的。这份记录不需要很详细，三五句话就够。它的作用是让下一个月做同类商品时，你不用再重新踩一次同样的坑。

再补一个判断自己流程成熟度的信号：同一批商品做完之后，返工率有没有逐批下降。第一批返工多很正常，说明规则还没定完；如果第三批、第五批还是同样的返工量，那就是规则没有被沉淀下来——每一批都在重新摸索，而不是在已有的基础上往前走。这个信号比任何主观感受都可靠。

容易想错的地方

流程的边界：哪一段交出去，哪一段留下

把流程讲完，还要说清这条流程走到哪里为止。AI 不懂你的品牌调性，最终还得人来把关。流程能保证的是产出的结构和格式是稳定的，不能保证的是内容对不对——卖点该不该放、表述有没有合规风险、价格信息怎么露出，这些判断始终在人这一侧。

再往前推一步，这条边界还有一个更细的分法。流程管的是「有没有做到」，人管的是「做得对不对」。有没有做到，包括参考图传了几张、比例选没选对、导出的是哪个平台的尺寸、语言版本换没换——这些都是可以检查、可以写成清单的。做得对不对，包括这一屏的卖点在你的类目里成不成立、这句表述会不会引起误解、这个价格露出方式合不合规——这些都要靠对业务的了解来判断，写成通用清单反而是错的。

更具体一点，可以这样划分：可以被写成规则的交给流程，需要临场判断的留在人手里。参考结构、参数配置、平台尺寸、语言版本、批量修改，这些都可以标准化，适合交给流程；而调性、合规、定价、节奏这四项，每一件商品都可能不同，必须由熟悉生意的人决定。

这条分界线也不是写死的。你今天需要亲自判断的事情，等你做过一批之后，很可能已经能写成一条规则。所以流程是会变长的——不是因为你更依赖工具，而是因为你的判断被沉淀成了可复用的规则。这也是流程化这件事真正的价值所在。

最后重申信息边界：本文涉及青虎AI 的部分来自产品文档，写到的每个数字都有出处；涉及第三方工具的部分，本文不逐一罗列第三方工具的规格、界面细节与版本信息，具体以该工具官方页面为准。

四个场景：同一套流程怎么落到不同规模

常见问题：十二个疑问逐个答