电商主图ai提示词是什么？AI能力范围与边界先讲清

搜这几个字的人，多半不是第一次接触出图这件事。真正让人停下来的，是同一个词被用在了好几个地方：有时候它指那段写在输入框里、描述画面长什么样的文字；有时候它指一套能反复套用的写法；还有人把它当成一个能点开的东西，以为里面存着一批现成句子。三个意思叠在一个词上，问出来的问题自然答不准。

先把这个词的范围收一收。它描述的是「用文字去指挥出图」这个做法，不是一个装着句子的仓库。真要去文档里找可核对的部分，能对上的位置只有三处：一处管「这句话从哪儿来」，一处管「一句话怎么驱动一批活」，还有一处是平台输入框边上的一个按钮。三处合起来，才是这个词在图片线里能落到的地面。

还有一层前提得放在前面：这类能力交到手上的，是图片素材与初稿；哪一张能用、哪一句能说、要不要发出去，这几件事始终留在人这一侧。认下这一层，后面读「提示词能写到什么程度」时，就不会拿它当答案，而是把它当起点。

主图这条线上的提示词，先拆成三个问题

把这个词拆开看，它其实压着三个不一样的问题：这句话谁来说、这句话要说到多细、这句话在哪儿被用掉。三个问题对应的位置不同，能核对的口径也不同。混在一起问「提示词怎么写」，等于同时问了三件事，得到的答案一定有一半用不上。

拆开还有一个好处：能看清哪些部分是「可选」，哪些部分是「必须」。来源那一段，文档给了三条路，你可以挑；精度那一段，取决于你这次要做的是单张还是一批；落点那一段，属于平台侧的东西，可查的部分有限，也最容易被想象补满。分清可选与必须，才知道该在哪儿花力气。

拆出来的问题	它管的是哪一段	可查的落点在哪
这句话谁来说	文字内容从哪儿来，谁为准确性负责	图片线上的三种文案模式
这句话说到多细	描述覆盖到哪一层画面信息	视觉维度里的文案排版与字体样式等层
这句话在哪儿用掉	一次驱动一张，还是一次驱动一批	批量改图那一处的「一句提示词」
这句话在平台侧放在哪	属于平台工具侧的承接位置	输入框旁的三个辅助按钮之一

这张表建议一行一行对自己问：这一行我有没有明确答案。答不上来的那一行，就是眼下最该补的一段；其余行的努力，往往只是在给这一段做装饰。很多人的力气都花在了「怎么写得更漂亮」，而缺的其实是第一行——这句话根本不该由自己从零写起。

这一节讲的是通用的拆题方法，不针对任何一家。拆法本身能平移：换成别的图片类能力，三个问题依然是这三个。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。

第一个问题：这句话从哪儿来，三种文案模式怎么分

这是三个问题里最贴近实际的一处，因为它直接回答了「我到底要不要自己写」。图片线上给出的答案是三条路，而不是一条：一条是把参考图片里的文字提取出来沿用，一条是让系统按商品信息重新生成，一条是自己写好之后贴进去放进去。三条路都在同一处可选，属于同一层的三个选项。

三条路真正的分野不在哪条更省事，而在文字出偏差时该由谁来兜。沿用参考里的文字，省的是重写的力气，但你要确认那段文字本身跟你这件商品对得上；让系统按商品信息生成，省的是从零起笔的力气，但它给的是一份草稿，措辞是否符合你的说法仍要你点头；自己写好贴进去，费力最多，逐字可控的程度也最高。

什么情况下必须走第三条路？涉及功效说明、资质表述、价格标识这类内容时，逐字可控往往是唯一稳妥的选择。一个字的偏差就可能带来后续麻烦，这种地方不适合交给任何自动环节。反过来说，如果这批文字只是画面上的装饰性短句、不承担承诺，那么前两条路就够用。

顺带说清一处容易被混起来的细节：文案模式管的是「画面上的字从哪儿来」，与那段描述画面的提示词不是同一件事。前者决定画面上出现什么字，后者决定画面本身长什么样。两者常常被同时用到，但改的层不同，出问题时排查的方向也不同——字不对，查文案模式；画面不对，查描述。

还有一条实操上的提醒：这三条路不是逐级递进的关系，不存在「先简单后复杂」的先后。它们对应的是三种不同的责任分配，选哪一条取决于这张图上的字重不重要。同一批商品里，几张走第一条、几张走第三条，是非常正常的组合。

第二个问题：一句提示词怎么驱动一批改图

这个问题的关键词是「一批」。青虎AI 在批量改图这一处的做法是：一次上传最多 10 张参考图，配上一句提示词，同步把这一批图都改掉。一句对一批，这是它与单张出图最根本的区别——它省的不是「写句子的力气」，而是「重复操作同一件事的力气」。

一句提示词能指挥的活有五类，方向各不相同：批量翻译（把图内文字换成目标语言）、批量白底图、批量换背景与场景、批量改光影与色调、批量去水印去杂物与换色换款。五类活可以分别发起，也可以在同一轮里对同一批图依次做。它们共用的是同一份输入素材，各自输出一批新的图。

这一批要做什么	提示词大概要写到哪一层	要不要盯紧结果
批量翻译图内文字	说明目标语言，不必描述画面	要，涉及文字内容必须逐张复核
批量做白底图	说明要求保留的部分	要，重点看边缘与投影是否干净
批量换背景与场景	描述新场景的基调与氛围	要，看场景与商品是否协调
批量改光影与色调	描述光的方向与整体冷暖倾向	要，看整批是否统一
批量去水印去杂物	指出要去掉的是哪一类东西	要，看被盖住的部分补得自不自然

这张表右列全是「要」，原因很直接：改图这一类活，输出的是新的图片素材，而图片是否可用从来是看图定的，不是看指令定的。批量省下的是操作次数，省不掉逐个确认这一步。哪一批的检查都能过，哪一批才真的省下了时间。

几条写在实际操作里的口径值得一并记住。青虎AI 这条能力默认走智慧模式；单次上限就是 10 张，图多的时候分批跑，而不是硬塞；提示词建议用中文；遇到图内文字比较复杂的情况，需要二次确认；改图产出的是一张新图，不会覆盖原图。这几条里最容易被忽略的是最后一条——它意味着原始素材始终在你手上，试错成本比想象中低。

分批这件事也值得提前想一下。一次最多 10 张，如果你手上是三十张图，正确的做法是按某个共同特征切成三批——按同类目切、按同风格切都可以，关键是让每批内部足够接近，这样同一句提示词在批内才成立。切成三批比塞满更省时间，因为批内一致意味着你只需要检查一次标准。

第三个问题：平台输入框里那个按钮，可查的部分有多少

这个问题需要格外小心，因为它最容易被人用想象补满。在平台工具那一侧的输入框旁边，确实列着三个辅助按钮，其中一个就带着这个词的名字。但文档给出的信息就到这里为止——它只说明了按钮处在哪一排、属于哪一类，并没有展开里面存着什么、按什么分类、有多少条。

所以关于这一处，能写的只有可核对的边界：它是输入框旁三个辅助按钮中的一个，与上传、工具并列。至于点开之后是什么样子，属于平台侧会变动的那一层信息，本文不去推测，也不替它填空。凡是把这处写得像一份现成清单的说明，都是把没看到的细节当成事实写了进去。

为什么这里要这么克制？因为想象补出来的细节读起来最顺，害处也最大。一份「里面存了多少条、分了几类」的描述，会让你把它当成一个可以依赖的固定仓库；等真实情况不同，你的整套做法都要跟着调整。与其给一份会过期的描述，不如给一句能长期成立的判断：这一处的价值在于把常用表述收在一处随手可调，它顶替不了你对自家商品的判断。

与此配套的判断方法是：先想清楚你需要它是「随手能调出常用表述」，还是「替你决定该怎么描述」。前者属于工具该干的事，后者属于你自己该干的事。把这两者分清，就不会因为它没有给出一份现成清单而失望——那不是它的缺口，是期待放错了位置。

这一处还有一层容易被忽略的定位：它出现在平台工具的输入框旁，与图像生成那条线不在同一个位置上。前两处（来源与批量）属于出图动作内部的选择，这一处属于提问环节的辅助。分清这个位置差别，你才知道什么时候该用它、什么时候该回到出图那一步去调描述——输入框旁的按钮帮着把话说出口，出图那一步的选项才决定画面上落什么。

提示词要覆盖到哪一层：视觉维度里的文字与字体那两层

回到「说到多细」这个问题。青虎AI 的图片线上有一处专门拆解参考图的工作方式，它按维度把画面特征分开来看：光从哪儿来、画面怎么摆、色调偏哪边、有哪些装饰元素、图文怎么排、字用什么样式、贴纸放在哪等等，一共是 8 大视觉维度。它同时还会分析画面的主次关系、卖点的表达逻辑以及看的人视线怎么走。

这 8 层为什么值得拿出来讲？因为它正好回答了「一句描述该覆盖到哪儿」。如果你只写了一句关于氛围的话，那 8 层里大概只碰到了色调这一层，剩下的七层全靠对方猜。反过来，如果你把光影、构图、字体、排版几层各写一句，出来的画面才会跟你想的靠近。提示词的精度，说穿了就是「你替对方回答了几层」。

其中「文案排版」和「字体样式」这两层要单独拎出来说。它们比其它层更常被漏掉，因为它们看起来属于「字」的范畴，容易被当成文案模式那一段的事。其实不是——字号多大、字压在哪一块区域、字重的轻重，这些直接决定了画面的视觉重心落在哪。一段描述里如果完全没提这两层，画面上的字就会按默认方式摆，最后你可能会觉得「哪里怪怪的」，却说不出怪在哪。

还有一层更靠上的东西值得一并想清楚：主次关系与视线引导。同一张主图，把重心放在商品上还是放在文案上，看的人第一眼注意到的完全不同。这两件事很难事后补，因为它们决定的是整个画面的组织方式，而不是某个元素的样式。

这里也顺带交代一句输入侧的条件，免得把不同处的口径混起来：图片线这类复刻能力的输入上限是参考图单次最多 10 张、产品图最多 3 张；可选比例包括 1:1、2:3、3:4、16:9；默认走智慧模式；文案支持简中、英、日、韩等多语言。这些是核对用的坐标，不是每次都要给满的配额。

把三个答案串成四个动作

三个问题各自有了答案，剩下的就是把它连成一条能反复走的做法。四个动作按顺序走完，一轮就算跑通。

四个动作里最容易被压掉的是动作二。很多人急着跑第一轮，手上有什么图就扔进去，跑完发现结果参差不齐，再回头整理素材——等于把整理这道工序推到了更贵的位置。切批这件事花的时间，通常比收拾一批杂结果少得多。

一批跑完之后，哪些写法能留成自己的

跑顺之后真正的分水岭，在于你有没有留下能复用的东西。留下的东西有三样：这一批用过的描述、这一批定下的判断标准、以及这一批选用的效果样张。三样里最容易被丢掉的是第二样，因为它看不见也摸不着，只存在于当下的判断里。

把判断标准写下来其实不难，难的是写对粒度。写得太粗（「要干净」）没有复用价值，写得太细（「背景换成浅灰、光从左上四十五度」）只对这一件商品有效。合适的粒度是「可迁移的那一层」：比如这一类商品统一走浅底、这一类卖点统一压在下三分之一。这种句子换件商品依然成立，正是它能被留下来反复用的原因。

平台工具那一侧还提供了一处归档位置的参考：把跑出来的结论与资料沉到商品库里之后，不必重复查询同样的数据。这条口径的前提很关键——是「归档之后」才不用重查。换句话说，留存这件事的收益不是自动发生的，它建立在你确实把东西放回去的前提上。

顺带说一处跨线的对照，当作补充而不是主体：视频那一侧也有把粗略描述优化成更精准指令的做法，思路和这里相通——都是把模糊的意图先翻译成能执行的表述，再交给后面的环节。两边的差异在于载体不同，一边是画面，一边是片子。把这层对照记在心里，遇到描述写不清的时候，你会更容易想到「先把意图说准，再谈效果」这条通用做法。

三种处境下，先补的是哪一段

同一套做法，落在不同的经营位置上，最该先做实的段落完全不同。下面三类处境覆盖了常见的情况，各自的主要矛盾也不一样。

三类处境看下来会发现，做法相同，入场位置不同。判断自己该从哪一段切入，靠的不是把所有能力都试一遍，而是先回答一句：我眼下最贵的是哪一段。

还有一个跨处境的提醒：这三类人最容易犯的错其实是同一种——把「我不够快」和「我的做法没沉淀」混为一谈。前者是数量问题，加时间能缓解；后者是结构问题，花多少时间都在原地打转。同一件事若每次都要从头想一遍，那它就不是手速不够，而是写法没有留下来。想清楚这一点，才知道力气该往哪投。

四个容易想歪的地方

四个说法共用同一个错觉：把这个词当成一个「拿到手就能用」的东西，而它其实是一套需要在几个点上做判断的做法。把判断做在动手前，后面的操作才顺。

再往深一层看，这四个说法之所以反复出现，是因为它们都能立刻省掉一部分思考。问「有没有现成清单」，比问「我这批图的来源该怎么定」要省力；把描述写长，比逐层核对要省力。省力本身没有错，错的是把省力当成了目标。工具的作用是让你最贵的那一段有帮手，不是让你在该判断的地方停止思考。

边界：初稿交出去，定稿收回来

三个问题答完，还要把界线划清。能外放的是素材整理、描述执行、初稿产出、结果留存这四件；不能外放的是品牌基调怎么定、合规口径怎么核、最终效果怎么挑、发布节奏怎么排。线画在哪里，不看功能多少，只看这件事有没有标准答案：答案唯一的外放，答案各说各话的留在手上。

落到这条线上，具体是这样：描述写到几层、哪一条来源更合适、哪一张该用出去，这三件事属于判断；把描述里的要求落成图、把一批图同步处理完、把结果按规格输出，这三件事属于执行。判断在前，执行在后。顺序颠倒之后，执行会先跑起来，但跑得再顺也只是没有方向的顺，返工时推翻的不是某一步，而是整条线的落点。

青虎AI 这条线上，几处落点的口径都写着出处，能逐条拿去核的部分不少，但它交到手上的始终是图片素材与初稿那一层。AI 不懂你的品牌调性，最终还得人来把关。它不是一句推脱，只是把两段活分开摊平，谁做哪一段一目了然。

还有一条关于信息本身的边界：这类做法在不同工具里的呈现方式各不相同，本文只写图片这一类能力的通用范围与可核对口径，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。带着上面三个问题去官方页面逐条比对，得到的才是能拿来做决定的当期信息。

常见问题：十三个疑问逐个答