一晚上、200张图、花了不到50块——我帮朋友的淘宝店做了件美工要3000的事

上周五晚上九点，我收到朋友小陈的微信：

"哥们救我，我淘宝店200个商品没主图，后天要参加平台活动，现在上架就被降权，找美工报价3000还要等两周，我TM完了。"

我盯着屏幕想了大概三秒钟。

本来想说"没办法"，但脑子里突然想起上周刚配好的Gemini Flash API环境——速度快、成本低、支持批处理，我一直想找个真实场景测试一下。

这不就来了。

"你把SKU信息发我，我试试。"

那晚十点开始，凌晨两点结束。200张白底主图，全部生成完毕，API费用：38块钱人民币。

这篇文章，把我当晚用的脚本、Prompt模板、踩的坑，全部公开。

---

为什么是Gemini Flash，不是别的工具

在开始讲流程之前，先说清楚工具选型的逻辑——这个判断框架本身就值钱。

面对"批量生成200张电商主图"这个需求，市面上的选项其实不少，但一个个排除下来，你会发现能用的其实很窄。

1. 速度：平均每张图生成时间约8-12秒，200张总耗时不到40分钟（加上脚本跑批的间隔控速）

2. 成本：按token计费，图像生成部分极其便宜，200张图实际消耗约38元

3. API友好：原生REST接口，Python调用三行代码搞定，支持并发，天生适合批处理

来一张对比表，一目了然：

⚠️ 关于国内访问：Gemini官方API在国内直连不稳定，我这次用的是 api.884819.xyz 的转发服务，填上去就能用，省去了大量网络折腾时间。注册之后直接把Key填进脚本就跑，我朋友完全不懂代码，照着步骤也跑通了。

---

完整实操流程：手把手拆解

Step 1：整理SKU信息表格

万事开头难，但这一步其实最简单——让朋友把产品信息整理成Excel，列名固定好，后面脚本直接读取。

表格结构如下：

关键原则：信息越结构化，后面Prompt拼接越准确。让朋友花半小时把表格填好，后面省的是三个小时。

Step 2：设计Prompt模板（核心中的核心）

这是整个工作流最值钱的部分。

让200张图风格统一，靠的不是运气，靠的是一个设计好的Prompt框架，把"固定变量"和"动态变量"分开。

【电商主图Prompt框架】

固定部分（所有SKU共用）：
"产品电商主图，纯白色背景(#FFFFFF)，
专业产品摄影风格，柔和均匀的自然光，
无阴影或极浅阴影，产品居中构图，
占画面70%面积，1:1正方形比例，
高清质感，适合淘宝主图规范，
画面中不要出现文字、水印、人物"

动态部分（每个SKU替换）：
"{产品名称}，{颜色}，{材质}，
{使用场景简述}，{特殊展示要求}"

拼接之后，一张完整的Prompt长这样：

北欧风竹制收纳盒，原木色，竹制材质，
适合桌面办公收纳，展示产品纹理细节，
产品电商主图，纯白色背景(#FFFFFF)，
专业产品摄影风格，柔和均匀的自然光，
无阴影或极浅阴影，产品居中构图，
占画面70%面积，1:1正方形比例，
高清质感，适合淘宝主图规范，
画面中不要出现文字、水印、人物

💡 关键技巧：把"禁止出现的元素"放在Prompt里，比事后PS修图省10倍时间。"不要出现文字、水印、人物"这几个词，救了我至少30张图。

Step 3：写批处理脚本

先看基础API调用，5行搞定：

import google.generativeai as genai

genai.configure(
api_key="YOUR_API_KEY",
client_options={"api_endpoint": "api.884819.xyz"}  # 国内转发地址
)
model = genai.GenerativeModel("gemini-2.0-flash-preview-image-generation")

然后是读取Excel、拼接Prompt的核心逻辑：

import pandas as pd

def build_prompt(row):
"""从SKU信息行构建完整Prompt"""
dynamic_part = (
f"{row['产品名称']}，{row['颜色/材质']}，"
f"{row['使用场景']}，{row['特殊要求'] if row['特殊要求'] != '无' else ''}"
)

fixed_part = """
产品电商主图，纯白色背景(#FFFFFF)，专业产品摄影风格，
柔和均匀的自然光，无阴影或极浅阴影，产品居中构图，
占画面70%面积，1:1正方形比例，高清质感，
适合淘宝主图规范，画面中不要出现文字、水印、人物
"""

return dynamic_part + "，" + fixed_part.strip()

读取SKU表格
df = pd.read_excel("sku_list.xlsx")

带重试机制的批处理主循环（这段代码救了我至少20张图）：

import time
import os
from PIL import Image
import io

def generate_with_retry(prompt, sku_id, max_retries=3):
"""带重试机制的图像生成函数"""
for attempt in range(max_retries):
try:
response = model.generate_content(
prompt,
generation_config={"response_modalities": ["IMAGE"]}
)
# 提取图像数据
for part in response.candidates[0].content.parts:
if part.inline_data:
img_data = part.inline_data.data
img = Image.open(io.BytesIO(img_data))
# 自动保存，文件名用SKU编号
output_path = f"output/{sku_id}.png"
img.save(output_path, "PNG")
print(f"✅ {sku_id} 生成成功")
return True
except Exception as e:
print(f"⚠️ {sku_id} 第{attempt+1}次失败: {e}")
time.sleep(5 * (attempt + 1))  # 指数退避

print(f"❌ {sku_id} 最终失败，跳过")
return False

主循环
os.makedirs("output", exist_ok=True)
success_count = 0

for _, row in df.iterrows():
prompt = build_prompt(row)
result = generate_with_retry(prompt, row['SKU编号'])
if result:
success_count += 1
time.sleep(2)  # 控速，避免触发API限流

print(f"\n完成！成功生成 {success_count}/{len(df)} 张图")

Step 4：质检筛选

脚本跑完之后，不是所有图都能直接用。我的质检标准很简单：

• 背景是否纯白（目测 + 可以用Python检测四角像素值）
• 产品是否居中、是否被裁切
• 有没有莫名其妙的多余元素

200张图里，最终有23张被我标记为"需重新生成"，主要集中在几个类别——下一章会细说。

---

踩坑实录：那晚让我骂了几次娘的问题

坑1：白底图出现灰色渐变

坑2：某些品类Prompt完全失效

📌 经验教训：Prompt里的"场景词"和"背景要求"会互相打架。电商白底图，就老老实实只描述产品外观，别加场景。

坑3：API限速

坑4：图片比例问题

淘宝主图要求800×800像素，Gemini生成的图默认分辨率不固定。

img = img.resize((800, 800), Image.LANCZOS)
img.save(output_path, "PNG")

---

结果复盘：数字说话

上架三天后，小陈发来消息：

"哥，点击率从0.8%涨到了2.3%，有几个爆款收藏量翻了三倍，我请你吃饭。"

我让他把省下来的钱拿去投直通车。

---

但我想说的不只是这些数字。

那晚盯着终端一张一张图生成出来，我突然想到——这200个SKU里，有小陈卖了两年的产品，有他老婆亲手做的包装设计，有他在义乌进货时挑了半天的款式。

AI做的是图，但图背后的故事，还是人的。

AI不是要替代设计师。它是让没有设计师预算的小商家，也能有一张像样的主图，在算法面前不输在起跑线上。

这件事，我觉得挺有意义的。

---

文章里的完整代码，按照上面的结构自己拼就能跑。API接入用的是 api.884819.xyz，注册之后把Key填进 api_key 那行，直接开跑。

---

💬 评论区有朋友问：

"如果产品需要真实模特展示，AI能做到吗？"

这个问题问到点子上了。

下一篇我准备写：用Gemini的图像理解能力，把买家秀"升级"成专业棚拍效果——同样是批量处理，同样是一晚上，但这次的技术难度高了一个等级，涉及到图生图、风格迁移、人物姿态控制。

👉 关注8848AI，下周五见。

---

#AI工具 #Gemini #电商运营 #淘宝主图 #AI生图 #批量处理 #8848AI #Python自动化