开发者开源了一套电商图像生成Agent Skills项目，采用MIT协议，包含12个覆盖电商出图全流程的技能模块，可直接在Claude Code、Codex、Cursor等AI编程工具中使用。这12个技能涵盖白底主图、场景图、模特上身图、卖点信息图、A+模块、尺寸图、多角度套图、大促Banner、批量换背景与SKU换色、小红书封面、淘宝750详情长图，以及一键规划整套图片的全套编排。与单纯的提示词合集不同，该项目首先锁定产品的形状、颜色、Logo和文字信息，并将其注入每条提示词，避免生成图像逐渐失真；同时内置各电商平台规则，例如亚马逊主图要求纯白背景（#FFFFFF）且主体占比不低于85%，并附带检查与自动修复脚本。项目默认使用GPT Image 2.5 Flare模型生成图像，需要保留文字或进行局部修改时切换至Sunburst模型。出图方式提供三种选择：使用Agent自带的生图工具、配置OpenAI兼容的API密钥，或直接输出提示词加在线工具链接。安装方式为将skills文件夹复制到对应工具的配置目录，或通过npx skills add命令一键安装。项目方展示了同一张手机随手拍照片生成的白底图、场景图和信息图效果，目前刚发布，欢迎社区提交issue和Star支持。
事件分析
该项目的核心价值在于将电商出图的领域知识工程化为可复用的Skill模块：产品特征锁定机制针对AI生图’越画越不像’的一致性痛点，平台规则内嵌与自动修复脚本则把合规校验前置到生成环节，形成’生成-检查-修复’的闭环。这反映出Agent Skills生态正从通用编程辅助向垂直行业纵深演进，Claude Code、Cursor等工具的技能目录正在成为AI应用分发的新入口，降低了非专业开发者使用生图模型的门槛。后续值得关注的方向包括：Skill格式能否形成跨工具的事实标准、电商平台对AI生成图片的审核政策变化，以及类似垂直技能包在法律、医疗等专业领域的复制模式。
核心观点：AI生图的竞争正从模型能力转向行业知识封装，谁能把垂直场景经验沉淀为可复用Skill，谁就掌握落地主动权。
原文链接：V2EX 分享发现
