AI工作流实战：GPT图片生成+无限画布+Gemini打造高效电商详情页

做电商详情页，很多人还在走一条非常熟悉的流程：打开电脑看竞品，截图存一份；打开设计软件临摹版式，调半天文案；再打开素材网站，下几张图还得担心授权和分辨率。一套详情页做下来，少则一天，多则三五天，等真正上线，流量红利已经过去了。

这个问题的本质，不是设计师不够努力，而是详情页的生产效率跟不上平台流量的变化。电商运营真正需要的，不是一张多惊艳的视觉大片，而是一套能快速复用、按商品批量复制、还能控制成本的生产流程。

所以这篇文章想认真聊一套可以落地的组合方案：用 GPT 的图片生成能力（网上常说的 GPT image2）生成商品视觉，用对话式的无限画布扩展尺寸，再用 Gemini 做爆款文案的结构化分析，最后通过简单脚本完成批量归档。

如果你正在做电商运营、跨境电商、自媒体带货，或者刚接手一个需要快速产出商品素材的店铺，这篇文章可以帮你省掉大量摸索时间。文章会讲清楚每一步的原理、可复制的提示词模板、批量操作的思路，以及最容易被忽视的坑。

1. 这套工作流真正解决了什么问题

先给一个明确判断：这套 AI 工作流不是用来替代资深设计师的，它解决的是电商卖家“从 0 到 60 分”的素材生产效率。

传统详情页生产链路里，有四个环节最容易拖慢速度。第一是文案策划，要研究竞品、提炼卖点、组织逻辑，这个环节对非专业运营来说门槛很高；第二是视觉生成，要么找外包等排期，要么自己学设计软件，时间成本都很高；第三是尺寸适配，淘宝主图、京东长图、小红书笔记图、跨境平台方图，不同平台对尺寸比例的要求完全不同，设计师改一轮就是大半天；第四是版权风险，从素材站下载的图片不一定允许商用，一旦用在付费推广素材里，后续可能面临投诉。

这套新工作流的价值，恰好落在这四个环节上。

Gemini 解决的是“想清楚”的问题。它能把一份竞品详情页拆成卖点结构、视觉节奏、文案句式，让你不用凭感觉猜，而是有依据地搭自己的文案骨架。

GPT 的图片生成解决的是“画出来”的问题。你不需要会 PS，只要能把需求写成一句清晰的描述，就能得到一张主体明确、风格统一的商品图。

无限画布解决的是“凑尺寸”的问题。在生成图的基础上继续对话、向外扩展画布，可以在不重画的情况下得到不同比例的版本。

我遇到不少卖家，买了一堆 AI 工具会员，最后还是回去手动抠图，原因是没人把整个流程串起来讲清楚。这篇文章的价值，就是把“分析文案—生成图片—扩展画布—批量归档”串成一条完整流水线。

什么人适合这套流程？中小电商运营、独立站卖家、跨境卖家、设计基础薄弱但需要自主产出素材的运营。什么人不太适合？需要高度品牌化视觉、精细排版和复杂合成的品牌团队，AI 生成图在这些场景下还需要大量人工二次加工，暂时替代不了专业设计。

2. 核心概念：GPT image2、无限画布与 Gemini 的角色分工

2.1 先理解 GPT 图片生成能力

先说“GPT image2”这个叫法。它其实指的是 ChatGPT 内置的图片生成能力，用户圈里习惯这样称呼。它的核心特点不是单纯“输入提示词出图”，而是“可以在已有图片的基础上继续对话、继续修改、继续扩展”。

这个能力对电商非常友好。过去用传统 AI 绘画工具，生成一张图不满意，就只能改提示词重新生成，运气成分很大。而 GPT 图片生成允许你上传一张商品白底图，或者先生成一张主体图，然后围绕这张图不断追加指令，直到画面符合需求。这意味着你可以先锁定“产品长什么样”，再去调整场景、背景和构图。

2.2 无限画布到底是什么

“无限画布”不是一个独立软件，而是基于多轮对话的连续扩展机制。

举个例子：GPT 先生成了一张杯子摆在桌面上的图，你觉得构图不错，但详情页上方需要一段标题区。此时不需要重画，只需要输入：“保持画面中所有元素不变，在图片上方扩展出一块区域，留白作为标题区。”模型会在原图基础上向上扩展，而不是重新生成整张图。

因为对话可以一直延续，你可以不断地让它向左、向右、向上、向下扩展，所以画面理论上可以无限延伸。这正是电商详情页需要的：一个商品可以生出 1:1 主图、3:4 竖图、16:9 横图等多个版本，主体保持一致，只是画布范围不同。

从实操来看，比较稳的扩展方向是“右侧留白”和“上方标题区”，这两个方向最符合详情页的阅读顺序。

2.3 Gemini 在流程里负责什么

Gemini 是谷歌推出的 AI 助手，具备多模态能力，可以读取图片、PDF 和网页内容。在这套流程里，它承担的是“分析层”工作。

你不需要 Gemini 帮你想一句多牛的广告语，而是让它把竞品的详情页拆成可复用的结构：卖点是按什么顺序排的？第一屏用什么吸引注意力？每个模块的文案句式是什么？这些信息经过结构化整理后，你就能知道一个“爆款详情页”到底长什么样，然后把同样的写法迁移到自己的商品上。

所以这套组合拳的分工非常清晰：

2.4 提示词不是咒语，而是需求文档

很多新手用 AI 生成图容易翻车，是因为把提示词当成“魔法咒语”，以为说得越短越酷越好。实际情况恰恰相反，AI 需要的是结构化的描述。

一个高成功率的商品图提示词，至少应该包含五个要素：产品外观、动作与场景、风格与光线、构图位置、输出比例。后面我会给出可以直接套用的模板。

3. 环境准备与账号前提

这套流程不需要安装复杂软件，基本操作都在浏览器里完成，但有几个前置条件需要先确认。

3.1 账号准备

你需要一个可以正常使用图片生成能力的 ChatGPT 账号。要注意的是，图片生成通常需要订阅会员才能稳定使用，免费账号的调用次数和功能会受限，具体以 OpenAI 官方订阅页为准。另外，Gemini 也有自己独立账号体系，免费版已经可以完成大部分文案分析，部分高级分析能力需要付费方案，具体以谷歌官方说明为准。

3.2 网络与服务覆盖范围

这里必须提醒一个客观事实：无论是 OpenAI 还是谷歌，官方服务的可用地区都在动态变化。如果你的网络环境不在官方覆盖范围内，页面会出现类似“当前地区不可用”的提示。这种情况下的合规解法是：以官方最新支持的地区列表为准，只在官方允许的范围内使用服务。

这篇文章不讨论、也不建议使用任何非官方的访问方式。一方面账号安全风险很大，另一方面生成内容不稳定，并不适合作为电商生产流程的依赖。

3.3 准备商品素材包

正式开始批量制作前，建议先把素材准备好，而不是边做边找。一个最小可用的商品素材包包含三类内容：

• 商品基础资料：商品名、核心卖点、规格、价格、目标人群；
• 商品图片：至少一张白底图或者尽可能清晰的实物图，用于给 AI 做参考；
• 竞品参考资料：3 到 5 份同品类竞品的详情页截图或 PDF。

特别是竞品截图这一项，很多人嫌麻烦跳过。但后面 Gemini 的分析质量，很大程度上取决于你给它喂了多少有效样本。建议直接整页长截图，而不是截一小块。

4. 第一步：用 Gemini 拆解爆款文案

有人可能会问：为什么不是先生成图，再写文案？因为详情页的视觉是为文案服务的。如果不知道自己要传达什么卖点，生成的图再好看，放上文案后也会显得割裂。先想清楚“说什么”，再决定“怎么画”，效率反而更高。

4.1 把竞品资料整理清楚

在给 Gemini 发送分析请求之前，建议先做两件事。第一，把竞品详情页按模块切成长图，每一个模块代表一个卖点段落；第二，给每个模块简单标注一句话，比如“第一屏是品牌故事”“第三屏是材质展示”。这些标注会成为 Gemini 理解结构的重要线索。

4.2 一个可直接复制的 Gemini 分析提示词

把下面的提示词和竞品资料一起粘贴给 Gemini。这个模板我建议先原样跑一遍，再根据自己的品类调整。

你是一名资深电商详情页策划。我会给你上传某竞品的详情页截图或文案，请你： 1. 用表格拆解它的卖点结构，按“表层卖点、深层利益、情感诉求”三类归纳。 2. 总结它的第一屏视觉逻辑：先展示什么、为什么这样展示。 3. 提炼它的文案句式，给出 3 个可直接借鉴的句式模板。 4. 找出它的弱点：哪些卖点讲得不够透、哪些场景缺失。 5. 基于以上分析，为我这款商品输出一份详情页文案大纲，包括：主标题、副标题、5 个功能模块的小标题和正文。 注意：只做结构和写法分析，不要直接复制竞品原文，避免侵权。

这里的关键在于第 5 点：Gemini 分析完竞品之后，会直接输出你这款商品的文案大纲，等于把“分析”和“生成”一步打通了。如果它对商品一无所知，会在输出大纲前向你追问商品信息，这时把商品基础资料发过去即可。

4.3 如何判断分析结果的质量

Gemini 的输出质量可以从三个维度判断：

• 卖点分类是否清楚。如果输出的三类卖点之间区分模糊，说明分析深度不够，可能需要重新整理竞品材料；
• 句式模板是否可迁移。好的模板应该是“适用任何同类商品”的空格式句子，而不是把竞品原句改几个词；
• 文案大纲是否有逻辑递进。正常的详情页顺序应该是“引起注意—利益展示—信任背书—行动号召”，如果大纲顺序混乱，可以在提示词里补充一句“请按照 AIDA 模型组织大纲”。

5. 第二步：用 GPT 图片生成详情页视觉素材

文案大纲出来后，就到了视觉生成环节。先明确一个原则：不要一上来就生成一张信息量极多的整页详情图，而是要按模块生成素材图，最后在排版工具里组合。

这样做有两个好处。一是单张图的生成成功率更高，画面元素越少，AI 越不容易出错；二是模块化素材可以在不同商品间复用，比如同一套背景图，换个产品就是新的一套。

5.1 白底产品图提示词模板

白底图是所有电商素材的起点，它的要求是主体清晰、背景干净、没有多余元素。

产品：白色陶瓷保温杯，杯身印有简约英文“STAY WARM” 动作与场景：产品垂直居中摆放，纯白背景，底部有轻微阴影 风格：电商商品白底图像，干净，商业摄影质感 构图：产品占画面 60% 以上，四周留白 比例：1024 x 1024 其他要求：杯身不能变形，印字清晰

生成之后，如果杯子形态、颜色和实物有细微出入，可以直接在对话框里追加指令修正，不需要重新生成。

5.2 场景图提示词模板

场景图的作用是给用户“使用想象”，适合放在详情页的利益展示区。它比白底图多的是环境氛围，所以提示词的重点要放在场景描述和光线风格上。

产品：白色陶瓷保温杯，杯身印有简约英文“STAY WARM” 动作与场景：杯子放在原木色办公桌上，旁边有一本书和一副眼镜，窗外有午后阳光 风格：干净的电商生活方式摄影，浅色调，柔和自然光 构图：杯子位于画面右下三分之一，左侧留出空白区域给后续排版 比例：3:4 其他要求：杯子外观必须和参考图保持一致，不要改变杯型和印字

注意画面中的书籍、眼镜这类道具数量不宜太多。道具多了，AI 会花更多算力在道具上，产品的表现力反而会被削弱。

5.3 带文案的主视觉提示词模板

标题区的主视觉会包含一句核心文案。这里有个现实问题：AI 生成中文文字经常出现错字、漏笔画，而且图片里的文字不可编辑，一旦出错只能重画或者后期修图。

所以更推荐的做法是：在 GPT 里只生成画面背景，把主标题留作空白区域，之后用设计软件统一加文字。这样提示词的重点是构图和氛围，而不是让 AI 写文字。

产品：白色陶瓷保温杯 动作与场景：杯子放在浅灰色背景上，旁边散落几片茶叶，有轻微水蒸汽 风格：简洁高端，留白充足 构图：画面下方三分之一是产品区域，上方三分之二为纯色留白，用于后续添加标题文字 比例：16:9 其他要求：不要生成任何文字，不要出现水印

这个思路用到的是“留白构图”，相当于让 AI 帮你排好版式，把文字位置空出来。实际项目中，我用这个思路生成的背景图，配合后期加字，比让 AI 直接写字稳定得多。

5.4 生成后的筛选标准

一张合格的 AI 商品图，至少要满足三个条件：

• 产品主体没有结构性错误，比如杯柄断裂、拉链错位、文字扭曲；
• 光源方向一致，多张图放在同一个详情页里不会显得跳跃；
• 构图留有可用空间，产品周围没有杂物和视线干扰。

6. 第三步：利用“无限画布”扩展尺寸与批量补图

这个环节是“GPT image2 + 无限画布”这套组合里最有价值的部分，也最值得展开讲。

6.1 为什么需要扩展画布

电商平台对图片尺寸的要求越来越细。淘宝主图通常是 800×800 或 1:1，小红书笔记封面是 3:4，详情页长图则是宽度固定、高度不限。如果每换一个平台就重新生成一次图片，成本和不确定性都会很高。

无限画布的思路是：先生成一张主体清晰的标准图，然后通过扩展指令，在不改变主体的情况下，把画面延伸到需要的比例。用一个商品素材覆盖多平台需求。

6.2 扩展画布的三种常用指令

第一种，右侧留白。适合给详情页增加文字排版区：

请保持画面中所有元素不变，将整个画布向右扩展 300 像素，扩展区域为纯白背景，不要添加任何新元素。右侧区域用于后续排版使用。

第二种，上方增加标题区：

请在图片上方扩展出占画面 1/4 高度的区域，保持原有内容不变，新区域使用与背景一致的浅灰色，不要加入任何文字。

第三种，扩大场景范围：

请保持产品外观不变，将镜头拉远，展示更大的桌面场景，桌面上可以自然增加一本翻开的笔记本，其他元素保持原有的光影风格。

实际操作中，我建议每扩展一次就做一次质量检查。因为 AI 在扩展时偶尔会重新绘制局部内容，如果发现产品细节和原图不一致，可以直接说“左侧 1/3 的桌子纹理请恢复成上一版的样子”，让它在后续轮次修正。

6.3 无限扩展的批量执行逻辑

所谓批量，不是一次性丢 100 个商品让 AI 同时工作，而是建立统一的提示词模板，逐个商品跑同一套流程，保证产出风格一致。

具体来说，给每个商品准备一个“视觉需求卡”，包含四组信息：

• 商品名称与外观细节；
• 核心卖点对应的画面元素；
• 需要的尺寸列表，比如 1:1、3:4、16:9；
• 参考风格关键词。

例如：

项目名称：保温杯详情页 SKU：cup_001 外观：白色陶瓷，杯身英文“STAY WARM” 卖点画面：保温场景、桌面办公场景、便携外带场景 尺寸：1:1 主图、3:4 竖图、16:9 横图 风格：干净、浅色、柔和自然光

有了这张卡之后，每个商品生成的图都会有相同的“基因”，批量完成后再统一筛选，效率会高很多。

6.4 一个容易被忽视的细节：记录每次扩展的指令

如果同时管理多个商品，很可能出现“这张图是怎么扩展出来的”这种混乱。建议在素材库里给每张图记录完整的操作指令，至少包括：原始提示词、扩展次数、每次扩展的方向、最终尺寸。这样一张图出了问题，你可以快速回溯是哪一步导致的。这也正好是下一章脚本要解决的事情。

7. 用脚本做批量归档与管理

AI 生成素材的速度很快，但如果几十张图堆在一个文件夹里，没有命名规范、没有 SKU 关联，几天后就会变成灾难。所以这个环节不依赖 AI，而是靠一套简单脚本把素材资产沉淀下来。

7.1 归档目录结构设计

建议按 SKU 作为一级目录，图片类型作为二级目录。推荐结构：

assets/ ├── cup_001/ │ ├── hero/ │ ├── detail/ │ └── expand/ ├── cup_002/ │ ├── hero/ │ └── detail/ └── asset_manifest.csv

7.2 批量归档脚本

下面是一个简单的 Python 脚本，功能是把临时下载目录里的 AI 素材按 SKU 自动分类归档，并生成素材清单 CSV。文件名需要按约定命名，例如：

cup_001_hero_1024x1024.png cup_001_expand_right.png cup_002_detail_3x4.jpg

脚本会解析文件名中的 SKU，完成归档。

""" 文件路径：archive_images.py 功能：将下载/生成的 AI 图片按 SKU 自动归档，并生成素材清单 CSV 使用方式：python archive_images.py --src ./downloads --dst ./assets """ import argparse import csv import shutil from pathlib import Path def main(): parser = argparse.ArgumentParser(description="归档 AI 生成的电商素材") parser.add_argument("--src", required=True, help="图片所在的临时目录") parser.add_argument("--dst", required=True, help="归档后的素材目录") args = parser.parse_args() src_dir = Path(args.src) dst_dir = Path(args.dst) dst_dir.mkdir(parents=True, exist_ok=True) rows = [] for img in src_dir.rglob("*"): if img.suffix.lower() not in {".png", ".jpg", ".jpeg", ".webp"}: continue # 约定文件名格式：SKU_用途_尺寸.png parts = img.stem.split("_") sku = parts[0] + "_" + parts[1] if len(parts) >= 2 else "unknown" sku_dir = dst_dir / sku sku_dir.mkdir(exist_ok=True) target = sku_dir / img.name shutil.copy2(img, target) rows.append([sku, img.name, str(target), img.stat().st_size // 1024]) csv_path = dst_dir / "asset_manifest.csv" with open(csv_path, "w", newline="", encoding="utf-8-sig") as f: writer = csv.writer(f) writer.writerow(["SKU", "文件名", "归档路径", "大小(KB)"]) writer.writerows(rows) print(f"共归档 {len(rows)} 张图片，清单已写入 {csv_path}") if __name__ == "__main__": main()

使用方法：

python archive_images.py --src ./downloads --dst ./assets

这里的核心思想是：AI 负责生产内容，脚本负责管理内容。脚本本身不复杂，但它能把“用 AI 批量生图”这件事从一次性动作变成可持续流程。

7.3 用 JSON 维护商品视觉需求卡

进一步规范化，可以把每个商品的视觉需求做成 JSON 配置，方便后续批量调用和团队共享。

{ "project": "详情页批量制作", "sku": "cup_001", "product_name": "白色陶瓷保温杯", "core_selling_points": ["12小时保温", "316不锈钢内胆", "单手开盖"], "target_user": "办公室白领、学生", "image_styles": ["CleanTabletop", "SoftSunlight"], "canvas_expand_directions": ["right", "top"] }

这个 JSON 不直接喂给 AI，而是作为团队内部的需求文档来用。每个人拿到的商品信息一致，生成的提示词就不会跑偏。

8. 运行结果与效果验证

整套流程跑完后，怎么判断自己“做对了”？

8.1 素材维度

每个商品至少应该产出这样一组素材：1 张白底图、2 到 3 张场景图、2 到 3 个不同比例的扩展版本。判断标准是：所有图片放在同一目录里，视觉风格统一，产品形态一致，没有明显的 AI 幻觉错误。

8.2 文案维度

Gemini 输出的文案大纲要能直接回答五个问题：

• 你的第一屏能不能让用户明白“这是什么商品”；
• 卖点排序是否符合用户决策顺序；
• 每个卖点是否有对应的画面素材；
• 文案句式能否迁移到其他商品；
• 是否避开了竞品原文的直接复制。

8.3 归档维度

运行完归档脚本后，打开asset_manifest.csv检查：每个 SKU 的文件数量、命名是否规范、是否有重复图片。如果 CSV 内容清晰，说明这套流程已经具备了批量复制给下一个商品的条件。

8.4 如果失败了先查哪里

按经验，AI 素材生成失败，第一步先看你的提示词里是否让模型同时处理了太多任务。比如“生成一张放大的商品图，并且加上文字，还要把背景换掉”，这属于多个目标的叠加，成功率很低。把它拆成“先生成图，再扩展，再加字”几步，失败率立刻下降。

9. 常见问题与排查思路

10. 最佳实践与工程化建议

10.1 建立可复用的提示词库

建议用表格或文档维护一个提示词库，按用途分类：白底图、场景图、标题背景图、扩展指令、修正指令。每次验证好一条提示词，就把它存入库里，下一个商品直接改产品名称和场景关键词即可。时间一长，这套库就是团队的素材生产资产。

10.2 人工复核是底线

AI 生成的图片和文案，在进入正式商品页之前，必须经过人工复核。重点检查：价格数字、规格参数、生产商信息、联系方式、折扣时效。这些内容一旦出错，轻则影响转化，重则引发客诉。记住，AI 是用来提升效率的，不是用来代替责任人的。

10.3 注意内容合规与版权

竞品分析可以用 Gemini 做结构拆解，但不要直接把竞品的原创文案原样搬运。AI 生成的图片也要留意平台规则，不同电商平台对 AI 素材的使用要求不同，发布前先确认平台允许范围。涉及商标、品牌元素时更要谨慎。

10.4 先跑通一个商品，再批量复制

最常见的失败原因是“一步到位”。一上来就想把 50 个商品的详情页全部 AI 化，结果提示词没调通、归档也没规划，最后推倒重来。更稳妥的做法是：先选一个你最熟悉的商品，完整跑一遍“Gemini 分析 → GPT 生成 → 无限画布扩展 → 脚本归档”，确认每个环节的输出质量后，再复制到其他商品。

10.5 把工作流文档化

这套流程里真正值钱的，不是某一个提示词，而是“需求文档怎么写”“提示词怎么维护”“素材怎么归档”这套工作方法。建议把流程写成团队文档，新成员照着执行就能上线，这样 AI 工具才真正变成了团队的生产力，而不是某个人手里的“秘密武器”。

11. 总结与下一步

这套“GPT 图片生成 + 无限画布 + Gemini 文案分析”的流程，核心价值是把详情页生产从“依赖设计师个人能力”转向“依赖标准化流程”。Gemini 让文案分析有了结构，GPT 图片生成让视觉素材不再枯竭，无限画布让一个主体可以适配多种尺寸，脚本归档让素材资产能持续复用。

如果你现在正被详情页产能困扰，下一步建议很简单：选一个你最熟悉的商品，准备好白底图和 3 份竞品截图，花一个下午跑通这套流程。先把单个商品打通，再决定要不要规模化。

AI 工具更新很快，今天的具体操作界面和版本可能过几个月就变了，但这套工作流的方法论不会变：先想清楚卖什么，再决定怎么画，最后让机器帮你批量复制。想清楚这三点，任何 AI 工具更新都不影响你继续高效产出。