企业官网建设流程全解析

电商场景用 gpt-image-2 生图，最值得研究的不是怎么把提示词写得更文艺，而是怎么让商品在画面里始终处于主角位置。很多人拿通用提示词去生成商品图，氛围感拉满了，商品却变成了背景板；也有人一个词一个词堆形容词，结果模型把画面搞得越来越像抽象艺术海报。这篇文章专门针对电商店铺日常要用的主图、场景图、模特图、细节图、促销海报这几类需求，整理一套可以直接套用、也方便按产品调优的 gpt-image-2 提示词写法。

我不会只给模板不解释。每类提示词背后为什么要这么写、哪些词容易被模型误解、输出图之后怎么判断能不能用，这些才是真正影响效率的地方。如果你已经在用图像生成模型做电商素材，这篇文章可以帮你把提示词从“碰运气”变成“有结构”。

1. 电商生图的提示词，和通用生图提示词差在哪里

1.1 电商图的第一目标不是“好看”，而是让买家在三秒内看懂商品

通用生图提示词追求的是氛围感、艺术表达、画面冲击力。比如写“一瓶化妆水放在清晨窗边的光里，安静、通透、像一首诗”，这种描述给到 gpt-image-2，它大概率能生成一张很好看的图。但电商主图拿到这张图，会发现瓶身角度不明、标签文字模糊、瓶子边缘被光照吃掉，买家根本看不出产品具体长什么样，更别提价格和卖点往哪里放。

电商生图的第一目标永远是信息可读性。商品要完整出现在画面里，瓶身结构、标签、颜色、材质要能被识别；背景要干净到不干扰主体；画面构图要留出足够空间放促销文案、价格角标、卖点标签。说白了，商品图不是摄影艺术，是货架语言。用户刷到你的商品图，只有三秒左右的判断时间。如果三秒内看不出你卖的是什么、核心卖点是什么，图再高级也没有转化价值。

所以写电商提示词，心态上要从“描述一张好看的图”切换到“描述一张能卖货的图”。这会影响你选择哪些词、删掉哪些词，也会影响你对 gpt-image-2 输出结果的容忍度。一张氛围图可以有一万种随机发挥，但一张商品主图必须稳定到能进入同一套素材体系。

1.2 gpt-image-2 最明显的变化，是指令遵循能力更强，但它依然不会“猜你心思”

这一代模型的指令理解能力比之前的版本更稳，尤其在文字渲染、材质表现、光影关系上会有明显进步。反映到电商场景里，就是你敢在提示词里写“标签上只能出现 PRODUCT 这四个字母”，它大概率会照着做；你写“在画面右下角留出空白区域”，它也能在构图上留出位置。这种提高，让电商提示词从“只能描述大概”变成“可以控制细节”。

但这不意味着模型变成了一个懂商业的设计师。它仍然不会自己判断“这个商品最重要的卖点是什么”，也不会主动思考“主图左侧放文案会不会遮住商品主体”。如果你不写清楚，它就会按默认的审美习惯来生成：可能是好看的，但未必是电商需要的。

还有一个非常重要的事实：gpt-image-2 一次生成的图片，质量会有随机波动。同样的提示词，跑十条可能出现九条不错的、一条翻车的。这是图像生成模型的工作方式，不是 bug。所以电商批量生产素材时，永远要保留“挑选”和“重试”的环节，而不是指望一次生成就都是成品。

1.3 先建立电商提示词的基本结构，再去套模板

我见过很多运营同学写提示词，习惯是想到什么写什么，最后变成一个很长的自然段。这种写法的最大问题是：输出不稳定，如果翻了车，你很难定位是哪一句造成了不良影响。

更稳妥的做法，是把提示词拆成几个固定的组成部分，每次只改与产品相关的部分，其他结构保持不变：

• 主体描述：商品是什么、材质、颜色、尺寸感、品牌标识方式。
• 特征强化：核心卖点相关的细节，比如磨砂质感、透明瓶身、金属拉丝、可折叠结构。
• 环境设置：背景、桌面/地面、灯光来源与强度、时间氛围。
• 构图控制：拍摄角度、景别、商品在画面中的占比与位置。
• 风格约束：电商摄影、白底图、3D 渲染、极简、科技感等。
• 负面排除：不要出现人物、不要文字乱码、不要多余物体等。

把提示词当成一个固定表头的表格来写，电商素材的稳定性会明显提高。后面给出的所有模板，都会遵循这个结构。

2. 跑通一条高质量商品图：环境、验证和最小样例

2.1 用接口调用还是用 Web 端，会影响提示词的写法

先说环境。gpt-image-2 如果有 API 接口，那你大概率会遇到几个额外参数：输出尺寸、图片数量、质量档位、是否允许做后续编辑。如果只是用 Web 产品界面，核心输入就只有一个提示词输入框，最多再加尺寸选择。两种方式下，提示词的主体写法没区别，但控制精细度不同。

用 API 的时候，我会建议先把输出尺寸和数量固定下来，不要每次随机调整。电商主图一般需要 1:1 方形，场景图经常用到 4:3 或 3:4，海报则更适合 16:9 或竖版长图。同一个商品，固定一个尺寸反复测试，可以大幅减少“同一套提示词换个尺寸就翻车”的问题。

用 Web 端的时候，你更依赖提示词本身来控制画面。因为少了参数调节入口，所有对构图、比例、光线、文字的要求，都只能写进提示词里。而且如果平台支持多图生成，第一轮直接生成 2 到 4 张对比，会比一张一张生成更省时间。

注意：如果你准备把生成图用于正式商品发布，先确认当前使用的产品是否允许商用，以及是否需要标记 AI 生成内容。不同平台的政策不完全一样，这不是小问题。

2.2 最小可复现样例：从最基本的商品描述开始

我建议第一次测试不要一上来就写长模板，而是先用一个最小样例验证输入输出链路。以保温杯为例：

一个白色陶瓷材质保温杯，杯身没有任何文字，纯白背景，杯子完整居中，电商产品摄影，柔和自然光，清晰呈现杯盖纹理和杯身反光。

这个提示词一共包含五个部分：主体、材质、背景、构图、风格。没有复杂修饰，没有夸张形容词，也没有品牌文字。先跑这样一条，确认模型能把你输入的商品描述稳定生成出来。能跑通之后，再加品牌文字、卖点场景、氛围光，每加一个变量，都能看出来哪个词在起作用。

这里有一个常见误区：觉得提示词越长越专业，所以一上来就写两百字。结果模型理解负担加重，有些次要信息反而干扰了主体。gpt-image-2 的语义理解能力再强，也建议把信息层级分清——核心词放在最前面，修饰词放在后面，越靠后的信息，对画面的控制力通常越弱。

2.3 怎么判断一张图“能用”：不是只看好不好看

很多新手会把“好看”当作判断标准，实际上电商图需要一个更偏工程化的验收标准。我一般会按下面这个顺序看：

如果你的输出图在以上几项里有任何一项不过关，先不要急着换模板。按后面的排查思路，一次只改一个变量，多数问题都能通过提示词微调解决。

3. 电商必备提示词合集：五类高频场景直接套用

3.1 白底主图模板

白底主图是电商里最基础也最容易翻车的场景。问题通常出在两个地方：一是商品不像真实产品，二是白底不够“白”，带上了奇怪的偏色。

我的基础模板是：

[商品名称]，[核心材质]，[主要颜色]，完整展示，置于画面正中央，纯白色背景（RGB 245以上），柔和均匀的棚拍灯光，商品边缘清晰锐利，电商产品摄影风格，无阴影或极浅阴影，无文字，无人物，无多余道具。

这里有几个关键词值得特别注意：“完整展示”是为了避免模型裁切商品；“纯白色背景”比只写“白底”更明确；“无文字”可以防止商品上出现乱码。如果你需要保留产品身上的品牌 logo，就把“无文字”改成“仅保留瓶身原有标签，且文字拼写准确”。

白底图最大的坑是“白底灰边缘”。当商品反光很强、背景又是纯白时，模型很容易把商品边缘和背景混在一起。这时候可以加一句“商品边缘与背景分离清晰”，或者把商品材质信息写得更具体一些。

3.2 场景氛围图模板

场景图的作用不是展示商品细节，而是让用户产生“这个东西用起来会是什么样子”的联想。所以场景提示词的重心从“商品本身”转移到了“商品与周围环境的关系”。

模板结构：

[商品名称]，放置在[具体场景]中，[环境光线描述]，[时间氛围]，[场景核心元素]，商品占画面比例约[30%-50%]，拍摄角度[平视/俯视/轻微仰视]，背景有一定景深，整体色调[统一色调描述]，电商场景摄影风格，画面干净，主体突出。

举一个实际例子，卖香薰蜡烛：

一个透明玻璃罐香薰蜡烛，放置在木质下午茶桌面上，背景是浅色亚麻窗帘和绿植虚影，午后自然光从左侧照入，桌面有柔和阴影，蜡烛火焰微微发光，商品占画面约40%，平视角度，浅景深，整体色调温暖明亮，电商场景摄影风格，画面干净，主体突出。

这里的关键是“具体场景”。很多人写场景图只会说“高级感”“生活感”，这些词太抽象，模型不知道你想要的是一张办公桌照片还是海边露营照片。把场景具体到“木质桌面”“亚麻窗帘”“午后自然光”，画面方向才清晰。

场景图的另一个重要参数是商品占比。如果商品占比太低，整张图会像纯风景照；占比太高，又失去了场景图的意义。我会直接在提示词里写明百分比，模型不一定精确到 40%，但通常会往“主体不小、背景可见”的方向靠。

3.3 模特图模板

模特图要小心的地方更多，尤其是手部姿势、脸部是否出镜、服饰是否符合商品信息。这方面不是提示词写得越详细越好，而是要分清主次。

模板结构：

[商品名称]，由一位[年龄/风格/外形特征]的模特穿着/使用，模特[姿势描述]，面部[是否出镜/表情描述]，双手[位置与动作]，拍摄角度[平视/低角度/高角度]，背景[简洁环境]，光线[方向与氛围]，电商模特摄影风格，商品清楚可见，画面干净。

举个例子：

一件米白色 oversize 针织开衫，由一位二十多岁的女性模特穿着，模特站在浅灰色背景墙前，侧身站立，面部正面朝向镜头，表情自然微笑，双手自然垂放，平视角度拍摄，柔和影棚灯光，电商模特试穿风格，针织材质纹理清晰，商品颜色准确。

模特图最容易翻车的是“手”。如果模特双手是插兜或者举着什么东西，模型经常会把手指画成奇怪形状。所以我建议，在不需要强调手部细节的场景里，直接写“双手自然垂放”或者“双手交叉放在身前”，减少复杂手势。如果确实需要展示手拿商品的动作，比如手持吸尘器、戴手表，那就一定要写清楚“手部自然握持，手指清晰完整”，并且多生成几张挑可用的。

还有一个容易被忽略的点：模特图和商品图是两回事。模特图里，商品是“穿在人身上的衣服”，重点是人台展示效果；商品图里，商品才是绝对主体。所以模特图的提示词里，对人物本身的描述要足够具体，否则模型会随机生成一个风格不匹配的人。

3.4 细节放大/卖点图模板

细节图的作用是让买家看到产品材质、工艺、局部结构。写细节图提示词时，要把“镜头拉近”和“材质表现”放在核心位置。

模板结构：

[商品名称]的[具体部位]特写，展示[材质/纹理/工艺细节]，[光线方向]，浅景深，背景虚化，主体边缘锐利，[材质关键词]，电商细节展示风格。

例如，卖真皮包包：

真皮手提包的肩带与包身连接处特写，展示头层牛皮纹理与缝线针脚，侧逆光拍摄，浅景深，背景虚化，皮革表面自然纹路清晰可见，边缘走线均匀，电商工艺细节展示风格。

细节图最大的价值是建立信任。很多商品只能靠文字描述材质，但一张清晰的特写能让用户觉得“这个牌子做工真的可以”。所以细节图的提示词里，材质关键词要尽量准确：头层牛皮、磨砂铝合金、316 不锈钢、高密度尼龙，这些具体词比“质感很好”更有效。

写细节图的时候，注意不要贪多。一张细节图只展示一个卖点，别让模型把拉链、缝线、logo 三个细节全塞在一个特写里。一次只说一件事，输出才可控。

3.5 促销海报与多商品图模板

促销海报最麻烦的是文字排版。gpt-image-2 虽然对文字的生成能力变强了，但它生成大段中文长文案时还是容易出错。所以海报提示词的第一原则是：文字少而短。

模板结构：

电商促销海报，[核心商品/商品组合]，放置在[背景环境或纯色背景]，[整体色调]，[促销信息文字内容]，文字置于[位置]，画面左侧/右侧留白，构图简洁，主体突出，商业广告风格。

举例：

电商促销海报，一款黑色无线降噪耳机，放置在深蓝色渐变背景中央，左右两侧有柔和光效，画面中央偏上方显示文字“限时特惠”，右下角显示文字“最高立减300”，文字清晰无乱码，主体突出，商业广告摄影风格，构图简洁。

如果你不需要生成真实文案，只是想先看版式，可以把文字内容写成“图片上的文字用 XXX 占位”，让模型画出文字块的位置，后续再用设计软件填进准确文案。这样做的好处是减少乱码概率，也方便统一后续排版。

多商品图比单品海报更难控制。多个商品放在同一画面里，模型容易把比例搞乱，比如某个商品特别大，另一个特别小。这时候我会在提示词里写明“两个商品大小相近”或“左侧商品与右侧商品比例为 1:1”，并在生成后仔细检查数量。多商品图生成后基本都需要后期微调，纯靠提示词一次性到位不太现实。

4. 写提示词的通用公式与关键参数边界

4.1 公式：主体 + 特征 + 环境 + 构图 + 风格 + 约束

把前面五类模板再抽象一层，就得到了一个可以复用的电商提示词公式：

[商品主体] + [核心特征/材质/颜色] + [环境/场景] + [构图与角度] + [光影与风格] + [排除项/约束]

按这个公式，写一条提示词就像填表：

• 主体：一个深灰色磨砂保温杯
• 特征：316 不锈钢内胆，杯盖带提手，磨砂表面
• 环境：白色桌面，靠窗位置，上午自然光
• 构图：杯子居中，杯盖朝上，平视角度
• 风格：电商产品摄影，高清晰，极简
• 约束：无文字，无人物，无多余道具

组合起来就是：

一个深灰色磨砂保温杯，316不锈钢内胆，杯盖带提手，磨砂表面，放在白色桌面靠窗位置，上午自然光，杯子居中，杯盖朝上，平视角度，电商产品摄影，高清晰，极简风格，无文字，无人物，无多余道具。

这个结构的好处是：换商品时，只需要改前两项；换场景时，只改第三项；换平台，只改构图。其余结构不用重写，可以快速生成一整套素材。

4.2 常见参数影响结果的方式：尺寸、数量、参考图与编辑模式

图像生成模型除了提示词，通常还有几个参数会直接影响结果：

如果你在 API 接口里看到了这些参数，建议按上面思路处理。如果 Web 端没有这些选项，那控制力只能集中在提示词里，更要把公式用熟。

关于参考图，我多说一句：如果你有商品的白底实拍图，优先把它作为参考图喂给模型，再让它生成场景图。这样商品外观一致性会高很多。没有参考图时，就需要在提示词里反复描述商品特征，并且测试多轮。直接说“保持商品不变”，模型其实很难做到，因为每次生成都是一次全新采样。

4.3 提示词不要写什么：电商生图里最容易出现的四类错误

第一类错误，是只写情绪不写具体画面。比如“高端的”“有质感的”“很高级的”。这些词不是完全无效，但它们无法单独构成画面信息。你写“高级感”，模型不知道你是要黑白极简，还是要金碧辉煌。至少需要搭配一个具体方向：“高级感，哑光黑背景，金属材质，极简构图”。

第二类错误，是同一张图里写两个冲突的光线。“左侧暖黄灯光”和“顶部冷白日光”同时出现，模型大概率会生成一个光线混乱的画面。电商图需要单一明确的光源。如果不是刻意做双重曝光效果，保留一个主光源就够了。

第三类错误，是要求太多细节同时出现。不要在一张主图里既展示材质特写，又展示使用场景，还要展示包装开箱。一张图只负责一个任务，细节图归细节图，场景图归场景图。信息量越少，模型越容易稳定发挥。

第四类错误，是堆砌大量形容词而不给约束词。很多提示词写了十几个形容词，却没有一句“无人物”“无文字乱码”“不要其他物体的投影”。模型会按照概率补全你不想要的东西。排除项与正面描述同样重要，甚至更重要。

5. 踩坑记录：提示词对了，图还是翻车时按什么顺序排查

5.1 先判断现象，不急着怀疑模型能力

gpt-image-2 生成结果不理想时，先想清楚现象是哪一类：

• 主体变形：商品形状不对，比如瓶口歪了、杯子把断了。
• 风格不对：画面很高级，但不是电商需要的产品图。
• 文字乱码：产品名或多个字拼错。
• 背景脏乱：背景出现奇怪物体或强烈噪点。
• 构图不合适：商品太小、太偏、被裁切。
• 一致性差：两次生成的商品颜色、款式明显不同。

现象不同，排查方向完全不同。比如“文字乱码”通常说明提示词里文字要求不够明确，或者商品身上本身写了太多文字；“主体变形”则更多和商品本身的复杂结构、观察角度、材质描述有关。

很多人一看到图不行，就去换一个完全新的提示词，这是最浪费时间的做法。更合理的路径是：先定位是哪个环节出了问题，再针对那个环节微调。

5.2 按这个顺序排查：输入自相矛盾→尺寸和比例→参考图干扰→随机性

我自己的排查顺序是这样的：

第一步，检查提示词里有没有自相矛盾的信息。最常见的是“简约风”和“奢华感”同时出现，以及“自然光”和“霓虹灯光”同时出现。还有商品描述里的颜色冲突，比如先说“透明瓶身”，又说“深绿色瓶身”，模型会非常困惑。

第二步，检查尺寸和比例。同一个商品，1:1 和 16:9 的输出效果可能差别很大。你在 1:1 下跑通了提示词，切到 16:9 后商品突然变小，这不一定是提示词问题，而是画面比例本身改变了构图重心。这种情况只需要微调商品占比词。

第三步，检查是否有参考图或其他前置信息。如果你用了参考图，模型会优先参考图中的商品形态。参考图本身背景很乱，输出结果通常也不会干净。所以参考图尽量用白底实拍图，并且裁掉多余部分再上传。

第四步，考虑随机性。同一套提示词连跑三次，可能第一次翻车，后面两次都正常。遇到这种情况，不要急着改提示词，先多生成几次看看规律。如果 4 张里能挑出 1 张满意的，说明提示词方向是对的，只是需要一些批次去选；如果 4 张全部有同一个问题，再去调提示词。

5.3 用“删除成分法”定位问题

如果上面几步都排查完，问题还在，我会用“删除成分法”来定位。这个方法的思路特别简单：把提示词里的要素逐个删除，跑一次生成，看问题是否消失。

举例：一张商品场景图，背景一直偏暖黄色，你怀疑是“午后阳光”造成的。这时把“午后阳光”四个字删掉，改成“均匀室内光”再跑一次。如果背景变正常，说明之前的光线描述太强；如果背景还是偏黄，那可能是商品本身的颜色影响，或者模型对背景色有预设。

一次只删一个成分，不要同时删三个词。这样才能准确判断责任词。这个调试过程会有点慢，但在你真正掌握一套稳定模板前，它会帮你节省大量重试时间。

如果你连续多次生成都失败，最需要检查的不是 gpt-image-2，而是输入文本本身。先读一遍自己的提示词，把那些模糊的、抽象的、相互矛盾的内容清掉，再跑一轮。

6. 从一张图到一批图：电商素材的批量生产流程

6.1 批量产图之前，先把命名和编号规则固定下来

很多人做批量生图时，只顾着生成，没考虑输出文件怎么管理。等到要修图、抠图、上传店铺后台时，看到一堆文件名类似“a1f3a9d2.png”“output_03.png”，根本不知道哪张对应哪个 SKU、哪个版本、哪个场景。

我的做法是：在提示词阶段就规划好变量块和固定块。每张图的提示词拆成两个部分，一个部分是商品固定信息，比如“白色磁吸充电宝，20000mAh”，另一个部分是场景或主图目标，比如“白底主图”“沙漠露营场景”“手提细节特写”。

生成后，用这个命名规则保存：

[商品SKU]_[场景类型]_[版本]_[序号]

例如：

MB01_white_20250413_001.png MB01_outdoor_20250413_001.png

这样不管生成多少次，只要 SKU 和场景类型不变，文件名都能对得上。后续整理素材、做 A/B 测试，效率会高很多。

6.2 一致性控制：用固定提示词块来锁住商品特征

批量生成最容易出现的问题，是同一个商品在不同图里看起来不像同一个。白色杯子第一次偏米白，第二次偏灰白；同一款包两次生成的肩带长短、颜色深浅都不一样。

控制一致性的核心思路，是让同一商品的固定提示词块完全一致。也就是说，所有关于商品本身的描述，在你没有换产品时，一个字都不要改。我把这部分称为“商品锁定块”。以一款保温杯为例：

商品锁定块：一个哑光白色保温杯，杯身简洁，杯盖为浅灰色，杯身中部有一条细窄的银色金属环，带一个小巧的提手。

然后在这个锁定块后面，接不同的场景块：

场景块A：放在浅色木质桌面上，窗外晨光，背景虚化，平视角度。 场景块B：放在露营折叠桌上，落日暖光，远处山景，轻微俯视角度。

每张图都保留同一个商品锁定块，只更换场景块，模型生成结果的商品一致性就会明显提高。当然，这个方案不是绝对的。生成模型的每次采样都有随机性，如果你对一致性要求极高，比如同一个商品有三张场景图必须完全匹配，那还是需要后期用固定实拍图作为参考，或者使用参考图功能。

6.3 生成之后，素材流程还没结束

很多人以为提示词写好、图生成出来，电商素材工作就完成了。实际上在正式使用前，通常还要经过这几步：

• 抠图：如果生成图背景不够纯，可以用抠图工具把商品单独抠出来，放到店铺规定的底图上。
• 补细节：如果标签文字有细微错误，可以用局部重绘或修图工具处理，不建议整张重新生成。
• 统一尺寸：电商平台对主图尺寸有要求，生成图可能不是对应比例，按平台规则裁切或加安全边。
• 加文案：价格、卖点、活动信息，建议用设计工具后置，而不是全部让模型生成。
• 去重检查：如果同一商品有多张图，检查背景、光线、占位是否高度一致，避免看起来像不同店铺的素材。

生成只是素材生产的第一环，后面这一圈处理流程虽然不那么“AI”，但直接影响最终上线效果。我把提示词写得再顺手，也始终留着后期修订的空间，不会把生成结果当成不可改动的最终稿。

电商素材的 gpt-image-2 提示词，说到底是一个把商业需求翻译成图像描述的过程。通用生图追求自由发挥，电商生图追求稳定输出。把这套结构、公式和排查顺序记下来，下次拿到一个新商品，你大概只用十分钟就能整理出第一版可以直接测试的提示词，剩下的就是慢慢打磨自己的素材库。