简介面向设计师与开发者的GPT Image 2商用提示词合集项目源码包覆盖海报设计、信息可视化、电商设计、UI设计、品牌设计及运营设计六大商用场景内置动漫史诗海报、城市创意长图、未来主义海报、电商详情页、移动端UI等具体应用提示词。所有提示词均已调校可直接复制生成专业级设计作品显著缩短前期概念验证与视觉迭代时间。压缩包共3个文件核心为html页面用于呈现提示词合集及使用说明另含inscode配置与gitignore文件方便开发环境调用和版本管理包体仅15KB轻量便携。目前已有241人学习适合希望快速上手GPT Image 2并投入实际商用项目的设计师与开发者。 前阵子我把自己的GPT Image 2商用提示词合集整理成了一个开源项目提示词模板、批量生成脚本、效果筛选参考都放进去了。很多朋友私信问商用场景下到底怎么写提示词、怎么用代码批量出图、怎么避免做出来的图一看就是“AI味”今天干脆把整套思路和实操步骤系统讲一遍。这套东西适合做电商主图、品牌海报、社媒配图、包装设计的人也适合准备用GPT Image做产品化工具的技术同学。我会从提示词设计、项目源码结构、跑通流程、落地避坑四个角度拆开讲尽量说人话。1. 为什么要做GPT Image 2商用提示词合集1.1 商用出图需求比“画得好看”复杂得多给个人自娱自乐用的提示词和给商用项目用的提示词完全是两个难度等级。个人需求只要“好看”“有氛围”就行但商用场景要面对几个非常现实的问题画面里必须有足够干净的留白来放营销文案产品主体比例要准确品牌配色不能跑偏同一套风格要能连续出几十张图而且不能用有争议或侵权的视觉元素。GPT Image 2这代模型最吸引我的地方是它对复杂指令的服从性比前代强很多尤其是文字渲染能力。以前用图像模型做菜单、海报、包装文字基本靠后期P现在可以直接让模型把文字“画”进画面里而且排版位置、字体气质可控性高了一大截。这对商用设计是个质变很多初稿可以快速生成省掉大量从零搭场景的时间。但能力越强越需要一套标准化的提示词打法。同一个需求你问不同人写提示词出来的风格可能天差地别。商用项目最怕的就是“这次效果很好下次复现不出来”。所以我做这个合集的第一个目标很朴素把能稳定复用的提示词结构固定下来哪怕换一个人操作也能得到八成像的结果。1.2 项目源码里到底放了什么东西很多人以为提示词合集就是一个Markdown文件里面列一堆例句复制粘贴就完了。其实真正到了量产阶段手工拷贝根本跑不动。我的项目源码里主要有三块内容按场景分类的提示词模板库包含电商、社媒海报、包装设计、产品概念图、实体场景合成等类别。一个基于Python的批量生成脚本可以读取模板、替换变量、调用图像生成接口并把结果和参数记录到本地。一个输出筛选清单列出商用出图时需要检查的关键项避免被“单张好看”蒙蔽。这个源码本身不复杂但它解决的核心问题是工程化。举个例子你有一批商品需要生成主图每张图的商品名、卖点、背景色都不同如果靠手动改提示词一次要改七八个变量还容易漏。脚本化之后把变量填进一个表格程序会自动拼装提示词、排队请求、保存图片这才是“商用合集”该有的样子。2. GPT Image 2提示词怎么写才能用于商用2.1 六要素结构主体、场景、风格、光影、构图、细节我看了很多翻车的商用提示词问题几乎都出在描述太“空”上。比如“一只高端手表简约背景商业摄影风格”这话没毛病但模型不知道你要黑色表盘还是金色表盘不知道背景是水泥灰还是纯白更不知道光线是硬光还是柔光。我在合集里把所有提示词统一成六要素结构写的时候按顺序填主体具体到材质、颜色、造型、品牌识别点。比如“拉丝金属表壳深蓝色表盘银灰色精钢表带”。场景明确空间关系是在室内台面、户外建筑立面还是纯色摄影棚背景。风格指定摄影风格或设计风格比如“极简主义商业摄影”“暖色调生活方式摄影”“扁平化品牌插画”。光影光源方向、光线软硬、是否有反射和阴影。比如“左侧45度柔光主体后方有浅阴影桌面有轻微倒影”。构图画面视角、主体占比、留白位置。比如“中心构图产品占画面60%上方留白40%用于排版文字”。细节质感、景深、镜头焦段、分辨率感。比如“微距视角浅景深背景轻微模糊表面细节清晰”。这套结构看似死板但它保证每次生成都不会漏掉关键信息。模型在理解提示词时信息越明确歧义越少越容易稳定输出。2.2 三个可以直接套用的模板模板不是拿来就无脑用而是给你一个起点。下面三个模板在我的项目里反馈比较好覆盖了最常见的商用场景。电商产品主图主体黑色磨砂陶瓷咖啡杯容量300ml杯身无花纹带同色系陶瓷杯盖 场景纯白色无缝摄影背景杯底有一层浅灰色阴影 风格极简商业产品摄影亚马逊主图风格 光影柔和顶光光照均匀无强烈反光 构图产品居中占画面70%周围留白30% 细节真实材质质感杯口边缘高光清晰分辨率高。社媒品牌海报主体一瓶透明玻璃瓶装气泡水瓶身贴有浅绿色标签标签文字为“FRESH” 场景户外木桌早晨阳光透过树叶洒落背景是虚化的绿色植物 风格清新自然生活方式摄影 光影自然侧光阳光斑驳阴影柔和 构图瓶子位于左侧三分之一处右侧留白放置标题 细节瓶身有细密水珠画面有轻微胶片颗粒感16:9横版构图。包装设计正面效果图主体白色化妆品包装盒盒面居中印有“AURORA”金色字母左上角有简洁线条logo 场景浅粉色大理石台面盒体直立放置在画面中央 风格高端化妆品静物摄影柔美奢华感 光影正面柔光箱照明盒子两侧有微弱轮廓光 构图正面视角盒体占画面80%上下留白 细节纸张纹理细腻烫金文字边缘清晰锐度高。要特别提醒文字内容尽量用引号包起来并写明字体气质。GPT Image 2对文字长度有限制长句子容易拼错所以商用文案一定要短越短越稳。2.3 避免“AI味”的几条实操原则很多人问我为什么生成的图一看就是AI画的我总结下来最核心原因不是模型而是提示词里“太完美”了。现实中没有任何物体是完全光滑、绝对对称、色彩纯到发指的AI默认输出就是这种“过度完美”的效果所以看着假。想减少AI味有几个技巧是立竿见影的第一主动加“瑕疵”词比如“轻微划痕”“自然纹理”“边缘轻微磨损”让画面有真实使用痕迹第二明确光源来源不要只说“柔光”要说“下午三点的窗边自然光”“单侧硬光产生的明显阴影”光的叙事感一出来画面就真实了第三给画面加点环境反射比如“产品表面反射出窗户轮廓”“背景有半透明窗帘光影”这些细节会让人误以为场景是真实搭出来的。还要小心的是不要堆砌太多形容词。提示词不是越长越好超过一定长度后模型反而会丢失重点尤其是把相互矛盾的风格词放在一起结果就是四不像。合集里每类模板都控制在六要素结构内每个要素一到两句话整体不超过200字这个长度对我来说是最稳的区间。3. 项目源码结构解析3.1 整体目录结构设计项目源码的结构我是按“配置、模板、脚本、输出”四层来设计的。简单目录如下gpt-image2-commercial-prompts/ ├── prompts/ │ ├── ecommerce/ │ │ ├── product_main.yaml │ │ ├── product_lifestyle.yaml │ │ └── product_clean.yaml │ ├── social_media/ │ │ ├── brand_poster.yaml │ │ └── promo_banner.yaml │ └── packaging/ │ └── cosmetic_box.yaml ├── config/ │ ├── settings.yaml │ └── batch_tasks.csv ├── scripts/ │ ├── generate.py │ └── check_output.py └── output/ ├── images/ └── meta/把提示词写成YAML而不是Markdown是为了方便程序读取。每个YAML文件里有prompt_template和variables两部分variables就是需要批量替换的字段比如商品名、颜色、背景描述、文字内容。这样提示词和业务数据就彻底解耦了换一批商品不需要动模板只改CSV文件就行。3.2 核心生成脚本做了什么生成脚本本质上是三件事读取模板、替换变量、调用接口。下面是我简化过的核心逻辑import csv import json import time import base64 from pathlib import Path from openai import OpenAI client OpenAI(api_keyyour_api_key) def load_template(path): # 读取YAML格式的提示词模板 ... def build_prompt(template, row): # 将模板中的占位符替换为CSV中的变量 prompt template[prompt_template] for key, value in row.items(): prompt prompt.replace({{ key }}, value) return prompt def generate_image(prompt, output_path, size1536x1024): # 调用GPT Image 2生成接口 response client.images.generate( modelgpt-image-2, promptprompt, sizesize, qualityhigh, n1 ) image_data response.data[0].b64_json with open(output_path, wb) as f: f.write(base64.b64decode(image_data)) def main(): tasks csv.DictReader(open(config/batch_tasks.csv)) for i, row in enumerate(tasks): template load_template(fprompts/{row[template]}) prompt build_prompt(template, row) output_path foutput/images/{row[sku]}.png generate_image(prompt, output_path) print(f[{i1}] done: {row[sku]}) time.sleep(1) # 防止请求过快 if __name__ __main__: main()注意这里我加了time.sleep(1)原因是图像生成接口的速率限制通常比文本接口更严格短时间大量并发很容易被限流。真实项目里建议用带重试的请求封装如果遇到500或429错误隔几秒重试一次。3.3 提示词文件与代码的配合方式提示词模板里的每个占位符都要用双花括号包住比如{{product_name}}这样和代码里的替换逻辑能对应上。CSV文件的表头必须与占位符名一致脚本才能按列名填充。这步看起来简单但实际用的时候最容易出错我经常看到有人把CSV表头写成中文占位符却用的英文结果生成出来的prompt里全是没替换掉的变量名。我还把每条提示词模板都加了negative_guidance字段里面填的是“不希望出现的内容描述”比如“不要出现人物”“不要出现品牌logo”“避免过度锐化”。在部分接口里这类字段可以辅助生成在另外一些接口里可能不生效但它至少是个文档化的记录方便后续换模型时快速调整。如果想管理多个版本提示词用Git追踪这些YAML文件是最高效的办法每次改动都能diff出来。4. 从零跑通安装与批量生成实操4.1 环境准备和前置配置首先确保电脑有Python 3.10以上版本。然后安装OpenAI SDKpip install openai pyyaml requests安装完成后设置API Key。我不建议在脚本里硬编码Key最好用环境变量export OPENAI_API_KEYsk-你的密钥Windows PowerShell用户用$env:OPENAI_API_KEYsk-你的密钥。接着在config/batch_tasks.csv里准备好任务表示例sku,template,product_name,bg_color,text_content CUPCUP-001,ecommerce/product_main.yaml,黑色磨砂陶瓷咖啡杯,纯白色,FRESH CUPCUP-002,ecommerce/product_main.yaml,白色陶瓷咖啡杯,浅灰色,WARM这里template一列指定每个SKU使用哪个模板其他列就是模板的变量。提示词模板里写主体{{product_name}}场景{{bg_color}}无缝背景... 瓶身文字为“{{text_content}}”这样一条任务就能批量跑起来。4.2 批量生成的完整流程在项目根目录运行python scripts/generate.py脚本会逐行读取CSV构造提示词调用模型然后把图片保存到output/images/下文件名用SKU命名避免重复。同时会在output/meta/里生成一份JSON日志记录每条任务的提示词、参数、生成时间、文件路径。这个做法很多人会忽略但我觉得非常重要一旦某张图效果不对你能迅速定位是哪个变量或哪句描述出了问题而不是靠记忆复盘。我第一次跑批量任务时没有记录提示词对应的参数版本后来想调整背景色发现已经分不清哪些图是旧版、哪些是新版整个项目进度被拖慢不少。所以项目源码里我把日志输出做成了强制步骤每生成一张图都必须先保存参数再保存图片。4.3 输出筛选与效果评估清单批量出图后不能只看“好看不好看”。商用图要过的门槛明显更高我的check_output.py脚本里内置了一个检查清单你可以照着肉眼检查检查项说明通过标准文字正确性画面内所有文字是否拼写正确无错字、无多字主体一致性产品造型、颜色、比例与需求一致与商品图无明显出入留白可用性营销文案区域是否有足够干净空间主体未占据文案位光影合理性高光、阴影是否违背物理逻辑无“贴图感”安全合规是否出现商标、人物肖像等敏感元素不出现明确品牌或人物筛选时我习惯把生成图按九宫格排布放大了看细节。尤其是杯口边缘、瓶身反光、文字笔画的断开处这些问题在一张缩略图里很容易被忽略但商用放大会被客户一眼看穿。5. 商用落地时最容易踩的坑5.1 版权和使用边界要提前确认商用图片的责任比个人创作大得多。生成图片用的是GPT Image 2的输出内容首先得遵守OpenAI的服务条款和生成内容政策同一套内容换到不同平台可能还有额外限制。我的建议是在正式商用前把目标投放平台的内容规范、模型服务商的使用条款逐条过一遍尤其是涉及人物肖像、真实品牌、专利外观的素材最好直接绕开。我见过有同行拿生成的图直接做包装外观结果图里出现了一个极为相似的知名品牌配色虽然没有logo但整体视觉联想太强最后被平台下架损失不小。所以我在模板库里专门加了一条规则默认不生成真实品牌logo、真实名人肖像、现当代艺术家署名作品风格。不是技术做不到而是商用版权风险太高没必要赌。5.2 风格一致性的控制思路批量项目最怕的就是几十张图风格不统一。一个常见做法是把风格描述压缩成固定“风格锚点”拼进每条提示词里。比如“暖色调生活方式摄影自然光浅景深胶片颗粒感”这十几个字在每条prompt里都保持一致。即便主体和场景变量变化整体调性也能稳住。如果想进一步稳定可以结合参考图功能。GPT Image 2支持把一张参考图作为输入。具体做法是先做一张你觉得完全OK的主图把它作为风格参考后续生成时把它一起传进去主体细节和光影会更容易向参考图靠拢。我没有在核心脚本里强制加入参考图逻辑但在config/settings.yaml里预留了reference_image字段需要时可以打开。5.3 成本和速率控制图像生成的API成本比文本高一个数量级批量跑的时候不能无脑点。拿最常见的尺寸计算一次生成通常消耗几个积分或对应Token数具体价格以官方实时价格为准。但成本控制的核心思路是一样的先小批量测试提示词确认效果后再全量跑不要一上来就生成100张。速率控制也要提前设计。我脚本里加了请求间隔和重试机制避免触发限流。如果你有大量任务建议分批跑每批20个任务跑完看结果再跑下一批。这样即使提示词有问题损失也有限而不是等跑了300张才发现方向错了。6. 常见问题与排查速查表6.1 高频报错与解决办法运营这个项目后我发现大家遇到的问题高度集中。整理成表现象可能原因解决方案返回401认证失败API Key错误或未设置环境变量检查Key是否复制完整重新export返回429请求过多触发速率限制增大请求间隔降低并发等待一段时间提示词被系统拒绝包含敏感内容或受版权保护元素删除品牌名、名人、现当代艺术家风格等描述图片文字拼写错误提示词中文字太长或字体太复杂缩短文字到5个词以内明确字体气质图片尺寸不符合需求未在代码中设置size参数按官方支持尺寸显式传入还有个坑很容易被忽略接口返回的base64串可能非常长直接用print会把终端刷爆而且一些终端会截断字符串。项目里我时刻提醒自己返回内容必须直接写入文件不要先打印到终端再重定向。6.2 效果不满意时的调参顺序很多人拿到一张不好的图第一反应是重写整个提示词。我的经验是不要急着重写要从最影响结果的参数开始调。顺序一般是先检查主体描述是否精确再调整构图和留白然后修改光影最后才动风格词。一次只改一个变量对比前后差异才能知道调整有没有效。如果文字效果不好优先检查是不是文字长度问题可以把“段落文字”改成“三个单词”如果风格不稳把风格词从形容词换成名词比如“像北欧生活方式杂志的摄影风格”效果往往比“简约、干净、高级”这类空洞词更稳定。这和我做这个项目的核心思路一致所有环节都要可复现、可追溯而不是靠玄学抽卡。最后再分享一个经验提示词合集的价值不在“多”而在“能持续用”。我每次遇到效果很好的图都会反推它的提示词结构把有效部分拆出来补进模板库然后跑一次回归测试确认它不会破坏其他场景的效果。这个项目从最初十几个模板慢慢迭代到现在的规模靠的就是这个“生成-筛选-回填”的循环。商用提示词不是想出来的是一张张图试出来的。本文还有配套的精品资源点击获取
简介面向设计师与开发者的GPT Image 2商用提示词合集项目源码包覆盖海报设计、信息可视化、电商设计、UI设计、品牌设计及运营设计六大商用场景内置动漫史诗海报、城市创意长图、未来主义海报、电商详情页、移动端UI等具体应用提示词。所有提示词均已调校可直接复制生成专业级设计作品显著缩短前期概念验证与视觉迭代时间。压缩包共3个文件核心为html页面用于呈现提示词合集及使用说明另含inscode配置与gitignore文件方便开发环境调用和版本管理包体仅15KB轻量便携。目前已有241人学习适合希望快速上手GPT Image 2并投入实际商用项目的设计师与开发者。 前阵子我把自己的GPT Image 2商用提示词合集整理成了一个开源项目提示词模板、批量生成脚本、效果筛选参考都放进去了。很多朋友私信问商用场景下到底怎么写提示词、怎么用代码批量出图、怎么避免做出来的图一看就是“AI味”今天干脆把整套思路和实操步骤系统讲一遍。这套东西适合做电商主图、品牌海报、社媒配图、包装设计的人也适合准备用GPT Image做产品化工具的技术同学。我会从提示词设计、项目源码结构、跑通流程、落地避坑四个角度拆开讲尽量说人话。1. 为什么要做GPT Image 2商用提示词合集1.1 商用出图需求比“画得好看”复杂得多给个人自娱自乐用的提示词和给商用项目用的提示词完全是两个难度等级。个人需求只要“好看”“有氛围”就行但商用场景要面对几个非常现实的问题画面里必须有足够干净的留白来放营销文案产品主体比例要准确品牌配色不能跑偏同一套风格要能连续出几十张图而且不能用有争议或侵权的视觉元素。GPT Image 2这代模型最吸引我的地方是它对复杂指令的服从性比前代强很多尤其是文字渲染能力。以前用图像模型做菜单、海报、包装文字基本靠后期P现在可以直接让模型把文字“画”进画面里而且排版位置、字体气质可控性高了一大截。这对商用设计是个质变很多初稿可以快速生成省掉大量从零搭场景的时间。但能力越强越需要一套标准化的提示词打法。同一个需求你问不同人写提示词出来的风格可能天差地别。商用项目最怕的就是“这次效果很好下次复现不出来”。所以我做这个合集的第一个目标很朴素把能稳定复用的提示词结构固定下来哪怕换一个人操作也能得到八成像的结果。1.2 项目源码里到底放了什么东西很多人以为提示词合集就是一个Markdown文件里面列一堆例句复制粘贴就完了。其实真正到了量产阶段手工拷贝根本跑不动。我的项目源码里主要有三块内容按场景分类的提示词模板库包含电商、社媒海报、包装设计、产品概念图、实体场景合成等类别。一个基于Python的批量生成脚本可以读取模板、替换变量、调用图像生成接口并把结果和参数记录到本地。一个输出筛选清单列出商用出图时需要检查的关键项避免被“单张好看”蒙蔽。这个源码本身不复杂但它解决的核心问题是工程化。举个例子你有一批商品需要生成主图每张图的商品名、卖点、背景色都不同如果靠手动改提示词一次要改七八个变量还容易漏。脚本化之后把变量填进一个表格程序会自动拼装提示词、排队请求、保存图片这才是“商用合集”该有的样子。2. GPT Image 2提示词怎么写才能用于商用2.1 六要素结构主体、场景、风格、光影、构图、细节我看了很多翻车的商用提示词问题几乎都出在描述太“空”上。比如“一只高端手表简约背景商业摄影风格”这话没毛病但模型不知道你要黑色表盘还是金色表盘不知道背景是水泥灰还是纯白更不知道光线是硬光还是柔光。我在合集里把所有提示词统一成六要素结构写的时候按顺序填主体具体到材质、颜色、造型、品牌识别点。比如“拉丝金属表壳深蓝色表盘银灰色精钢表带”。场景明确空间关系是在室内台面、户外建筑立面还是纯色摄影棚背景。风格指定摄影风格或设计风格比如“极简主义商业摄影”“暖色调生活方式摄影”“扁平化品牌插画”。光影光源方向、光线软硬、是否有反射和阴影。比如“左侧45度柔光主体后方有浅阴影桌面有轻微倒影”。构图画面视角、主体占比、留白位置。比如“中心构图产品占画面60%上方留白40%用于排版文字”。细节质感、景深、镜头焦段、分辨率感。比如“微距视角浅景深背景轻微模糊表面细节清晰”。这套结构看似死板但它保证每次生成都不会漏掉关键信息。模型在理解提示词时信息越明确歧义越少越容易稳定输出。2.2 三个可以直接套用的模板模板不是拿来就无脑用而是给你一个起点。下面三个模板在我的项目里反馈比较好覆盖了最常见的商用场景。电商产品主图主体黑色磨砂陶瓷咖啡杯容量300ml杯身无花纹带同色系陶瓷杯盖 场景纯白色无缝摄影背景杯底有一层浅灰色阴影 风格极简商业产品摄影亚马逊主图风格 光影柔和顶光光照均匀无强烈反光 构图产品居中占画面70%周围留白30% 细节真实材质质感杯口边缘高光清晰分辨率高。社媒品牌海报主体一瓶透明玻璃瓶装气泡水瓶身贴有浅绿色标签标签文字为“FRESH” 场景户外木桌早晨阳光透过树叶洒落背景是虚化的绿色植物 风格清新自然生活方式摄影 光影自然侧光阳光斑驳阴影柔和 构图瓶子位于左侧三分之一处右侧留白放置标题 细节瓶身有细密水珠画面有轻微胶片颗粒感16:9横版构图。包装设计正面效果图主体白色化妆品包装盒盒面居中印有“AURORA”金色字母左上角有简洁线条logo 场景浅粉色大理石台面盒体直立放置在画面中央 风格高端化妆品静物摄影柔美奢华感 光影正面柔光箱照明盒子两侧有微弱轮廓光 构图正面视角盒体占画面80%上下留白 细节纸张纹理细腻烫金文字边缘清晰锐度高。要特别提醒文字内容尽量用引号包起来并写明字体气质。GPT Image 2对文字长度有限制长句子容易拼错所以商用文案一定要短越短越稳。2.3 避免“AI味”的几条实操原则很多人问我为什么生成的图一看就是AI画的我总结下来最核心原因不是模型而是提示词里“太完美”了。现实中没有任何物体是完全光滑、绝对对称、色彩纯到发指的AI默认输出就是这种“过度完美”的效果所以看着假。想减少AI味有几个技巧是立竿见影的第一主动加“瑕疵”词比如“轻微划痕”“自然纹理”“边缘轻微磨损”让画面有真实使用痕迹第二明确光源来源不要只说“柔光”要说“下午三点的窗边自然光”“单侧硬光产生的明显阴影”光的叙事感一出来画面就真实了第三给画面加点环境反射比如“产品表面反射出窗户轮廓”“背景有半透明窗帘光影”这些细节会让人误以为场景是真实搭出来的。还要小心的是不要堆砌太多形容词。提示词不是越长越好超过一定长度后模型反而会丢失重点尤其是把相互矛盾的风格词放在一起结果就是四不像。合集里每类模板都控制在六要素结构内每个要素一到两句话整体不超过200字这个长度对我来说是最稳的区间。3. 项目源码结构解析3.1 整体目录结构设计项目源码的结构我是按“配置、模板、脚本、输出”四层来设计的。简单目录如下gpt-image2-commercial-prompts/ ├── prompts/ │ ├── ecommerce/ │ │ ├── product_main.yaml │ │ ├── product_lifestyle.yaml │ │ └── product_clean.yaml │ ├── social_media/ │ │ ├── brand_poster.yaml │ │ └── promo_banner.yaml │ └── packaging/ │ └── cosmetic_box.yaml ├── config/ │ ├── settings.yaml │ └── batch_tasks.csv ├── scripts/ │ ├── generate.py │ └── check_output.py └── output/ ├── images/ └── meta/把提示词写成YAML而不是Markdown是为了方便程序读取。每个YAML文件里有prompt_template和variables两部分variables就是需要批量替换的字段比如商品名、颜色、背景描述、文字内容。这样提示词和业务数据就彻底解耦了换一批商品不需要动模板只改CSV文件就行。3.2 核心生成脚本做了什么生成脚本本质上是三件事读取模板、替换变量、调用接口。下面是我简化过的核心逻辑import csv import json import time import base64 from pathlib import Path from openai import OpenAI client OpenAI(api_keyyour_api_key) def load_template(path): # 读取YAML格式的提示词模板 ... def build_prompt(template, row): # 将模板中的占位符替换为CSV中的变量 prompt template[prompt_template] for key, value in row.items(): prompt prompt.replace({{ key }}, value) return prompt def generate_image(prompt, output_path, size1536x1024): # 调用GPT Image 2生成接口 response client.images.generate( modelgpt-image-2, promptprompt, sizesize, qualityhigh, n1 ) image_data response.data[0].b64_json with open(output_path, wb) as f: f.write(base64.b64decode(image_data)) def main(): tasks csv.DictReader(open(config/batch_tasks.csv)) for i, row in enumerate(tasks): template load_template(fprompts/{row[template]}) prompt build_prompt(template, row) output_path foutput/images/{row[sku]}.png generate_image(prompt, output_path) print(f[{i1}] done: {row[sku]}) time.sleep(1) # 防止请求过快 if __name__ __main__: main()注意这里我加了time.sleep(1)原因是图像生成接口的速率限制通常比文本接口更严格短时间大量并发很容易被限流。真实项目里建议用带重试的请求封装如果遇到500或429错误隔几秒重试一次。3.3 提示词文件与代码的配合方式提示词模板里的每个占位符都要用双花括号包住比如{{product_name}}这样和代码里的替换逻辑能对应上。CSV文件的表头必须与占位符名一致脚本才能按列名填充。这步看起来简单但实际用的时候最容易出错我经常看到有人把CSV表头写成中文占位符却用的英文结果生成出来的prompt里全是没替换掉的变量名。我还把每条提示词模板都加了negative_guidance字段里面填的是“不希望出现的内容描述”比如“不要出现人物”“不要出现品牌logo”“避免过度锐化”。在部分接口里这类字段可以辅助生成在另外一些接口里可能不生效但它至少是个文档化的记录方便后续换模型时快速调整。如果想管理多个版本提示词用Git追踪这些YAML文件是最高效的办法每次改动都能diff出来。4. 从零跑通安装与批量生成实操4.1 环境准备和前置配置首先确保电脑有Python 3.10以上版本。然后安装OpenAI SDKpip install openai pyyaml requests安装完成后设置API Key。我不建议在脚本里硬编码Key最好用环境变量export OPENAI_API_KEYsk-你的密钥Windows PowerShell用户用$env:OPENAI_API_KEYsk-你的密钥。接着在config/batch_tasks.csv里准备好任务表示例sku,template,product_name,bg_color,text_content CUPCUP-001,ecommerce/product_main.yaml,黑色磨砂陶瓷咖啡杯,纯白色,FRESH CUPCUP-002,ecommerce/product_main.yaml,白色陶瓷咖啡杯,浅灰色,WARM这里template一列指定每个SKU使用哪个模板其他列就是模板的变量。提示词模板里写主体{{product_name}}场景{{bg_color}}无缝背景... 瓶身文字为“{{text_content}}”这样一条任务就能批量跑起来。4.2 批量生成的完整流程在项目根目录运行python scripts/generate.py脚本会逐行读取CSV构造提示词调用模型然后把图片保存到output/images/下文件名用SKU命名避免重复。同时会在output/meta/里生成一份JSON日志记录每条任务的提示词、参数、生成时间、文件路径。这个做法很多人会忽略但我觉得非常重要一旦某张图效果不对你能迅速定位是哪个变量或哪句描述出了问题而不是靠记忆复盘。我第一次跑批量任务时没有记录提示词对应的参数版本后来想调整背景色发现已经分不清哪些图是旧版、哪些是新版整个项目进度被拖慢不少。所以项目源码里我把日志输出做成了强制步骤每生成一张图都必须先保存参数再保存图片。4.3 输出筛选与效果评估清单批量出图后不能只看“好看不好看”。商用图要过的门槛明显更高我的check_output.py脚本里内置了一个检查清单你可以照着肉眼检查检查项说明通过标准文字正确性画面内所有文字是否拼写正确无错字、无多字主体一致性产品造型、颜色、比例与需求一致与商品图无明显出入留白可用性营销文案区域是否有足够干净空间主体未占据文案位光影合理性高光、阴影是否违背物理逻辑无“贴图感”安全合规是否出现商标、人物肖像等敏感元素不出现明确品牌或人物筛选时我习惯把生成图按九宫格排布放大了看细节。尤其是杯口边缘、瓶身反光、文字笔画的断开处这些问题在一张缩略图里很容易被忽略但商用放大会被客户一眼看穿。5. 商用落地时最容易踩的坑5.1 版权和使用边界要提前确认商用图片的责任比个人创作大得多。生成图片用的是GPT Image 2的输出内容首先得遵守OpenAI的服务条款和生成内容政策同一套内容换到不同平台可能还有额外限制。我的建议是在正式商用前把目标投放平台的内容规范、模型服务商的使用条款逐条过一遍尤其是涉及人物肖像、真实品牌、专利外观的素材最好直接绕开。我见过有同行拿生成的图直接做包装外观结果图里出现了一个极为相似的知名品牌配色虽然没有logo但整体视觉联想太强最后被平台下架损失不小。所以我在模板库里专门加了一条规则默认不生成真实品牌logo、真实名人肖像、现当代艺术家署名作品风格。不是技术做不到而是商用版权风险太高没必要赌。5.2 风格一致性的控制思路批量项目最怕的就是几十张图风格不统一。一个常见做法是把风格描述压缩成固定“风格锚点”拼进每条提示词里。比如“暖色调生活方式摄影自然光浅景深胶片颗粒感”这十几个字在每条prompt里都保持一致。即便主体和场景变量变化整体调性也能稳住。如果想进一步稳定可以结合参考图功能。GPT Image 2支持把一张参考图作为输入。具体做法是先做一张你觉得完全OK的主图把它作为风格参考后续生成时把它一起传进去主体细节和光影会更容易向参考图靠拢。我没有在核心脚本里强制加入参考图逻辑但在config/settings.yaml里预留了reference_image字段需要时可以打开。5.3 成本和速率控制图像生成的API成本比文本高一个数量级批量跑的时候不能无脑点。拿最常见的尺寸计算一次生成通常消耗几个积分或对应Token数具体价格以官方实时价格为准。但成本控制的核心思路是一样的先小批量测试提示词确认效果后再全量跑不要一上来就生成100张。速率控制也要提前设计。我脚本里加了请求间隔和重试机制避免触发限流。如果你有大量任务建议分批跑每批20个任务跑完看结果再跑下一批。这样即使提示词有问题损失也有限而不是等跑了300张才发现方向错了。6. 常见问题与排查速查表6.1 高频报错与解决办法运营这个项目后我发现大家遇到的问题高度集中。整理成表现象可能原因解决方案返回401认证失败API Key错误或未设置环境变量检查Key是否复制完整重新export返回429请求过多触发速率限制增大请求间隔降低并发等待一段时间提示词被系统拒绝包含敏感内容或受版权保护元素删除品牌名、名人、现当代艺术家风格等描述图片文字拼写错误提示词中文字太长或字体太复杂缩短文字到5个词以内明确字体气质图片尺寸不符合需求未在代码中设置size参数按官方支持尺寸显式传入还有个坑很容易被忽略接口返回的base64串可能非常长直接用print会把终端刷爆而且一些终端会截断字符串。项目里我时刻提醒自己返回内容必须直接写入文件不要先打印到终端再重定向。6.2 效果不满意时的调参顺序很多人拿到一张不好的图第一反应是重写整个提示词。我的经验是不要急着重写要从最影响结果的参数开始调。顺序一般是先检查主体描述是否精确再调整构图和留白然后修改光影最后才动风格词。一次只改一个变量对比前后差异才能知道调整有没有效。如果文字效果不好优先检查是不是文字长度问题可以把“段落文字”改成“三个单词”如果风格不稳把风格词从形容词换成名词比如“像北欧生活方式杂志的摄影风格”效果往往比“简约、干净、高级”这类空洞词更稳定。这和我做这个项目的核心思路一致所有环节都要可复现、可追溯而不是靠玄学抽卡。最后再分享一个经验提示词合集的价值不在“多”而在“能持续用”。我每次遇到效果很好的图都会反推它的提示词结构把有效部分拆出来补进模板库然后跑一次回归测试确认它不会破坏其他场景的效果。这个项目从最初十几个模板慢慢迭代到现在的规模靠的就是这个“生成-筛选-回填”的循环。商用提示词不是想出来的是一张张图试出来的。本文还有配套的精品资源点击获取
