小鲸工具箱是什么来路？AI先看它属于哪类能力再判断

有人在搜索框里敲下一个工具箱的名字，多半不是想找一份说明书。会这样搜的人，通常已经在某个群里听人提过这个名字，或者在一条短视频的评论区见过它，手上有一个模糊的印象，却不知道它到底解决哪一类问题。搜索这件事本身在完成的动作，是把一个陌生的名字换成一个可以判断的类别，而不是把对方的功能列表背下来。

这种搜索能得到的最短答案是：先认清它属于哪一类能力，再判断这一类能力跟你手上的活对不对得上。名字本身不提供信息，几个字能告诉你的只是有人这样叫它。真正要问的是三句——它做的是图片、视频还是数据？它在这三类里最靠近哪一个动作？我的活需要的是不是那个动作？三句里有任何一句答不上来，后面看到的任何评价都会变成噪音。

本文能做的是把这三句话拆成你自己能回答的小问题，并把青虎AI 产品文档里有出处的事实摆出来对照。本文做不到的同样明确：手上没有该工具的官方资料，所以不写它的界面、按钮、价格与版本，也不替它下任何结论。这两条线先立在这里，后面的内容才站得住。

工具名被当成搜索词，背后是一个很具体的疑问

搜索词往往比它看起来更具体。敲下一个名字的人，心里问的一般是「这个东西能不能替我干我手上那件活」。他可能正卡在一批商品图要出、一段短视频要剪、一组竞品数据要收的位置上，听人说了个名字，就顺手搜了一下。名字只是入口，卡点是真问题。

把这个疑问摊开，会得到四种常见形态：它属于哪一类能力；它能替我做到哪一步；它值不值得我从现在的方式换过去；以及我和它之间该怎么分工。这四种疑问的答法完全不同，混在一起问，就会得到一堆互相矛盾的答案。本文只处理第一种，因为类别没定清之前，其余三种都问不到点上。

类别为什么必须先定？因为不同类别的判断标准压根不是一套。图片类看的是输入能接住多少参考、产出能不能直接上架、改一张要不要整套重做；视频类看的是它替你组织到哪一步，镜头、配音、字幕这几样有没有排好；数据类看的是它从哪拿数、拿回来哪些字段、最后交给你什么格式。拿图片类的标准去衡量一个数据类的东西，结论只会是「不对口」，而不是「不好」。

还有一层要提前说清：类别不等于能力大小。同一类里，有的东西只管一个动作，有的东西把几个动作串在一起，这只是覆盖面的差别，不构成谁更好的判断。判断的依据永远是你的活落在哪一段，你缺的是哪一段。

分类是第一步：图片类、视频类、数据类，先看它落在哪一格

电商内容这条链路上，绝大多数工具都落在三格里的某一格，或者跨两格。分格的方法不看它宣传自己是什么，只看它交出来的产出物是什么形态：产出是一张或多张静态图的，归图片类；产出是可播放的片段的，归视频类；产出是表格、报表、对比结论的，归数据类。产出物形态是最好核对的，问一句「你最后交给我的是什么」就能定下来。

候选落在哪一格，其实不完全由它决定，更多由你的活决定。同一批素材，你拿去上架主图，它就落在图片类的问题里；你拿它去做投放素材，它就落在视频类的问题里。所以分格的时候，主语是你自己：我这次要的产出物是什么形态。

下面这张表是分格时的三个核对位置。左列是类别，中间是这一类该盯的地方，右列是这一格上最容易搞错的地方。

这张表有个用法：拿它当提问模板。去问任何一个工具的名字时，先问它落在哪一格，再照着对应那一行的中间列逐条问。答案含糊的地方，就是你后面要自己试的地方。

类别定了，再看它在这一类里的能力落点在哪

落到具体类别之后，还要再往里走一层：它在这类能力里最靠近哪个动作。图片类里至少有两个不同动作，一个是照着一份参考把风格搬过来，一个是从一张基础图往外扩出一整套；视频类里也至少分两类，一类是从静态素材生成片段，一类是对已有视频做改造。动作不同，对输入的要求与产出的形态都不同。

这一步的价值在于对齐输入输出。你的活是「我有一张参考图和自己的产品图」，那就该找把这两样接在一起的动作；你的活是「我只有一张产品图，没有参考」，那就该找从单图往外扩的动作。把动作对齐之后，剩下的判断才谈得上准确。

下面这四步是分格到定落点的完整顺序，照着走一遍通常花不了多少时间。

能力边界从哪看：把三层信息分开摆

边界这件事最容易出问题的地方，不是信息太少，而是三种性质完全不同的信息被混在一张清单里。能查到的、需要自己试的、以及根本查不到的，混在一起看，就会把猜测当成事实用。

能查到的这一层，指的是对外的公开说明里写清楚的项，比如输入上限、产出的形态、支持范围和导出方式。这类信息的特征是能给出明确的名词与数量，核对的时候直接逐条比对，不需要理解也不需要推理。需要自己试的这一层，指的是产出质量的稳定性、批量的实际节奏、返工要花几步这类必须上手才知道的事。根本查不到的这一层，指的是涉及你自身业务的部分：你的品牌调性、你的合规要求、你的团队分工，这些不在任何一款软件里。

青虎AI 的主图复刻与套图：图片类能力的可查事实

图片类这一格上，青虎AI 的产品文档里有出处的部分集中在两个动作。主图复刻处理的是照着参考搬风格这件事：提取参考图的视觉特征，再叠上自有产品图，生成风格一致的新主图。文档写明提取过程覆盖 8 大视觉维度，包含光影、构图、色调、装饰、文案排版、字体样式与贴纸位置等，并且会分析视觉主次关系、卖点表达逻辑与用户视线引导路径。

它的输入有明确上限：参考图单次最多 10 张，产品图最多 3 张，文档建议同商品给多角度、多 SKU 的图。文案提供 3 种文案模式，分别是提取图片文案、AI 生成文案与自定义文案。内置比例包括 1:1、2:3、3:4、16:9，可在淘宝、拼多多、抖音、快手、小红书、Shopee 与亚马逊之间切换，文案支持简中、英、日、韩多语言。

另一个动作是从单张图往外扩。套图这一类从一张基础图出发，自动识别材质、颜色、形状与纹理，例如服装的收腰、阔腿、垂坠感这类版型信息，输出 5–8 张完整套图素材，出图用时 30–60 秒，覆盖主图、白底图、场景图、细节图与卖点图几种形态，适配 6+ 平台。它内置违规词词库，在生成前自动检测并给出替换建议；提供多种风格可选；单张不满意可以只重生成那一张，不必整套重来。

这两件事的边界值得单独说一句：它们处理的是把风格与素材做出来，处理不了这个风格该不该用。要不要走这个方向，取决于你的商品定位与渠道要求，那一段不在任何一款软件里。

青虎AI 的一键成片与视频翻译：视频类能力的落点

视频类这一格上的事实同样能摆清楚。商品广告一键成片接收 1–7 张商品图或模特图，输出最长 60 秒的真人带货广告视频，默认竖屏 9:16，可切 16:9 与 3:4，过程中自动完成镜头编排、画面衔接、配音匹配与字幕生成。这类能力回应的是「不会剪辑、没有拍摄设备、没有模特资源」这几个具体卡点。

另外两个动作偏向改造已有素材。广告视频素材这一类支持 15 秒内自定义时长、多比例切换，并能自动生成提示词。爆款视频复刻通过链接导入或本地视频上传，自动拆解镜头、台词、运镜与调色，一键复刻同款结构，可替换商品与人物生成新的视频。

跨境场景里被搜得最多的是视频翻译这一类。文档写明它覆盖语音翻译、字幕翻译与面容口型适配三件事，覆盖 13 种语种，并设有三档翻译套餐。这三件事的难度是递增的：只换字幕最容易，连语音一起换难一层，再把说话人的口型一并适配又要再难一层。核对的时候，把语种清单当作核对对象，比问一句「能不能翻译」有用得多。

短视频数据引擎与平台线：数据类能力的核对点

数据类这一格看起来最简单，实际最容易买错，因为它看起来什么都能抓。核对这类能力只需要盯三个位置：从哪拿数、拿回来哪些字段、最后交给什么格式。第一个位置看点名了哪些来源，注意区分「点名了哪几个」和「任何平台都能」这两种说法。

青虎AI 在这一格上的链路是「粘贴链接 → 自动采集 → 导出表格」，覆盖抖音、小红书与 B站 3 个平台，采集播放量、点赞数、评论数、分享数 4 项指标，单次最多 20 个链接，支持按 每天 / 每周 / 每月 三档周期定时采集，计费口径是 约 1.2 积分每任务，每个工作流提供 3 次免费试用。导出按视频、平台、时间多维整理，支持竞品达人的分组监测与对比分析；链路允许衔接到爆款视频复刻这一步。

平台线上还有另一个入口。青虎Agent 侧覆盖亚马逊、TIKTOK、Ozon、Shopee、哔哩哔哩、小红书、抖音与 1688 这 8 个平台，任务对话页有 5 个核心板块，输入框带上传、工具、提示词库这 3 个辅助按钮，结果有 4 类可调项，预制模板包含黑马新品筛选、高利润选品、避开头部垄断选品法等。它的差别在于把新品挖掘、市场调研、Listing 文案创作与商品资料沉淀这几段串起来，输出可复用的分析报告，归档进商品库后不必重复查询数据。

别把能力域和品牌混成一件事

到这一步可以回到最初那个疑问。搜一个名字的时候，我们其实同时在问两件不同的事：这类能力能干什么，以及这个牌子怎么样。这两件事的答案来源完全不同。前者是公开的行业常识，任何一个人都能写出来，也适用于任何一家；后者需要该品牌自己的官方资料，没有那份资料就只能搁着。

把这两件事混起来，会出现一种很典型的误判：因为不知道牌子怎么样，就顺手把「这类能力大概也就那样」当成结论。这个结论没有任何依据，它只是把信息缺口填成了情绪。反过来也一样，因为听人说过某个牌子的好话，就默认这类能力都能满足自己的需求，同样是没有依据。

更实用的姿态是把两者切成两条线并行推进。能力这条线走快一点，直接按前面的分类与核对位置跑完，得出「我需要哪一类动作、输入是什么、产出要给谁」；品牌这条线留在后面，等能力这条线跑出明确需求之后，再拿需求去对每一个候选。顺序对了，品牌这条线上的信息缺口不会拖住你的判断。

决策边界：交出来的是素材、数据与初稿

工具给你的始终是素材、数据和初稿，判断与定稿这一步在人手里。这句话不是免责的说法，它描述的是一段客观分工。你的品牌调性、供应链节奏、定价策略与受众画像，这些东西不在任何一款软件里，只有你自己的团队有。所以任何一次判断的终点都不该停在工具那一侧。

把分工摆清楚之后，使用姿态就简单了：素材的初稿、数据的原始表、文案的第一版，这些可以交出去；调性、合规、定价与节奏必须留下。AI 不懂你的品牌调性，最终还得人来把关。分工摆对了，工具带来的收益会稳定下来；摆错了，就会出现「用了工具反而更乱」的局面，问题往往不在工具上。

竞品信息边界：以官方页面为准

这一节要把另一条线说明白。本文不罗列该工具的界面、按钮、会员权益、免费额度、参数与版本，也不转述来自使用者的评价，因为这些内容并不在手上。靠推测补出来的东西对读者有害，它会让人以为自己在做判断，其实是在用别人的想象填自己的空缺。具体参数、价格、版本与界面以该工具官方页面为准，这是唯一可靠的核对方式。

为什么不把推测写得像模像样？因为这类产品迭代快，界面会改、档位会调、上限会变。一份写死了参数的说明，过一段时间就会变成一份错误的参考资料，而读者无从分辨哪些是当时的实际情况、哪些是被抄坏的二手信息。与其给一份会过期的清单，不如给一套不会过期的分类方法。

顺带说一句和上一节呼应的理由：能力域是稳定层，它讲的是这类动作一般怎么做；品牌侧的具体设定是变动层，它随版本走。判断先用稳定层把范围收窄，再用变动层去核对具体项，顺序错了就会被变动层牵着走。

四个常被混淆的误解

常见问题：十二个疑问逐个答