电商套图该怎么理解？AI先把概念和边界分清

「套图」这个词是从线下带进来的习惯。早几年做展厅和画册的人，说一套图指的是一组有统一调性的物料：主画面、场景、细节、说明页，摆在一起像一套衣服。搬到线上以后，这套说法还在用，但它对应的东西变了——线上的套图不是给人翻看的画册，而是给平台审核、给顾客快速判断的一组图位。位置不同，判断标准就跟着变。

所以「该怎么理解」这个问题，真正要回答的其实是三层：这一组图在平台规则里各占什么位置、它由哪几类画面组成、以及哪一部分是机器能做的、哪一部分只有人能定。这三层分清，后面再看任何一类东西都不会被名字带偏。

边界先立住：本文不会罗列电商套图这一类工具的规格、界面细节与版本信息，也不进行比较性评价，因为手上并没有相关第三方资料。本文不逐一罗列第三方工具的规格、界面细节与版本信息，具体以该工具官方页面为准。

先把「套图」放到它该在的位置上

理解的起点是位置。电商平台给每件商品留出的图位不是随意的：第一张决定点进来的人有没有耐心往下看，中间几张负责把使用场景说清，细节位负责让顾客放心，说明位负责把参数和卖点讲明白。一个图位一个任务，合起来才算一套。

正因为它是一组有分工的画面，概念上它更接近「一套物料」而不是「一张图」。这个区别很关键：单张图的好坏可以凭直觉判断，一套图的好坏要看分工有没有做全——第一张很抓眼，其余几张却没讲场景，这一套仍然是不合格的。

再往里一层，它也不是纯视觉的事。图位的顺序本身就在做信息编排：先给谁看、看什么、看到第几张要解决哪个疑问，这属于策划范畴，和构图、色调不是同一件事。把这两件事混着谈，就会出现「图做得挺好看但没卖点」这类典型问题。

这一套图由哪几类画面组成

把常见的画面按任务分，能归成五类。主图承担第一眼的吸引与识别，白底图承担平台规则与规范展示，场景图承担使用情境的说明，细节图承担材质与做工的证明，卖点图承担参数与优势的传达。一个商品走完整套，通常是这几类各占一到两张。

五类画面的生产要素并不相同。白底图对背景和光的要求最严，因为它是规范件；场景图最花心思，因为要选对情境；细节图最考验输入素材，因为你得有清晰的特写原图；卖点图最依赖文案，因为图本身不承担说理。

这张表的用法是自查。把你现有的整套图对上去，哪一类缺了、哪一类多了、哪一类的重点跑偏了，一眼就能看见缺口。

容易混淆的两组：套图与单张改图、套图与主图复刻

第一组容易混的概念是「成组生产」和「单张修改」。成组生产解决的是从零到有的问题：你有一张基础产品图，需要往外扩出一整组画面，重点在覆盖与统一。单张修改解决的是局部返工的问题：整套已经在了，其中某一张不满意，需要单独替换，重点在不动其余。

两者对流程的要求不同。成组生产要求你先把分工想清楚——要哪几类、各几张、顺序怎么排；单张修改要求你先把返工路径想清楚——改一张会不会牵动其余几张。如果把单张修改当成成组生产的补充来用，代价会很高：每次微调都重跑整套，时间全花在重复上。

青虎AI 的套图这一类在这两件事上都有交代。它从一张基础图出发，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，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；同时文档写明，单张不满意可以只重生成那一张，不必整套重来。这一条对应的正是上面说的返工路径。

第二组容易混的概念是「照参考搬」和「从单图扩」。主图复刻处理的输入是两份：一份参考图，一份你自己的产品图；它要做的是把参考图上的视觉语言搬过来，再叠上你的产品。套图处理的输入只有一份：一张基础产品图，它要做的是往外扩出一整组画面。

输入不同，适用场景也不同。你手上有一张竞品的视觉参考、想做出同调性的主图，走的是复刻那一路；你手上只有自己的产品图、没有参考也没有设计师，走的是扩图那一路。选错入口的后果是输入给不上，或者产出方向不对。

复刻这一侧，文档写明提取覆盖 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，同时分析视觉主次关系、卖点表达逻辑与用户视线引导路径；参考图单次最多 10 张，产品图最多 3 张；文案提供 3 种文案模式——提取图片文案、AI 生成文案、自定义文案；内置比例包括 1:1、2:3、3:4、16:9，可切换淘宝、拼多多、抖音、快手、小红书、Shopee 与亚马逊。

两条路并不互斥，很多团队是配合着走的：先用复刻定住视觉调性，再用套图铺开一整组画面。配合的前提是你知道自己在哪一步走哪一条，不然会把两份输入的活当成一份来提。

配合的顺序还有个经验：先定调性再铺量。调性没定就铺开，很可能铺完一整组之后发现方向不对，整组都要重来；调性定了再铺，产出至少是同一个方向上的延伸，返工的波及面小得多。这个顺序不依赖任何一家的设定，属于流程本身的经验。

把两组区别讲完之后，可以做一个简短的归纳：复刻管的是「像不像」，套图管的是「够不够」。像不像回答风格是否对齐，够不够回答分工是否齐全。两个问题都答上，一套图才算立得住。

能做的与不能做的：这条边界画在哪

理解了概念和两组区别，还需要把边界画出来。这一类能力能处理的是画面本身的生成与视觉一致性：识别商品特征、扩出多类画面、按平台比例适配、做基础合规检测。它处理不了的是画面之外的三件事——这套图的基调该走哪个方向、这个卖点该不该放在第一位、这批货在哪个渠道用什么语气。

换一种说法：能交出去的是素材与初稿，交不出去的是判断与定稿。工具交出来的始终是素材、数据与初稿，判断与定稿这一步在人手里。品牌调性、类目合规的特殊要求、上新节奏，这些东西不在任何一款软件里。

边界的现实意义在于预案。知道哪一段接不上，就要提前安排由谁补：品牌的视觉偏好由你写成说明，卖点优先级由你排序，类目特殊要求由你列清单。AI 不懂你的品牌调性，最终还得人来把关。这三份材料备齐，一套图从生成到上架的链路才算完整。

这套流程走起来是哪几步

概念、区别、边界都清楚之后，落成流程其实只有几步。顺序是按依赖关系排的：先把需求与分工定下来，再准备素材，然后成组跑一遍，接着逐张验收与单张替换，最后按平台适配并归档。

流程里最容易省掉的是第一步。很多人的习惯是先动手，边做边想要哪几张，结果跑到一半发现缺细节图、少卖点图，只能补跑。补跑本身不贵，贵的是它打乱了原本的批次节奏，让一次本该闭环的活变成两三次。

第二个容易省掉的是第四步的「单张替换」。不替换就整套重跑，代价看起来不大，实际是每一轮微调都把前面的工作重做一遍。把这条写进流程，你才会在看到不满意时下意识去找那一张，而不是整批重来。

把概念用到自己的商品上，差别在哪

概念清楚了，落到自己的商品上还会遇到一类具体问题：不同品类的商品，五类画面的做法差别不小。服装要看版型和上身效果，3C 要看材质与接口细节，家居要看使用场景，食品要看色泽与分量。同样是「场景图」，服装要的是试穿情境，家居要的是摆放情境，两者对画面的要求完全不同。

这类差别有个共同规律：越依赖手感与体感的商品，越吃场景图；越依赖参数与规格的商品，越吃细节图与卖点图。前者说不清只能看，后者看得清不如说清。想清自己的商品落在哪一侧，画面重心自然就有了。

还有一类差别来自销售渠道。同一个商品在不同渠道上的图位规则不一样，有的渠道第一张必须干净，有的渠道允许第一张带场景。规则不同的部分由平台决定，不是由你的审美决定。开工前把目标渠道的图位要求抄一遍，比事后返工划算得多。

第三类差别来自季节与节奏。换季商品要看当季的视觉调性，常青款可以保持稳定。如果一套图沿用两年，视觉上大概率会显得旧，而它旧在哪里很难说清——这时候留的那版基准就起作用了：拿它跟当期做的东西并排一比，差异是可见的。

把这些差别摊开之后，「一套图」这个概念会变得更具体：它不是一个固定的模板，而是按商品、渠道、节奏三个变量各调一次的结果。调的过程需要判断，判断的依据是你的商品与市场，仍然不在任何一款软件里。

别把「能力域」和「单点功能」混谈

这一类词最容易被混淆的地方，是把一整条能力域和某一个单点功能当成同一回事。能力域讲的是一类动作能覆盖多大的范围，单点功能讲的是某一次操作能做什么。两者不在一个层级上，混着谈就会出现「它能不能做某某事」这种问不清的问题。

举个抽象的对比：一条能力域里可能包含生成、扩展、适配、检测几个动作，而单点功能只是其中某一个动作的一个配置。你说「我要做一套图」，对应的是能力域；你说「我要把这张图的背景换成白的」，对应的是单点功能。前者要核对覆盖面，后者只要核对这一下能不能做。

混谈的代价在选型时会显得很清楚。如果拿单点功能的标准去量能力域，你会觉得它什么都不够深；如果拿能力域的标准去量单点功能，你会觉得它什么都能沾一点却都不精。两种误判的来源是同一个：层级没对齐。

对齐的方法很简单：先问自己要解决的是「一段活」还是「一个动作」。一段活，就按能力域去核对覆盖面；一个动作，就按单点功能去核对这一下。问清层级，很多争论会自动消失。

主图套图这一类工具里，哪些事实可以先核对

把轮廓讲完，接着摊开可以核对的事实。青虎AI 的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，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；不同风格的画面可选；单张不满意可以只重生成那一张；它还内置违规词词库，在生成前自动检测并给出替换建议。

复刻这一侧的事实前文已列，这里补一条：批量处理的能力上，青虎AI 的批量改图这一类是一次最多 10 张参考图加一句提示词同步处理，文档明确写着 AI 改图生成新图不覆盖原图——对需要留对照基准的团队，这一条比「支持批量」四个字有用。另外，图片裁剪这一类是预设尺寸加自定义比例，批量 3 分钟可以处理 50 张；「3 分钟 / 50 张」这个口径只属于裁剪这一项，别挪到别的功能上。

放回真实场景里，这套分工怎么落地

概念讲到这里还比较抽象，放到三种常见场景里看会更清楚。每种场景下，五类画面的重要程度并不一样，前置要准备的东西也不一样。

竞品信息边界：以官方页面为准

本文不罗列该类工具的界面、按钮、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？这类产品迭代快，界面会改、上限会变。一份写死了的说明过一段时间就会变成错误的参考资料，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。

顺带说一句与前面呼应：能力域是稳定层，讲的是这类动作一般怎么做，不随版本变化；品牌侧的具体设定是变动层，随版本走。判断先用稳定层收窄范围，再用变动层核对具体项，顺序反了就会被变动层牵着走。

用起来容易想错的地方

常见问题：十三个疑问逐个答