多商品批量生图 Batch Image

batch-image — 多商品批量生图

把单张生图变成流水线：一份商品清单 → 一整套风格统一的商拍图。

批量的难点不是「跑很多次」，而是跑出来的图要像一套。本技能的核心是规范段与变量段分离：视觉规范逐字不变，只有商品描述随 SKU 变化。

---

1、能力边界

不做：不在同一批里混用不同视觉规范（那不是一批）；不跳过抽样质检直接全量上架；不因为批量就放宽商品保真要求。

---

2、输入素材规则

生成前先自检这几条硬性约束：

• 大小：20KB ~ 15MB
• 分辨率：大于 400×400
• 格式：jpg / jpeg / png / webp

商品清单（manifest） 是批量的输入，建议 CSV：

sku,image,desc
SKU001,docs/batch-image/sku-a-sweater.jpg,军绿色麻花针织圆领毛衣，落肩宽松版型
SKU002,docs/batch-image/sku-b-shoes.jpg,黑色亮面皮革布洛克德比鞋，厚底系带

每张商品图仍要满足单图规则：20KB~15MB、>400×400、jpg/jpeg/png/webp。

批量前必做的事

---

3、规范段 / 变量段分离

这是批量出统一视觉的唯一方法：

prompt = [规范段：整批逐字不变]  +  [变量段：每个 SKU 不同]

写成 shell：

SPEC='放置在同一套统一视觉里：纯米白色摄影棚背景，柔和顶光加左侧补光，45 度视角，画面下方留出统一的商品投影，构图与留白在整组图中保持一致。真实商业产品摄影，无文字无水印。'

while IFS=, read -r SKU IMG DESC; do
  dlazy seedream-5.0 \
    --prompt "电商商拍图。图1 是商品：${DESC}。商品的颜色、材质纹理、款式细节必须与图1完全一致。${SPEC}" \
    --images "$IMG" --size 1:1 --resolution 2k \
    --save "docs/batch-image/out/${SKU}.jpg"
done < manifest.csv

规范段一旦改动就必须整批重跑——否则同一批里会出现两种视觉。

---

4、并发、重试与进度

并发：dlazy 是单次调用一个任务，批量靠 shell 并发。控制在 4~6 路，太高容易触发限流。

run_one() { ... }               # 单个 SKU 的生成逻辑
export -f run_one
xargs -P 5 -I{} bash -c 'run_one {}' < sku-list.txt     # 5 路并发

重试：网络与服务端偶发失败很正常，包一层重试。

for attempt in 1 2 3; do
  dlazy ... && break
  echo "retry $attempt for $SKU" >&2; sleep $((attempt * 10))
done

异步模式：SKU 很多时用 --no-wait 先把任务全部提交，拿到 generateId 后再统一轮询，避免长时间占着进程。

GID=$(dlazy seedream-5.0 --no-wait ... | python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["task"]["generateId"])')
echo "$SKU,$GID" >> tasks.csv
# 稍后统一收结果
while IFS=, read -r SKU GID; do dlazy status "$GID" --wait; done < tasks.csv

进度与汇总：每个 SKU 记一行状态，跑完输出报告。

echo "$SKU,$(test -f out/$SKU.jpg && echo ok || echo fail)" >> report.csv
awk -F, '{c[$2]++} END{for(k in c) print k, c[k]}' report.csv

---

5、dLazy 工具调用

本技能使用 dLazy 的 seedream-5.0（批量场景的关键指标是单图成本与参考图支持：本模型单张约 5 credits、支持最多 10 张参考图、支持 2K/3K/4K；100 个 SKU 的成本量级从数百降到数十。对商品保真要求极高的批次改用 gpt-image-2）。

Authentication

All requests require a dLazy API key. The recommended way to authenticate is:

dlazy login

This runs a device-code flow (also works in remote shells) and automatically saves your API key to the local CLI config — no manual copy/paste required.

Alternative: Set the Key Manually

If you already have an API key, you can save it directly:

dlazy auth set YOUR_API_KEY

The CLI saves the key in your user config directory (~/.dlazy/config.json on macOS/Linux, %USERPROFILE%\.dlazy\config.json on Windows), with file permissions restricted to your OS user account. You can also supply the key per-invocation via the DLAZY_API_KEY environment variable.

Getting Your API Key Manually

1. Sign in or create an account at dlazy.com
2. Go to dlazy.com/dashboard/organization/api-key
3. Copy the key shown in the API Key section

Each key is scoped to your dLazy organization and can be rotated or revoked at any time from the same dashboard.

About & Provenance

• CLI source code: github.com/dlazyai/cli
• Maintainer: dlazyai
• npm package: @dlazy/cli (pinned to 1.2.3 in this skill's install spec)
• Homepage: dlazy.com

You can install on demand without persisting a global binary by running:

npx @dlazy/cli@1.2.3 

Or, if you prefer a global install, the skill's metadata.clawdbot.install field declares the exact pinned version (npm install -g @dlazy/cli@1.2.3). Review the GitHub source before installing.

How It Works

This skill is a thin client over the dLazy hosted API. When you invoke it:

• Prompts and parameters you provide are sent to the dLazy API endpoint (api.dlazy.com) for inference.
• Any local file paths you pass to image / video / audio fields are uploaded to dLazy's media storage (files.dlazy.com) so the model can read them — the same flow as any cloud-based generation API.
• Generated output URLs returned by the API are hosted on files.dlazy.com.

This is the standard SaaS pattern; the skill itself does not access network or filesystem resources beyond what the dLazy CLI already handles. See dlazy.com for the full service terms.

Usage

CRITICAL INSTRUCTION FOR AGENT: Run the dlazy seedream-5.0 command to get results.

dlazy seedream-5.0 -h

Options:
  --prompt           Prompt
  --images [images...]       Images [image: url or local path] (max 10)
  --resolution   Resolution [default: 2k] (choices: "2k", "3k",
                             "4k")
  --size               Size [default: 16:9] (choices: "1:1", "4:3",
                             "3:4", "16:9", "9:16", "3:2", "2:3", "21:9")
  --dry-run                  Print payload without executing the tool
  --no-wait                  Return generateId immediately for async tasks
  --timeout         Max seconds to wait for async completion (default:
                             "1800")
  --input        Inline JSON or @path/to/file.json — merged under
                             flag values (flags win)
  --save               Download the result asset to this local path
                             (mkdir + retry handled for you). A destination
                             path — NOT a response format; for stdout shape use
                             --format
  --batch                 Fan-out N parallel runs (cloud tools only)
                             (default: "1")
  -h, --help                 display help for command

Any flag also accepts pipe references — - (auto-pick from upstream stdin), @N (n-th output), @N.path (jsonpath into output), @* (all primary values), @stdin / @stdin:path (whole envelope). See dlazy --help for details.

参数约定（本技能固定用法）

模型切换：seedream-5.0 便宜、适合氛围与场景图；对商品保真要求极高（图案位置、五金细节）的批次换 gpt-image-2，成本约 6 倍。同一批内不要混用两个模型。

Output Format

{
  "ok": true,
  "result": {
    "tool": "seedream-5.0",
    "modelId": "seedream-5.0",
    "data": {
      "urls": [
        "https://files.dlazy.com/data/ai/20260817092703-057827edb8aa.jpg"
      ]
    },
    "savedPath": "docs/batch-image/example-output.jpg"
  }
}

Async tasks (when --no-wait is passed) omit data and return a task: { generateId, status } field instead. Use dlazy status --wait to poll.

Command Examples

# basic call: 单个 SKU（先跑通这个，再谈批量）
dlazy seedream-5.0 \
  --prompt '电商商拍图。图1 是商品：军绿色麻花针织圆领毛衣，落肩宽松版型。商品的颜色、材质纹理、款式细节必须与图1完全一致。放置在同一套统一视觉里：纯米白色摄影棚背景，柔和顶光加左侧补光，45 度视角，画面下方留出统一的商品投影。真实商业产品摄影，无文字无水印。' \
  --images docs/batch-image/sku-a-sweater.jpg --size 1:1 --resolution 2k

# complex call: 完整流水线（清单驱动 + 5 路并发 + 3 次重试 + 汇总报告）
cat > manifest.csv <<'CSV'
SKU001,docs/batch-image/sku-a-sweater.jpg,军绿色麻花针织圆领毛衣，落肩宽松版型
SKU002,docs/batch-image/sku-b-shoes.jpg,黑色亮面皮革布洛克德比鞋，厚底系带
CSV

SPEC='放置在同一套统一视觉里：纯米白色摄影棚背景，柔和顶光加左侧补光，45 度视角，画面下方留出统一的商品投影，构图与留白在整组图中保持一致。真实商业产品摄影，无文字无水印。'
mkdir -p docs/batch-image/out

run_one() {
  IFS=, read -r SKU IMG DESC <<< "$1"
  for attempt in 1 2 3; do
    dlazy seedream-5.0 \
      --prompt "电商商拍图。图1 是商品：${DESC}。商品的颜色、材质纹理、款式细节必须与图1完全一致。${SPEC}" \
      --images "$IMG" --size 1:1 --resolution 2k \
      --save "docs/batch-image/out/${SKU}.jpg" >/dev/null 2>&1 && break
    sleep $((attempt * 10))
  done
  if [ -f "docs/batch-image/out/${SKU}.jpg" ]; then echo "${SKU},ok"; else echo "${SKU},fail"; fi
}
export -f run_one; export SPEC

xargs -P 5 -I{} bash -c 'run_one "{}"' < manifest.csv | tee docs/batch-image/report.csv
awk -F, '{c[$2]++} END{printf "\n=== 汇总 ===\n"; for(k in c) printf "%s: %d\n", k, c[k]}' docs/batch-image/report.csv

# 先估价：单价 × SKU 数
dlazy seedream-5.0 --dry-run --prompt '...' --images a.jpg --size 1:1 | grep estimatedCost
echo "SKU 数：$(wc -l < manifest.csv)"

Error Handling

AGENT CRITICAL INSTRUCTION:

1. If the execution result returns code: "insufficient_balance", you MUST explicitly inform the user that their credits are insufficient and guide them to recharge: https://dlazy.com/dashboard/organization/settings?tab=credits
2. If the execution result returns code: "unauthorized" or indicates missing API key, you MUST inform the user to get their API key from https://dlazy.com/dashboard/organization/api-key and save it using dlazy auth set and resume the task.

---

6、Prompt 模板

【变量段 · 每个 SKU 不同】
电商商拍图。图1 是商品：[品类 + 颜色 + 材质 + 关键结构特征]。
商品的颜色、材质纹理、款式细节必须与图1完全一致。

【规范段 · 整批逐字不变】
放置在同一套统一视觉里：[背景]，[光位]，[机位/视角]，
画面下方留出统一的商品投影，构图与留白在整组图中保持一致。
真实商业产品摄影，无文字无水印。

按问题追加的修正句（改了就要整批重跑）

---

7、执行流程

1. 建清单：sku,image,desc 三列 CSV，每张商品图先过单图规则校验。
2. 写规范段：背景 / 光位 / 机位 / 占比 / 投影 / 色调 / 输出风格——定稿后不许改。
3. 跑通 1 个 SKU：确认规范段和变量段都对。
4. 抽样 5 个 SKU：覆盖深色 / 浅色 / 反光 / 大件 / 小件的边界。
5. --dry-run 估总价：单价 × SKU 数。
6. 全量跑：5 路并发 + 3 次重试；SKU 很多时用 --no-wait 提交后统一轮询。
7. 看汇总报告：失败的单独重跑。
8. 抽样质检：随机抽 10% 过 detect-task；不合格的 SKU 单独用 gpt-image-2 重跑。

---

8、生成效果示例

实际执行的命令（循环体，两个 SKU 只有 DESC 与 --images 不同，规范段逐字相同）：

for sku in a-sweater b-shoes; do
  case $sku in
    a-sweater) DESC='军绿色麻花针织圆领毛衣，落肩宽松版型' ;;
    b-shoes)   DESC='黑色亮面皮革布洛克德比鞋，厚底系带' ;;
  esac
  dlazy seedream-5.0 \
    --prompt "电商商拍图。图1 是商品：${DESC}。商品的颜色、材质纹理、款式细节必须与图1完全一致。放置在同一套统一视觉里：纯米白色摄影棚背景，柔和顶光加左侧补光，45 度视角，画面下方留出统一的商品投影，构图与留白在整组图中保持一致。真实商业产品摄影，无文字无水印。" \
    --images docs/batch-image/sku-${sku}.jpg --size 1:1 --resolution 2k \
    --save docs/batch-image/example-output-${sku}.jpg
done

输出：同一套视觉规范下的两个 SKU

两张的背景色、光位、视角与投影方向一致——因为规范段逐字相同；商品各自保真。100 个 SKU 就是这个循环跑 100 次，总价约 500 credits。

---

9、常见问题

---

Tips

Visit https://dlazy.com for more information.