拼多多主图套图、详情图套图批量生成

传一张商品图，一次性产一整套拼多多商品图 —— 主图、活动促销图、详情图成套出齐，且贴平台调性（下沉市场强促销，与天猫、亚马逊的克制风格完全不同）。

本技能走 qhkit，覆盖三条批量路线：

对外文案里的 Seedream 5.0 / GPT Image 2 / Nano Banana 2 只是检索名，真正提交的 modelLabel 必须来自 options。

何时触发

• 「做拼多多的主图套图 / 详情图套图 / 成套商品图 / 满减海报 / 活动图」
• 「一次批量出多张主图」「这批图批量改白底 / 批量做成促销图」
• 用户明确要适配拼多多尺寸（1000×1000）或下沉市场强促销风格

拼多多调性要点（与淘系/亚马逊的关键差异）

拼多多的主图逻辑和前两个平台正好相反，写 prompt 时别套错模板：

• 主图允许甚至鼓励促销文字。满减、低价、利益点放大是拼多多主图的核心竞争力 —— 「9.9 包邮」「满 100 减 30」「工厂直发」这类文字要大胆放。（对比：Amazon 主图严禁任何文字，天猫主图要克制。拼多多反着来。）
• 强对比、高饱和：红黄撞色、放大字号、商品占比大，视觉冲击优先于精致感。
• 避免高端风：性冷淡、极简留白、轻奢质感在拼多多反而拉低点击。
• customCopy 是主战场：把满减/低价文案写进 customCopy（≤500 字），模型会渲染成中文排版大字。
• 免抠透明底、白底图适合拼多多比价场景；场景化便宜好物图适合多多买菜、快团团这类团购场景。

一句话选路线

要「一套风格统一的主图（含促销大字）」 → 套图模式（platform 传 拼多多）
要「一整套详情页短图」                 → 电商详情图（配 themeLabel 主题色）
要「多款商品 / 多张素材 / 多组动作一起出」 → image-batch
要「把已有图批量改白底 / 批量做活动图」   → image-batch

路线 A：主图套图（套图模式）

把商品图变成 6-10 张成套主图：白底图、场景图、卖点图、细节图、促销图一次出齐。

# 先查候选：platform / sizePreset / imageCount
qhkit image options '{"queryParams":["platform","sizePreset","imageCount"],"modelLabel":"套图模式"}'

# 报价（必做）
qhkit image estimate '{"modelLabel":"套图模式","uploadedImages":["./商品图.jpg"],"platform":"拼多多","customCopy":"9.9元包邮 满100减30 工厂直发","imageCount":9,"sizePreset":"1:1 商品主图 · 拼多多（1000×1000）"}'

# 出图
qhkit image generate '{"modelLabel":"套图模式","uploadedImages":["./商品图.jpg"],"platform":"拼多多","customCopy":"9.9元包邮 满100减30 工厂直发","imageCount":9,"sizePreset":"1:1 商品主图 · 拼多多（1000×1000）"}'

拼多多要点：

• platform 必须逐字传 拼多多（options 候选里的写法）。
• imageCount 可选 1 / 6 / 7 / 8 / 9 / 10 —— 传 2、3、4、5 会被服务端驳回（不支持的出图数量）。1 张等于单图，不叫套图；要成套至少 6 张。
• 尺寸档只有一档：1:1 商品主图 · 拼多多（1000×1000）；不传落到默认 1024×1024。该档不加价（与默认档同价）。
• 参考图与 customCopy（≤500 字）至少填一个。做促销主图时建议两个都给：参考图定商品，customCopy 定利益点文案。
• 把「这组要哪几张」写进 prompt：白底图 / 场景图 / 满减海报 / 细节图 / 对比图。

路线 B：详情图套图（电商详情图）

一次产出整套详情页短图。

qhkit image options '{"queryParams":["themeLabel","languageLabel","imageCount"],"modelLabel":"电商详情图"}'

qhkit image estimate '{"modelLabel":"电商详情图","uploadedImages":["./商品图.jpg"],"themeLabel":"夕阳橙","imageCount":9}'

qhkit image generate '{"modelLabel":"电商详情图","uploadedImages":["./商品图.jpg"],"themeLabel":"夕阳橙","imageCount":9}'

• themeLabel 主题色 9 档：默认 / 经典黑白 / 海洋蓝 / 夕阳橙 / 森林绿 / 薰衣草紫 / 玫瑰粉 / 奢华金 / 午夜蓝。
• imageCount 同样只能 1 / 6 / 7 / 8 / 9 / 10。
• 参考图必填；风格由 themeLabel 控制，prompt 不是主入口。
• 拼多多推荐配色：夕阳橙、玫瑰粉（暖色促销感）；避免经典黑白、午夜蓝这类冷调（显得"贵"，不利转化）。
• 该模型不可编辑、产出多张短图、图像质量高 —— 适合详情页从首屏到结尾整段铺图。

路线 C：多款/多素材批量（image-batch）

六种模式，覆盖"不是一张图出成套、而是很多活一起干"的场景。

# 先看全部模式与参数说明
qhkit image-batch options '{}'

两条硬约束（实测踩过）：

1. image-batch 的 modelLabel 只吃自定义生图模型 —— 智慧模型 / 智慧模型2.5 / 专图模型 / 图片 5.0 Pro / 图片 5.0 Flash。传 套图模式 或 电商详情图 会被直接驳回：
   > 批量玩法的 modelLabel 仅支持自定义生图模型：智慧模型 / 智慧模型2.5 / 专图模型 / 图片 5.0 Pro / 图片 5.0 Flash
   所以要"成套主图"用路线 A，要"批量出多张"用路线 C —— 别混。
2. 主图复刻 不吃 modelLabel，批量译图 也不吃；批量替换/主图复刻 都用 referenceImages 而非 uploadedImages，字段名别写错。

常用配方（拼多多场景）：

# ① 多款商品各出一张促销主图（批量生图）
qhkit image-batch generate '{"mode":"批量生图","modelLabel":"图片 5.0 Pro","uploadedImages":["./商品图.jpg"],"prompts":["纯白底主图，商品居中，右下角叠加红色「9.9包邮」大字","满减海报，红黄撞色背景，中央放大「满100减30」","场景化好物图，家庭日常使用场景，暖色调","细节特写图，突出材质与做工"],"sizePreset":"1:1 商品主图 · 拼多多（1000×1000）"}'

# ② 一批图统一改纯白底（批量改图，适合比价场景）
qhkit image-batch generate '{"mode":"批量改图","modelLabel":"图片 5.0 Flash","uploadedImages":["./图1.jpg","./图2.jpg","./图3.jpg"],"prompt":"将商品背景替换为纯白底色，保留商品本体与自然阴影，边缘干净适合电商主图","sizePreset":"1:1 商品主图 · 拼多多（1000×1000）"}'

# ③ 服装多姿势（姿势套图）
qhkit image-batch generate '{"mode":"姿势套图","modelLabel":"图片 5.0 Pro","uploadedImages":["./服装.jpg"],"poseActions":["正面站姿，双手自然下垂","侧面走姿，回头","坐姿，翘腿"]}'

# ④ 旧图批量出中文版（批量译图）
qhkit image-batch generate '{"mode":"批量译图","uploadedImages":["./详情1.jpg","./详情2.jpg"],"prompt":"将图上所有文字翻译成简体中文，保持原有版式与字体风格"}'

尺寸与画质（实测规律）

• sizePreset 逐模型独立，不要把一个模型的尺寸标签套到另一个模型上 —— 先 options 查。
• 拼多多 1000 档不加价：与默认 1024 档同价（套图模式 9 张 = 13.5 积分）。这点和 Amazon 1600 档不同（那个要加价）。
• 带「1K」字样的档位锁死 1K：选 默认 1:1 1K（1024×1024） 这类档位后再传 quality:"2K" 会被服务端驳回 ——
  > 尺寸「默认 1:1 1K（1024×1024）」固定为 1K，不能使用 2K。
• 要 2K 有两处合法写法：① 选平台档（如 1:1 商品主图 · 拼多多（1000×1000））再传 "quality":"2K"（实测 9 张 13.5 → 18 积分）；② 直接选带 2K 的档（默认 1:1 2K（2048×2048））。
• 拼多多主图实际不需要 2K：1000×1000 是平台主图规格，1K 够用；盲目上 2K 只是多花钱。
• languageLabel 控制渲染文案的语言，拼多多场景用简体中文。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit），可完全独立安装。按顺序检测，缺失就地补齐：

1. 有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 4 步。
2. 没有 qhkit 但有 node/npm（OpenClaw/Hermes 机器部署流程保证自带 Node 22+）→ 全局安装（推荐）：

bash npm i -g @iqinghu/qhkit

默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。
3. 连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。

bash # Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）： cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c - mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib" export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"

校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。
4. 密钥：无密钥时（命令返回 stage:"config"），把下面的引导文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod（或设环境变量 QHKIT_TOKEN）：
> 1. 打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1791941828223 注册/登录
> 2. 进入控制台 → 工作台的 APIKeys 页面：https://www.iqinghu.com/workbench/dashboard/api-keys?urlCode=1791941828223
> 3. 点「创建/复制」生成密钥，生成后将 API 密钥发我
>
> 图文获取密钥教程：https://xcnzsfe4uxrw.feishu.cn/wiki/KJ0Ywsyw8iAXmRkz5l4cddDbn6g
5. 自检：qhkit config show 输出脱敏配置即全部就绪。

升级：出现以下任一信号，先升级再重试原命令——命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令，照做即可）；命令返回 {"ok":false,"stage":"runtime","message":"未知命令：…"}（本机 qhkit 太老、还没有这个命令——注意它 stage 是 runtime 不是 version，走不到版本门禁，别当成用法错误）；stderr 提示有新版本；报「模式在线上已下架或配置变更，请升级 qhkit」。（image/image-batch/video 的模型清单 0.12.0 起实时读取，线上新增模型不需要升级 CLI。）

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。

安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。

调用契约

• 形式：qhkit <命令> <action> '<json>'，或 qhkit <命令> <action> @params.json（参数写进文件，避免 shell 转义问题，推荐 —— image-batch 的数组参数尤其建议走文件）。
• stdout 恒为一行 JSON；失败为 {"ok":false,"stage":"...","message":"..."} 且退出码 1，把 message 原样转告用户。stderr 可能出现提示行，不是错误。
• 图片/视频参数直接填本地文件路径（CLI 自动上传换取 URL），素材已在公网时填 http(s) URL 也可。
• 图片体积上限 10MB：3–10MB 的本地图 CLI 上传后自动追加 COS 缩略参数（2048px 内等比缩小、只缩不放），stderr 那行提示不是错误；外站大图 URL 建议先下载到本地再以路径传入，好让 CLI 走这条防线。
• 超过 10MB 被拦下时不要把问题抛回用户，你（智能体）就地压缩后重试（2048px 内等比缩小、只缩不放、输出 jpg，压完把新文件路径传回原命令重试一次）：优先 Python —— python -c "from PIL import Image, ImageOps; im=ImageOps.exif_transpose(Image.open('原图')); im.thumbnail((2048,2048)); im.convert('RGB').save('压缩后.jpg', quality=85)"（缺 Pillow 先 pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple）；没有 Python 就用 Node —— npx --yes sharp-cli -i 原图 -o 压缩后.jpg resize 2048（官方源慢时加 --registry=https://registry.npmmirror.com）。两条都失败才请用户换 10MB 以内的图，不要反复重试。
• 标签类参数（modelLabel、sizePreset、themeLabel、platform 等）必须与 options 返回的候选值逐字一致，不要自造或翻译；拿不准先调 options。
• estimate 的校验是"部分校验"，别当成能试错：实测 —— ① image estimate 会拦 imageCount 非法值（传 2 报 不支持的出图数量：2。可选值：[1,6,7,8,9,10]）；② 但 不校验 platform 枚举（传 platform:"亚马逊" 这种错值照样返回 ok，只有 generate 才拦）；③ image-batch estimate 不校验 prompts 条数上限（传 11 条照样返回 ok）。结论：枚举与上限一律拿 options 的候选核对，别靠 estimate 探边界。
• image / image-batch / video 的模型清单是实时的（0.12.0 起直接读线上目录，新增/下架/调价自动跟随，无需升级 CLI），且均无默认模型——modelLabel 必填，缺失会报错并列出当前可选项。当次会话第一次选模型前先跑 options 查 modelLabel/models 拿当前清单，不要凭记忆或本文档的快照直接报模型名。拉不到目录（断网/密钥问题）时命令会明确报错，按提示引导用户检查配置。
• image-batch 用 batchTaskId 查状态：generate 同样自带轮询；需要补查时用 qhkit image-batch status '{"batchTaskId":"..."}'。

报价、轮询与交付

• 提交前确认（硬规则）：generate 会创建任务、消耗积分，发起前必须把本次提交的关键参数一次性列给用户——模型/模板、出图张数、尺寸与画质、语言、用到哪几张参考图、以及 estimate 报出的预计扣除积分——等用户明确同意后才能执行提交。参数全部来自用户原话时也要复述确认一遍（口头描述与实际枚举值可能有出入，任务提交后不可取消）。只读 action（options / estimate / status）无需确认。
• 批量任务尤其要先确认张数：image-batch 的张数由参数长度隐式决定（10 条提示词 = 10 张 = 20 积分），用户常说"随便来几张"，必须回问清楚或明确按条数列出后再报 estimate 的 credits。
• 报价：要把积分数字报给用户时，先跑 qhkit image estimate（或 qhkit image-batch estimate）'<与 generate 完全相同的参数>'，报它返回的 credits（实扣值，秒回、无副作用）；enough:false 时提前告知余额不足。不要引用文档快照报价。
• 轮询：image generate / image-batch generate 自带轮询，阻塞到出图（最长约 14 分钟），返回里直接有图片 URL，不需要再查 status。
• 交付：产物 URL 在返回的 images 字段里，按当前环境的媒体交付约定发给用户；产物必须和「生成完成」写在同一轮回复，并附返回里的实扣 credits（「本次实际消耗 X 积分」）。套图是多张，要逐张给出，不要只说"已完成"。
• 失败：转述 CLI 的 message（已是面向用户的中文，常见：积分不足、内容审核未通过、张数不支持），不要重试轰炸。

能力边界

• 不绑平台、只要通用套图走「AI生成电商主图轮播图、主图套图 | LinkPix」；淘系走「淘宝天猫主图套图、详情图套图批量生成」；跨境走「Amazon亚马逊主图套图、详情图套图批量生成」；只要 Seedream 全场景生图走「Seedream 5.0 Pro 电商套图生成」。
• 其他平台（淘宝 / 抖音 / 1688 / 京东 / Amazon / Shopee / TikTok Shop / Lazada / Temu / Ozon / Wildberries / SHEIN）改 platform 与 sizePreset 即可，本技能聚焦拼多多。
• 团购场景（多多买菜、快团团）用「场景化便宜好物图」思路：真实使用场景 + 暖色 + 大字号价格。
• 视频走对应平台的爆款视频技能或「AI生成电商视频 | LinkPix」。
• 批量 ≠ 无限：单次上限 10（提示词/图片/动作），超过要拆多次提交，别把 30 款商品塞进一次调用。