根据图片及提示词生成文案：电商详情页的实操
直接说结果：根据图片及提示词生成文案，图反推负责打底，卖点词负责说服，两段拼成一条指令发出去就够了。我给一款1/7比例的手办写详情页，从喂图到定稿四十分钟，平时手写同样的页面要三小时。
根据图片及提示词生成文案这件事，我原本只当它是个省力技巧，真正上手才发现它改的是详情页的写作顺序。上周四晚上九点多，朋友的原创手办品牌要赶周六上新，一款1/7比例的双马尾少女手办连详情页的影子都没有，照片倒是拍齐了：白底三张、场景两张、底座特写一张。他问我两小时够不够，我说给我四十分钟试试。
那晚真做出来了。之后我连着三款潮玩的详情页都沿用同一套流程，哪里顺、哪里翻车，下面全部摊开讲。
图反推先行：照片喂进去，出来的是原料不是文案
图反推能把照片拆成外观词，但拆不出购买理由，所以它只能当详情页的底料，不能当成品。这个判断是我用十八秒的结果换来的，展开讲。
那天晚上九点四十五，我把白底主图拖进反推工具，十八秒出结果。输出是一串英文：「a PVC figure of a girl with twin tails, blue hair, dynamic pose, glossy paint, white background, studio lighting」。材质、姿势、涂装光泽全认出来了，准确度比我预想的高。可我盯着结果半天笑不出来。这一串词，没有一个字能劝人下单。
说白了，反推的本质是描述「图里有什么」，它不解释「为什么值得买」。1/7比例它不知道，底座上的金属铭牌只被认成「logo on base」，涂装工艺更是无从谈起。所以我的用法很明确：反推词只负责让详情页的产品描述部分写得准，卖点部分另起炉灶补。
后来我连场景图也喂了一张进去，出来的「樱花飘落、暮色街道」被我直接挪进「适合摆什么样的书桌」那个模块。这算白捡的，场景词写氛围正好用得上。
根据图片及提示词生成文案：合成指令的三段结构
合成指令的结构是「反推词当底、补充卖点立柱、输出格式封顶」，三段写清，一次就能出八成可用的稿。这不是理论，是当晚改到第三版才定下来的模板。
第一段贴反推词，让模型知道产品长什么样。第二段写我人工补的事实：比例、材质、全高约24厘米、底座带金属铭牌、预售赠替换表情件、定价329元。第三段约束输出：五个卖点模块，每模块一句话标题加八十字内文，尺寸要换算成生活参照物，没提的配置禁止编造。
完整指令我直接放出来，改掉产品信息就能照抄：
「你是电商详情页文案。产品外观：【反推词贴这里】。我补充的事实：1/7比例、PVC与ABS材质、全高约24cm、金属铭牌底座、预售赠替换表情、定价329元。输出五个卖点模块，每个模块一句话标题加八十字内文；尺寸用生活参照物表达；只允许使用我补充的事实，不得虚构配置；禁止使用精致、高端、匠心这类空词。」
这条指令当晚三十秒出了第一稿，五个模块三个能直接用，剩下两个偏空，各补一句产品事实重跑就过关。「全高24厘米，比一罐可乐高两指」这种写法，就是它按我的约束给的。四十分钟的账是这样分的：反推两次共十八秒，人工补词十分钟，指令改到第三版十分钟，最后通读检查不到二十分钟。
三个坑，和我现在用的修正版
最坑的不是工具不准，是喂太多，补充卖点压到五条以内、明说没提的不许编，翻车率立刻降下来。三个坑我都亲身踩过，逐个说。
坑一，把反推词当卖点用。第一版我偷懒，直接拿反推出的「dynamic pose, glossy paint」做卖点标题，看着专业，其实一句购买理由都没有，朋友看完问我：这跟我有什么关系？挺尴尬的。修正办法是把两类词分开，描述归描述段，卖点单独补。
坑二，补充信息贪多。第二版我一口气塞了九条补充，输出开始编造「附赠亚克力立牌」，压根没这回事。幸亏上架前逐条核对了一遍，不然就是虚假宣传。老实讲，那次之后我在指令里加了「未提及的配置不许写」，补充也砍到五条以内，再没编过。
坑三，单位不接地气。模型爱写「全高240mm」，买家对毫米没概念。修正办法是指定「尺寸换算成生活参照物」，它就写出了「约24厘米，相当于两瓶330毫升可乐叠起来」。不夸张地说，这句后来成了整个详情页停留时间最长的一段。
两类词的差别，我整理成一张表，用法一眼就能分清：
| 维度 | 图反推给的词 | 人工补的卖点词 |
|---|---|---|
| 本质 | 画面描述 | 购买理由 |
| 典型词 | PVC材质、动态姿势、白底棚拍 | 1/7比例、赠替换表情、限量预售 |
| 风险 | 冷冰冰，没有说服力 | 写多了会被当成编造宣传 |
| 我的用法 | 垫底料，占三成 | 当主料，占七成 |
话说回来，也有人干脆全交给AI，连卖点都让它自己编。我试过一回，输出华丽，一半是假的，改假话比从头写还费时间。卖点必须来自真实的产品事实，AI能组织语言，不能替你了解产品，这一点我的态度很硬。
回头看那个周四的晚上，流程其实特别朴素：反推管「准」，补充管「值」，指令把两者焊在一起。照片决定了文案的下限，你补充的事实决定上限。下次手里只有一套商品图、脑子里没有一行字的时候，先喂图，再补词，四十分钟真的够。
常见问题
没有白底商品图，生活照能反推吗？
能，但准确度明显往下掉。我用同款手办的桌面随手照试过一次，材质认对了，涂装光泽被认成「反光」，比例的偏差也更大。条件允许还是优先用白底图反推，生活照拿来补场景描述更合适。
反推出来的英文词，要翻译成中文再放进指令吗？
直接贴原文就行。合成指令用中英混排完全没问题，模型读得懂，多翻一道反而容易把PVC、涂装这类术语翻偏。我全程保留英文原文，输出照样是中文。
这套流程适合所有类目吗？
外观驱动型商品最合适，手办、潮玩、服饰、家具都在射程内。功能驱动型商品比如小家电，反推只能提供外观信息，核心卖点得靠参数和实测场景，流程要倒过来排。
反推会把底座上的商标也带进文案吗，有风险吗？
我的做法是商标相关词一律删掉，只留无争议的外观描述。反推结果只是写作原料，发布前的自查不能省，涉及品牌和授权的表述必须自己把关。