在Windows上用AI做电商商品图，最容易被忽略的并不是“会不会点生成”，而是后面的文件管理：原图被覆盖、不同SKU的候选图混在一起、挑中的版本找不到、ZIP解压后才发现少图，交付几天后也说不清对方拿到的是哪一版。

一套能重复使用的商品图工作流，至少要把五件事串起来：保留原始素材、建立商品事实卡、隔离每轮候选、先验收再导出、给最终文件留下哈希清单。

下面给出一套不依赖第三方脚本库的Windows实操方法。AI工具负责生成候选，Windows目录和PowerShell负责把交付过程变得可复查。

1. 先为一个SKU建立独立目录

不要把所有图片都丢进“下载”或桌面。一个SKU对应一个根目录，每次生成再单独开一个运行目录。

在PowerShell中修改$JobRoot为自己的数据盘路径，然后执行：

$JobRoot='D:\ProductImageJobs\SKU-20260722-A'$Folders= @('00_source','01_facts','02_candidates\run-01','03_approved','04_delivery')foreach($Folderin$Folders){New-Item-ItemType Directory-Path(Join-Path$JobRoot$Folder)-Force|Out-Null}

目录职责保持固定：

SKU-20260722-A/ ├─ 00_source/ # 原始商品图，只增加，不覆盖 ├─ 01_facts/ # 商品事实卡、原图哈希、验收记录 ├─ 02_candidates/run-01/ # 第一轮生成候选 ├─ 03_approved/ # 已通过人工验收的图片 └─ 04_delivery/ # 单图、ZIP及最终哈希清单

-Force在这里用于确保目录存在，不会删除已有文件；但仍建议为每个SKU和每轮运行使用新目录，不要把新结果直接覆盖旧结果。

2. 在生成前写商品事实卡

商品事实卡不用复杂，CSV、Markdown或普通文本都可以，至少记录：

不要把“看起来应该是”写成事实。原图没有展示的接口、背面或配件，应补拍或补资料，而不是让生成模型猜。

把原图复制到00_source后，可以先记录SHA-256：

$SourceDir=Join-Path$JobRoot'00_source'$FactDir=Join-Path$JobRoot'01_facts'$SourceHashReport=Join-Path$FactDir'source_sha256.csv'Get-ChildItem-LiteralPath$SourceDir-File|Get-FileHash-Algorithm SHA256|Select-ObjectPath,Algorithm,Hash|Export-Csv-LiteralPath$SourceHashReport-NoTypeInformation-Encoding UTF8

哈希不是为了判断图片好不好，而是确认后来核对的原图是不是当时那一份。

3. 生成工具只负责产出候选，不负责替你判定真值

接下来才进入AI商品图工具：上传已核对的商品素材，选择目标平台、内容语言和图片类型，生成主图、场景图或详情页候选。第一轮结果统一进入02_candidates\run-01，第二轮就新建run-02，不要在原目录里反复覆盖。

以当前Windows端爱途AI工作流为例，工具支持商品图上传、商品分析、提示词规划、图生图生成，以及结果查看、筛选、单图导出和ZIP导出。这里把它作为流程实例，不做工具排名，也不意味着软件会自动判断商品真伪、自动锁定全部结构或保证每张图都可直接使用。

4. 候选筛选按三道门执行

不要先看哪张最华丽。候选图依次通过三道门：

1. 商品事实门：结构、颜色、材质、部件数量、Logo、包装文字和随货配件是否正确；
2. 图片任务门：主图能否快速识别商品，场景图是否解释使用环境，详情图是否回答一个明确购买问题；
3. 画面质量门：构图、光影、材质、信息层级、边缘和清晰度是否可用。

文件名可以带上状态，而不是靠记忆：

SKU-A_main_01_keep.png SKU-A_scene_02_rework.png SKU-A_detail_03_reject.png

只有通过三道门的文件才复制到03_approved。rework和reject仍留在原运行目录，便于以后知道这一轮为什么被淘汰，但不要混入交付包。

5. 单图导出和ZIP导出分开验收

只交付少量已选图片时，使用单图导出并放入03_approved；交付整套图片时，可以使用ZIP导出，但ZIP生成成功不等于里面的文件已经验收。

把ZIP放到04_delivery后，先解压到一个新的核验目录：

$DeliveryDir=Join-Path$JobRoot'04_delivery'$ZipFile=Join-Path$DeliveryDir'SKU-A-images.zip'$UnpackDir=Join-Path$DeliveryDir'verify-unpacked-run-01'Expand-Archive-LiteralPath$ZipFile-DestinationPath$UnpackDir$UnpackedFiles=Get-ChildItem-LiteralPath$UnpackDir-File-Recurse$UnpackedFiles.Count$UnpackedFiles|Select-ObjectFullName,Length

如果核验目录已经存在，不要直接覆盖；新建verify-unpacked-run-02。然后把解压数量与03_approved中的预期交付数量对上。

6. 用PowerShell读取图片尺寸和生成最终哈希

不同平台、类目和图片位的尺寸要求会变化，教程不写一个“全平台通用尺寸”。应先取得本次目标平台的当前规则，再用下面的脚本读取实际文件宽高：

Add-Type-AssemblyName System.Drawing$ImageFiles=Get-ChildItem-LiteralPath$UnpackDir-File-Recurse|Where-Object{$_.Extension-in'.png','.jpg','.jpeg','.webp'}$ImageInfo=foreach($Filein$ImageFiles){$Image=$nulltry{$Image=[System.Drawing.Image]::FromFile($File.FullName)[PSCustomObject]@{Name =$File.Name Width =$Image.Width Height =$Image.Height Bytes =$File.Length Note ='OK'}}catch{[PSCustomObject]@{Name =$File.Name Width =$nullHeight =$nullBytes =$File.Length Note =$_.Exception.Message}}finally{if($null-ne$Image){$Image.Dispose()}}}$ImageInfo|Format-Table-AutoSize

注意：不同Windows与PowerShell环境对WebP解码支持可能不同。某个WebP无法由System.Drawing读取时，不代表文件必然损坏，应再用目标平台、浏览器或正式图像工具复核；PNG/JPEG同样要以实际打开结果为准。

最后为交付目录生成一份SHA-256清单：

$DeliveryHashReport=Join-Path$JobRoot'01_facts\delivery_sha256.csv'Get-ChildItem-LiteralPath$DeliveryDir-File-Recurse|Get-FileHash-Algorithm SHA256|Select-ObjectPath,Algorithm,Hash|Export-Csv-LiteralPath$DeliveryHashReport-NoTypeInformation-Encoding UTF8

以后出现“文件是不是传错了”“这一版有没有被替换”，可以直接比较哈希，不用凭文件名猜。

7. 最终交付检查表

发布或交付前至少确认：

• 原始素材仍在00_source，没有被生成结果覆盖；
• 商品事实卡中的结构、颜色、部件、包装和配件全部通过；
• 03_approved只有最终选择，不混入待改和淘汰图；
• ZIP可以在新目录正常解压，文件数量与预期一致；
• 每张图片都能真实打开，宽高、格式和清晰度符合本次平台要求；
• 主图、场景图和详情图职责清楚，文件名不会互相混淆；
• source_sha256.csv和delivery_sha256.csv都已保存；
• 发布前再次核对目标平台当前规则和AI内容标识要求。

这套方法的重点不是把文件夹做得复杂，而是把“哪张原图、哪一轮候选、为什么选中、最终交付哪一版”变成可以追溯的事实。对经常上新或需要商家、美工来回协作的团队，这通常比继续堆提示词更能减少返工。

本文由爱途AI官方运营团队根据当前Windows产品工作流和公开技术资料整理，使用AI辅助编辑并经人工核验。文中PowerShell命令用于本地文件整理与校验，不会替代商品事实、平台规则或人工审图；执行前请把示例路径改为自己的独立任务目录。

更新时间：2026年7月22日

参考资料：

• Microsoft Learn：Get-FileHash，用于计算文件哈希；
• Microsoft Learn：Expand-Archive，用于解压ZIP归档；
• CSDN社区内容创作规范；
• 爱途AI当前正式公开产品事实与官方案例素材。

配图示例

以下两张图来自爱途AI当前官方珠宝收纳盒演示案例，分别作为主图候选和场景候选，用于说明同一SKU应按图片职责分别筛选、命名和归档。它们不是客户案例、修复前后对比或效果承诺。