經(jīng)過(guò)幾天的調(diào)試，亞馬遜AI作圖方案已經(jīng)完成，可以告一段落了。圖片分析的效果和文案效果都還行，個(gè)人感覺(jué)達(dá)到了70分左右。在這個(gè)基礎(chǔ)上，人工再修改，就會(huì)節(jié)省不少時(shí)間。

先上價(jià)值觀，我覺(jué)得這套流程的意義在于節(jié)省，運(yùn)營(yíng)對(duì)比競(jìng)品圖片的時(shí)間，同時(shí)把優(yōu)秀的圖片文字化，不用再花時(shí)間去想怎么表達(dá)。?

同時(shí)，減少了溝通成本。經(jīng)常做圖的朋友應(yīng)該知道，和美工溝通是一件很痛苦的事情。他不懂你的品味，你不懂他的技術(shù)。

很多時(shí)候，運(yùn)營(yíng)只是覺(jué)得，這張圖的感覺(jué)很好，但是細(xì)說(shuō)，又說(shuō)不出哪里好。你給美工說(shuō)，你要做出這種感覺(jué)，具體什么感覺(jué)呢，你自己體會(huì)。美工說(shuō)我謝謝你啊。

那至少這一套東西出來(lái)后，大家再溝通會(huì)有一個(gè)共識(shí)，不會(huì)天馬行空了。

想法
言歸正傳，跑一次代碼要5-10分鐘，我用Claude做了一個(gè)流程圖，幫助理解。

1. 先把幾個(gè)競(jìng)品ASIN的圖片下載下來(lái)

2. 讓AI視覺(jué)模型去分析競(jìng)品圖片

3. 識(shí)別出內(nèi)容之后，用文本處理的方法提取特征。

4. 用Deepseek R1進(jìn)行推理

5. 讓Gemini綜合所有信息，寫(xiě)出文案。
AI模型選擇

剛開(kāi)始，我是直接用視覺(jué)分析圖片，生成作圖方案。后來(lái)發(fā)現(xiàn)，效果不太好。因?yàn)锳I大模型就和人一樣，有的模型擅長(zhǎng)視覺(jué)分析，有的模型擅長(zhǎng)思考，有的模型擅長(zhǎng)寫(xiě)作。

如果競(jìng)品分析內(nèi)容太多的話，只用一個(gè)大模型不太夠用。一是上下文長(zhǎng)度不夠，大模型不能識(shí)別所有的競(jìng)品圖片分析內(nèi)容。

二是視覺(jué)模型對(duì)于圖片分析比較擅長(zhǎng)，但不擅長(zhǎng)寫(xiě)文字內(nèi)容。針對(duì)這種情況，視覺(jué)模型負(fù)責(zé)處理圖片識(shí)別，最后寫(xiě)產(chǎn)品的方案時(shí)候，用另外一個(gè)擅長(zhǎng)文字的大模型。

所以，測(cè)試了幾輪后，我確定了多模型組合的流程。

視覺(jué)模型：豆包模型，負(fù)責(zé)分析競(jìng)品圖片。免費(fèi)額度比較多，先用著吧。

推理模型：Deepseek R1，負(fù)責(zé)根據(jù)競(jìng)品圖片的分析和特征，進(jìn)行推理。成本低且效果上乘。

文案模型：Gemini pro，負(fù)責(zé)綜合競(jìng)品圖片分析、R1的推理，寫(xiě)出作圖方案。Gemini 2.0 pro 有200萬(wàn)上下文，是目前所有大模型中，上下文最長(zhǎng)的模型，非常適合輸出大量文本。

?
流程

競(jìng)品圖片

用賣(mài)家精靈的主圖下載功能，把主圖下載，包括A+圖片。但是A+圖片太多，有的是大圖，有的是小圖，我沒(méi)有測(cè)試很多A+圖片。

?
階段1:視覺(jué)分析

用豆包視覺(jué)模型，分析一張圖片差不多10幾秒，一個(gè)ASIN的話，大概1分半。一開(kāi)始還好，后面分析多了話，還是有點(diǎn)費(fèi)時(shí)間的。

而且對(duì)于token的消耗也是很大，一張圖大概需要消耗6k以上的token。幾個(gè)ASIN下來(lái)，大幾萬(wàn)的token就沒(méi)了。

一天下來(lái)，幾十萬(wàn)token就沒(méi)了。好在現(xiàn)在有免費(fèi)活動(dòng)，不然還是有點(diǎn)費(fèi)錢(qián)的。

由于太費(fèi)token了，所以后面在這里加了一個(gè)檢查機(jī)制。如果本地已經(jīng)存在了分析結(jié)果，就跳過(guò)分析過(guò)程，這對(duì)于后期調(diào)提示詞還是節(jié)省了不少時(shí)間。

?
階段2:特征處理

這個(gè)階段需要把視覺(jué)分析的結(jié)果，提取特征，方便分析。不然一個(gè)ASIN的視覺(jué)分析結(jié)果，差不多有一千字，產(chǎn)品多的話，直接全給大模型的話，容易受到上下文限制。

特征處理中，我比較熟悉的是TF-IDF和Kmeans聚類(lèi)，畢竟之前用過(guò)這一套處理關(guān)鍵詞。

我又讓AI多給了LDA的主題分析和詞頻統(tǒng)計(jì)。整體感覺(jué)，特征處理的部分的效果一般。

因?yàn)镃ursor中也有上下文限制，全讓Claude改代碼的話，超過(guò)1000行就有點(diǎn)吃力了。目前這一整套代碼，差不多有2000行。

我還測(cè)試了AI embedding模型進(jìn)行向量化，但是讓模型Input視覺(jué)分析的結(jié)果總是出bug，所以就先不折騰了。

?
階段3:Deepseek R1推理

拿到視覺(jué)模型的分析結(jié)果，和特征提取后，把這些內(nèi)容都給R1去推理。

R1 模型強(qiáng)在推理，在寫(xiě)文案和上下文上，就很一般了。所以，這里只讓R1進(jìn)行推理。

?
階段4:Gemini生成方案

Gemini的上下文很長(zhǎng)，所以我把上面收集的所有內(nèi)容，全給gemini，包括視覺(jué)模型的分析界，特征處理，Deepseek R1的推理結(jié)果。

為了保證文案質(zhì)量，使用目前Google最強(qiáng)的Gemini 2.0 pro 生成文案。
?

?
效果

這是視覺(jué)分析的結(jié)果，默認(rèn)輸出json格式，再把它轉(zhuǎn)成csv格式，方便橫向?qū)Ρ雀?jìng)品圖。

?
這是特征詞分析，感覺(jué)一言難盡。。。

?
這是Deepseek的推理報(bào)告。確實(shí)需要先用推理模型過(guò)一下，直接生成的話，分析不了這么全面。

?
這是Gemini最終生成的作圖方案。采用了總-分的結(jié)構(gòu)，先寫(xiě)出了整體的設(shè)計(jì)策略，又細(xì)致的把每張圖的計(jì)劃寫(xiě)出來(lái)。

?
從效果來(lái)說(shuō)，大大節(jié)省了運(yùn)營(yíng)分析圖片的時(shí)間。對(duì)于運(yùn)營(yíng)的話，是絕無(wú)可能分析的這么細(xì)致。就一個(gè)視覺(jué)分析，就節(jié)省了足夠多的人工時(shí)間，更不用說(shuō)，還有和美工的溝通成本。

優(yōu)化

其實(shí)有很多細(xì)節(jié)都可以優(yōu)化，但是我覺(jué)得已經(jīng)是1+1<2，提升可能不會(huì)很大，因?yàn)橐呀?jīng)做到了70分，可以節(jié)省了足夠多的人工。

我覺(jué)得可以優(yōu)化的地方：

1.視覺(jué)模型可以用阿里千問(wèn)最新的模型，感覺(jué)會(huì)強(qiáng)一點(diǎn)，缺點(diǎn)是免費(fèi)額度少。

2.特征處理可以再優(yōu)化，TF—IDF對(duì)語(yǔ)義識(shí)別沒(méi)有AI embedding模型強(qiáng)。

3.語(yǔ)言模型的提示詞可以再優(yōu)化。跑通邏輯，我就花了很多時(shí)間，所以在調(diào)提示詞上，時(shí)間就少了。

?
總結(jié)

再簡(jiǎn)單回顧下整個(gè)流程，先是下載多個(gè)競(jìng)品圖片，然后給視覺(jué)模型分析。再提取特征，給Deepseek推理。最后綜合所有內(nèi)容，讓Gemini寫(xiě)出方案。

沒(méi)有AI coding，沒(méi)有Cursor，我是不可能完成到這個(gè)程度的。使用過(guò)程中，Claude很強(qiáng)，但Cursor在改超過(guò)1000行代碼的時(shí)候，經(jīng)常出bug卡頓。

AI在寫(xiě)代碼的時(shí)候，會(huì)寫(xiě)很多冗余。因?yàn)樗麜?huì)把所有情況考慮到，都做好備用方案。但是無(wú)形中，增加了代碼量，不好理解。

AI半自動(dòng)輔助工作，一定會(huì)存在很長(zhǎng)時(shí)間的。與其說(shuō)AGI，不如說(shuō)Agent AI。在相當(dāng)長(zhǎng)的時(shí)間內(nèi)，這一定會(huì)是主旋律。

最后，代碼還是不會(huì)分享，因?yàn)檫@只會(huì)吸引更多的人來(lái)問(wèn)我怎么安裝。。。

對(duì)于本次測(cè)試的文件，還是放到飛書(shū)文檔，找我領(lǐng)取。

另外，感興趣的朋友，可以把圖片或ASIN發(fā)給我，我來(lái)幫你測(cè)試效果。