目录本章导读12.1 项目背景与价值12.1.1 真实场景双十一前的 500 款新品12.1.2 用 AI 工作流解决的新思路12.1.3 本案例的两个隐形大坑12.2 工作流的设计像 CTO 一样思考12.2.1 一段工程化的指令12.2.2 拆解AI 是如何理解“工程化指令”的12.3 关键技术突破12.3.1 预处理给 AI 戴上一副“眼镜”12.3.2 结构化输出让数据“规规矩矩”12.4 运行验证见证“金牌理货员”的诞生12.4.1 处理过程12.4.2 最终产出12.4.3 设计目标与实际效果的对照12.5 经验总结与迁移应用12.5.1 三条避坑指南12.5.2 迁移场景矩阵12.6 本章小结12.7 思考与练习本章导读通过前面章节的学习我们体验了扣子编程如何通过“生成”来创造内容——写故事、画绘本、做营销素材、生成数据报告。这些场景的共同特征是“从无到有”。但是在真实的商业世界里AI 还有另一面同样重要的能力——“理解”与“结构化”也就是把杂乱无章的现实数据整理成机器可以直接消费的标准格式。本章以“电商图自动打标”为案例构建一个能够看图识图、提取标签、产出结构化 JSON 的智能工作流。学习目标1理解“生成”与“结构化”两类 AI 应用的差异2学会在工作流中混合编排传统代码与 AI 推理3认识结构化输出对系统对接的关键意义。本章重点图片预处理与多模态识别的协同、JSON 输出的格式约束以及容错机制的工程价值。12.1 项目背景与价值12.1.1 真实场景双十一前的 500 款新品想象一下你是一家户外用品店的运营经理。双十一就在两周后仓库里刚刚到了 500 件新款登山包、冲锋衣、徒步鞋每一件都需要尽快上架到电商后台。按传统方式你需要逐幅图片打开、肉眼观察然后在后台一栏一栏地手动填表商品名“户外多功能登山包”、颜色“军绿”、材质“尼龙”、适用场景“徒步、露营”。500 件商品每件填 10 个属性意味着至少 5000 次重复劳动。痛苦指数满天星——而且这套流程不仅慢还很容易出错张三可能填“军绿”李四可能填“深绿色”最终导致顾客在前台搜“军绿”时根本搜不到这批货。12.1.2 用 AI 工作流解决的新思路如果用扣子 AI 编程构建一个工作流来处理这件事整个流程会被压缩成“把图片批量丢进去自动得到一份标准的 JSON 标签数据”。这份数据可以直接被电商后台的导入接口消费无需人工二次编辑。整体工作流如图 12-1 所示——从“开始”进入图片预处理、识别主题、提取标签、JSON 输出再到“结束”串成一条完整的流水线。图 12-1 电商图自动打标的整体工作流12.1.3 本案例的两个隐形大坑这个任务看起来简单但藏着两个普通用户容易忽视的工程坑。第一个坑是图片质量参差不齐。运营同事拍的实物图有的角度是歪的手机横着拍但保存时旋转了 90 度、有的光线不足导致整幅图发暗、有的甚至有点模糊。如果直接把这些图丢给 AI识别准确率会打很大折扣甚至出现“把鞋认成包”这种低级错误。第二个坑是格式约束。前几章我们让 AI 输出给人看文案、绘本它可以天马行空。本章我们要让 AI 输出给机器看——电商后台的导入接口对 JSON 格式有严格要求少一个引号、多一个逗号系统就会拒收。这是“生成”与“结构化”两种应用范式最显著的差异。12.2 工作流的设计像 CTO 一样思考12.2.1 一段工程化的指令来看本案例的完整指令如图 12-2 所示的提示词页面。这段指令比前两章更接近“CTO 给团队布置任务”的口吻——既描述了业务目标也明确了每一步的输出契约。图 12-2 电商图自动打标的提示词页面请设计一个电商图自动打标工作流。用户上传商品图后自动生成便于管理和搜索的产品标签。① 图片预处理若图片旋转或模糊先自动校正增强保证识别准确存储在 tos 内。② 识别主题用一句话概括商品主体如“户外登山背包正面展示”识别不出则返回“无法识别”。③ 提取标签生成 3–10 个适合搜索的标签涵盖品类、场景、材质、风格、颜色等维度。④ JSON 输出最后输出标准 JSON 格式包含“主题描述”和“语义标签”。12.2.2 拆解AI 是如何理解“工程化指令”的AI 接到这段指令后在“大脑”中构建了一条严密的数据处理流水线Pipeline。整条流水线由四个节点首尾相接组成每个节点都有清晰的输入与输出。第一个节点是工程节点——图片预处理如图 12-3 所示的预处理配置面板对应的脚本片段如图 12-4 所示。AI 的“潜台词”是“人类上传的图片通常不靠谱我得先修图把歪的扶正把暗的调亮。”图 12-3 图片预处理节点的配置图 12-4 图片预处理节点的实现脚本第二个节点是认知节点——主题识别如图 12-5 所示。这里调用的是多模态大模型Vision ModelAI 的“潜台词”是“图修好了现在该用‘眼睛’看看了——这是一只包还是一双鞋”图 12-5 主题识别节点的配置第三个节点是推理节点——标签提取。这一步调用的是大语言模型LLMAI 的“潜台词”是“看到这是个包那我得从材质、风格、用途几个角度联想——这材质看着像尼龙结构像重装徒步用的那就生成对应的 SEO 标签。”第四个节点是格式化节点——JSON 输出。AI 的“潜台词”是“用户要 JSON我就不能多说废话必须严格按 Key-Value 的格式吐出来。”12.3 关键技术突破12.3.1 预处理给 AI 戴上一副“眼镜”这是本案例与之前几章“纯 AI 生成”类应用最大的不同点——本案例使用了混合智能。我们不仅用了 AI 大模型还结合了传统的代码能力让两者各司其职。在“图片预处理”节点AI 自动编写了一段 Python 代码用于检测图片的 EXIF 信息。如果发现图片自带“旋转 90 度”的元数据它会自动将图像旋转回正确方向如果发现光线偏暗则进行简单的亮度调节。这就像给近视的 AI 戴上了一副眼镜确保它看到的“上面”真的是“上面”看到的“深色”真的是“深色”。这一节点也提醒我们AI 并不是万能的恰当地把传统代码与 AI 模型组合在一起往往能把识别准确率从 80% 提升到 99% 以上。12.3.2 结构化输出让数据“规规矩矩”在前几章里AI 写文案、画绘本输出可以是任意自然语言——人类一看就懂但机器很难解析。本章则截然不同我们要求的输出格式必须是 JSON。下面这组对照能让你直观地感受到二者的区别。❌ 不合格的输出人类可读机器不可读这张图里有个包看上去是户外用的颜色偏军绿材质大概是尼龙……✅ 合格的输出机器可直接消费{theme_description: 军绿色大容量户外战术双肩包,tags: [战术, 户外, 防水尼龙, MOLLE系统, 徒步, 军绿]}AI 在搭建这个节点时通过 System Prompt系统提示词严格约束了输出格式确保每一次运行的结果都能被电商后台系统直接读取。这种格式契约式的设计是 AI 与传统软件系统协同工作时最重要的桥梁。【提示】只要涉及与其他系统如 Excel、数据库、网站后台对接请务必在指令里强调“输出标准 JSON 格式”。JSON 是 AI 与传统软件之间的通用语言规规矩矩才靠得住。12.4 运行验证见证“金牌理货员”的诞生配置完工作流后我们随手上传一幅拍摄角度随意、光线一般的户外背包图片点击“试运行”按钮。12.4.1 处理过程从系统日志中可以观察到完整的处理流程。首先在预处理阶段系统日志输出了“Image rotated by -90 degrees”意味着图片被自动扶正了。紧接着进入识别阶段多模态模型精准捕捉到了背包的几个关键细节迷彩纹路、多个外挂口袋、肩带的承重设计。12.4.2 最终产出几秒钟后屏幕上弹出了完美的结构化数据{final_result: {主题描述: 大容量迷彩战术登山背包多口袋设计,语义标签: [登山包, 迷彩, 战术风格, 多功能口袋,户外探险, 防水面料, 露营装备, 大容量],预处理图片URL: https://tos-url...}}两点惊艳之处值得指出。其一是标签的精准度AI 不仅识别出了“背包”这一品类还识别出了“迷彩”“战术风格”这种细分属性覆盖了搜索引擎优化所需的多个语义维度。其二是格式的规范度直接复制这段 JSON或者通过 API 把它写入数据库都不需要任何二次处理。12.4.3 设计目标与实际效果的对照把 12.2.1 节指令所声明的四项核心能力与本节实际运行结果做一次对照如表 12-1 所示。表 12-1 设计目标与实际交付的对照设计目标实际交付验证图片预处理校正、增强、存储图片被自动旋转 -90 度并存入 tos达成识别主题一句话概括商品主体输出“大容量迷彩战术登山背包多口袋设计”达成提取 3–10 个搜索标签输出 8 个覆盖品类/场景/材质/风格的标签达成JSON 标准格式输出结构规整可被系统直接读取达成四项设计目标全部达成且没有出现幻觉式的捏造标签。这条工作流已经具备了直接投入生产的能力。12.5 经验总结与迁移应用12.5.1 三条避坑指南经验一预处理远不止是修图。如果你的业务涉及发票识别、证件识别、运单识别等场景务必加上“图像预处理”节点。AI 虽然强大但给它一幅清晰、正向的图识别率能从 80% 提升到 99%。这条经验同样适用于音频识别、PDF 解析等其他模态。经验二JSON 是万能钥匙。只要涉及与其他系统对接请务必在指令中强调“输出标准 JSON 格式”并明确指定字段名中文也行但务必统一。这是 AI 与传统软件之间最稳定的沟通方式。经验三永远给 AI 准备一个“兜底答案”。在本章的指令里我特意写了一句“识别不出则返回无法识别”。这一句话虽然很短但极为关键——它防止了 AI 在看不懂图时胡编乱造业界俗称“幻觉”。在任何识别类应用中明确写出“无法识别时该怎么办”都是工程上必备的容错动作。12.5.2 迁移场景矩阵本案例的工作流骨架与提示词设计思路完全可以迁移到其他“图片输入 → 结构化数据输出”的业务场景。表 12-2 给出了一组典型的迁移场景。表 12-2 电商打标工作流的迁移场景矩阵业务场景输入结构化输出发票自动报销纸质发票照片金额、日期、抬头、税号证件信息录入身份证/护照扫描件姓名、证号、有效期、国籍农产品分级果蔬照片等级、瑕疵类型、估价区间医疗影像初筛X 光、CT 影像异常区域坐标、初判建议二手商品估价用户上传的商品图型号、成色、参考价区间可以看到只要将“图片预处理 → 主题识别 → 标签/字段提取 → JSON 输出”这一骨架保持不变仅仅更换业务语境与字段定义就可以快速衍生出大量企业级应用。这正是 AI 工作流真正的生产力潜能所在。12.6 本章小结本章通过电商图自动打标案例演示了如何使用扣子 AI 编程构建一个“图片输入 → 结构化数据输出”的智能工作流。和前几章“内容生成”类应用相比本章的核心命题从“从无到有”转向了“从乱到齐”——把现实世界中杂乱无章的图片数据转化为机器可直接消费的标准 JSON。12.7整章贯穿的主线是“混合智能”AI 模型负责“看图”和“联想”传统代码负责“修图”和“规整”两者协同才能在生产环境中达成 99% 以上的准确率。这一思路适用于所有需要“理解非结构化数据 → 输出结构化结果”的业务场景。当 AI 既能生成也能理解还能结构化时它就不再只是一个工具或助手而是真正意义上的数字员工。12.7 思考与练习回顾 12.2 节的四节点工作流预处理 → 识别 → 标签 → JSON 输出。请尝试为“二手手机估价”这个业务场景设计一条类似的工作流并写出每个节点的输入与输出。12.3.1 节强调了图像预处理的重要性。请思考你身边的某个识别类应用如收据 OCR、票据归档在不做预处理的前提下可能会遇到哪些识别失败的典型场景本章指令中有一句“识别不出则返回无法识别”用来防止 AI 幻觉。请为下面三个场景各补一句类似的“兜底答案”①合同关键字段提取②医疗影像分级③食品成分识别。12.5.3 节给出的迁移场景矩阵中请任选一项例如发票自动报销尝试将其输出的 JSON 字段补充完整至少包含 6 个字段并说明每个字段的数据类型字符串、数值、日期等。
第 12 章 电商图自动打标工作流
目录本章导读12.1 项目背景与价值12.1.1 真实场景双十一前的 500 款新品12.1.2 用 AI 工作流解决的新思路12.1.3 本案例的两个隐形大坑12.2 工作流的设计像 CTO 一样思考12.2.1 一段工程化的指令12.2.2 拆解AI 是如何理解“工程化指令”的12.3 关键技术突破12.3.1 预处理给 AI 戴上一副“眼镜”12.3.2 结构化输出让数据“规规矩矩”12.4 运行验证见证“金牌理货员”的诞生12.4.1 处理过程12.4.2 最终产出12.4.3 设计目标与实际效果的对照12.5 经验总结与迁移应用12.5.1 三条避坑指南12.5.2 迁移场景矩阵12.6 本章小结12.7 思考与练习本章导读通过前面章节的学习我们体验了扣子编程如何通过“生成”来创造内容——写故事、画绘本、做营销素材、生成数据报告。这些场景的共同特征是“从无到有”。但是在真实的商业世界里AI 还有另一面同样重要的能力——“理解”与“结构化”也就是把杂乱无章的现实数据整理成机器可以直接消费的标准格式。本章以“电商图自动打标”为案例构建一个能够看图识图、提取标签、产出结构化 JSON 的智能工作流。学习目标1理解“生成”与“结构化”两类 AI 应用的差异2学会在工作流中混合编排传统代码与 AI 推理3认识结构化输出对系统对接的关键意义。本章重点图片预处理与多模态识别的协同、JSON 输出的格式约束以及容错机制的工程价值。12.1 项目背景与价值12.1.1 真实场景双十一前的 500 款新品想象一下你是一家户外用品店的运营经理。双十一就在两周后仓库里刚刚到了 500 件新款登山包、冲锋衣、徒步鞋每一件都需要尽快上架到电商后台。按传统方式你需要逐幅图片打开、肉眼观察然后在后台一栏一栏地手动填表商品名“户外多功能登山包”、颜色“军绿”、材质“尼龙”、适用场景“徒步、露营”。500 件商品每件填 10 个属性意味着至少 5000 次重复劳动。痛苦指数满天星——而且这套流程不仅慢还很容易出错张三可能填“军绿”李四可能填“深绿色”最终导致顾客在前台搜“军绿”时根本搜不到这批货。12.1.2 用 AI 工作流解决的新思路如果用扣子 AI 编程构建一个工作流来处理这件事整个流程会被压缩成“把图片批量丢进去自动得到一份标准的 JSON 标签数据”。这份数据可以直接被电商后台的导入接口消费无需人工二次编辑。整体工作流如图 12-1 所示——从“开始”进入图片预处理、识别主题、提取标签、JSON 输出再到“结束”串成一条完整的流水线。图 12-1 电商图自动打标的整体工作流12.1.3 本案例的两个隐形大坑这个任务看起来简单但藏着两个普通用户容易忽视的工程坑。第一个坑是图片质量参差不齐。运营同事拍的实物图有的角度是歪的手机横着拍但保存时旋转了 90 度、有的光线不足导致整幅图发暗、有的甚至有点模糊。如果直接把这些图丢给 AI识别准确率会打很大折扣甚至出现“把鞋认成包”这种低级错误。第二个坑是格式约束。前几章我们让 AI 输出给人看文案、绘本它可以天马行空。本章我们要让 AI 输出给机器看——电商后台的导入接口对 JSON 格式有严格要求少一个引号、多一个逗号系统就会拒收。这是“生成”与“结构化”两种应用范式最显著的差异。12.2 工作流的设计像 CTO 一样思考12.2.1 一段工程化的指令来看本案例的完整指令如图 12-2 所示的提示词页面。这段指令比前两章更接近“CTO 给团队布置任务”的口吻——既描述了业务目标也明确了每一步的输出契约。图 12-2 电商图自动打标的提示词页面请设计一个电商图自动打标工作流。用户上传商品图后自动生成便于管理和搜索的产品标签。① 图片预处理若图片旋转或模糊先自动校正增强保证识别准确存储在 tos 内。② 识别主题用一句话概括商品主体如“户外登山背包正面展示”识别不出则返回“无法识别”。③ 提取标签生成 3–10 个适合搜索的标签涵盖品类、场景、材质、风格、颜色等维度。④ JSON 输出最后输出标准 JSON 格式包含“主题描述”和“语义标签”。12.2.2 拆解AI 是如何理解“工程化指令”的AI 接到这段指令后在“大脑”中构建了一条严密的数据处理流水线Pipeline。整条流水线由四个节点首尾相接组成每个节点都有清晰的输入与输出。第一个节点是工程节点——图片预处理如图 12-3 所示的预处理配置面板对应的脚本片段如图 12-4 所示。AI 的“潜台词”是“人类上传的图片通常不靠谱我得先修图把歪的扶正把暗的调亮。”图 12-3 图片预处理节点的配置图 12-4 图片预处理节点的实现脚本第二个节点是认知节点——主题识别如图 12-5 所示。这里调用的是多模态大模型Vision ModelAI 的“潜台词”是“图修好了现在该用‘眼睛’看看了——这是一只包还是一双鞋”图 12-5 主题识别节点的配置第三个节点是推理节点——标签提取。这一步调用的是大语言模型LLMAI 的“潜台词”是“看到这是个包那我得从材质、风格、用途几个角度联想——这材质看着像尼龙结构像重装徒步用的那就生成对应的 SEO 标签。”第四个节点是格式化节点——JSON 输出。AI 的“潜台词”是“用户要 JSON我就不能多说废话必须严格按 Key-Value 的格式吐出来。”12.3 关键技术突破12.3.1 预处理给 AI 戴上一副“眼镜”这是本案例与之前几章“纯 AI 生成”类应用最大的不同点——本案例使用了混合智能。我们不仅用了 AI 大模型还结合了传统的代码能力让两者各司其职。在“图片预处理”节点AI 自动编写了一段 Python 代码用于检测图片的 EXIF 信息。如果发现图片自带“旋转 90 度”的元数据它会自动将图像旋转回正确方向如果发现光线偏暗则进行简单的亮度调节。这就像给近视的 AI 戴上了一副眼镜确保它看到的“上面”真的是“上面”看到的“深色”真的是“深色”。这一节点也提醒我们AI 并不是万能的恰当地把传统代码与 AI 模型组合在一起往往能把识别准确率从 80% 提升到 99% 以上。12.3.2 结构化输出让数据“规规矩矩”在前几章里AI 写文案、画绘本输出可以是任意自然语言——人类一看就懂但机器很难解析。本章则截然不同我们要求的输出格式必须是 JSON。下面这组对照能让你直观地感受到二者的区别。❌ 不合格的输出人类可读机器不可读这张图里有个包看上去是户外用的颜色偏军绿材质大概是尼龙……✅ 合格的输出机器可直接消费{theme_description: 军绿色大容量户外战术双肩包,tags: [战术, 户外, 防水尼龙, MOLLE系统, 徒步, 军绿]}AI 在搭建这个节点时通过 System Prompt系统提示词严格约束了输出格式确保每一次运行的结果都能被电商后台系统直接读取。这种格式契约式的设计是 AI 与传统软件系统协同工作时最重要的桥梁。【提示】只要涉及与其他系统如 Excel、数据库、网站后台对接请务必在指令里强调“输出标准 JSON 格式”。JSON 是 AI 与传统软件之间的通用语言规规矩矩才靠得住。12.4 运行验证见证“金牌理货员”的诞生配置完工作流后我们随手上传一幅拍摄角度随意、光线一般的户外背包图片点击“试运行”按钮。12.4.1 处理过程从系统日志中可以观察到完整的处理流程。首先在预处理阶段系统日志输出了“Image rotated by -90 degrees”意味着图片被自动扶正了。紧接着进入识别阶段多模态模型精准捕捉到了背包的几个关键细节迷彩纹路、多个外挂口袋、肩带的承重设计。12.4.2 最终产出几秒钟后屏幕上弹出了完美的结构化数据{final_result: {主题描述: 大容量迷彩战术登山背包多口袋设计,语义标签: [登山包, 迷彩, 战术风格, 多功能口袋,户外探险, 防水面料, 露营装备, 大容量],预处理图片URL: https://tos-url...}}两点惊艳之处值得指出。其一是标签的精准度AI 不仅识别出了“背包”这一品类还识别出了“迷彩”“战术风格”这种细分属性覆盖了搜索引擎优化所需的多个语义维度。其二是格式的规范度直接复制这段 JSON或者通过 API 把它写入数据库都不需要任何二次处理。12.4.3 设计目标与实际效果的对照把 12.2.1 节指令所声明的四项核心能力与本节实际运行结果做一次对照如表 12-1 所示。表 12-1 设计目标与实际交付的对照设计目标实际交付验证图片预处理校正、增强、存储图片被自动旋转 -90 度并存入 tos达成识别主题一句话概括商品主体输出“大容量迷彩战术登山背包多口袋设计”达成提取 3–10 个搜索标签输出 8 个覆盖品类/场景/材质/风格的标签达成JSON 标准格式输出结构规整可被系统直接读取达成四项设计目标全部达成且没有出现幻觉式的捏造标签。这条工作流已经具备了直接投入生产的能力。12.5 经验总结与迁移应用12.5.1 三条避坑指南经验一预处理远不止是修图。如果你的业务涉及发票识别、证件识别、运单识别等场景务必加上“图像预处理”节点。AI 虽然强大但给它一幅清晰、正向的图识别率能从 80% 提升到 99%。这条经验同样适用于音频识别、PDF 解析等其他模态。经验二JSON 是万能钥匙。只要涉及与其他系统对接请务必在指令中强调“输出标准 JSON 格式”并明确指定字段名中文也行但务必统一。这是 AI 与传统软件之间最稳定的沟通方式。经验三永远给 AI 准备一个“兜底答案”。在本章的指令里我特意写了一句“识别不出则返回无法识别”。这一句话虽然很短但极为关键——它防止了 AI 在看不懂图时胡编乱造业界俗称“幻觉”。在任何识别类应用中明确写出“无法识别时该怎么办”都是工程上必备的容错动作。12.5.2 迁移场景矩阵本案例的工作流骨架与提示词设计思路完全可以迁移到其他“图片输入 → 结构化数据输出”的业务场景。表 12-2 给出了一组典型的迁移场景。表 12-2 电商打标工作流的迁移场景矩阵业务场景输入结构化输出发票自动报销纸质发票照片金额、日期、抬头、税号证件信息录入身份证/护照扫描件姓名、证号、有效期、国籍农产品分级果蔬照片等级、瑕疵类型、估价区间医疗影像初筛X 光、CT 影像异常区域坐标、初判建议二手商品估价用户上传的商品图型号、成色、参考价区间可以看到只要将“图片预处理 → 主题识别 → 标签/字段提取 → JSON 输出”这一骨架保持不变仅仅更换业务语境与字段定义就可以快速衍生出大量企业级应用。这正是 AI 工作流真正的生产力潜能所在。12.6 本章小结本章通过电商图自动打标案例演示了如何使用扣子 AI 编程构建一个“图片输入 → 结构化数据输出”的智能工作流。和前几章“内容生成”类应用相比本章的核心命题从“从无到有”转向了“从乱到齐”——把现实世界中杂乱无章的图片数据转化为机器可直接消费的标准 JSON。12.7整章贯穿的主线是“混合智能”AI 模型负责“看图”和“联想”传统代码负责“修图”和“规整”两者协同才能在生产环境中达成 99% 以上的准确率。这一思路适用于所有需要“理解非结构化数据 → 输出结构化结果”的业务场景。当 AI 既能生成也能理解还能结构化时它就不再只是一个工具或助手而是真正意义上的数字员工。12.7 思考与练习回顾 12.2 节的四节点工作流预处理 → 识别 → 标签 → JSON 输出。请尝试为“二手手机估价”这个业务场景设计一条类似的工作流并写出每个节点的输入与输出。12.3.1 节强调了图像预处理的重要性。请思考你身边的某个识别类应用如收据 OCR、票据归档在不做预处理的前提下可能会遇到哪些识别失败的典型场景本章指令中有一句“识别不出则返回无法识别”用来防止 AI 幻觉。请为下面三个场景各补一句类似的“兜底答案”①合同关键字段提取②医疗影像分级③食品成分识别。12.5.3 节给出的迁移场景矩阵中请任选一项例如发票自动报销尝试将其输出的 JSON 字段补充完整至少包含 6 个字段并说明每个字段的数据类型字符串、数值、日期等。
