Detect Task

detect-task — 投放前 AI 图真实性检测

AI 生图上架前的最后一道关。判断这张图能不能直接投，崩在哪里，怎么修。

和其他技能的区别：本技能不生成图片，输出的是判断。它的价值在于把「生成 → 检测 → 重跑」闭起来——检测报告里直接给出该追加到 prompt 的修正句。

生成效果示例

实际执行的命令：

dlazy claude-sonnet-5 \
  --prompt '你是电商投放前的图片质检员。审查这张 AI 生成的服装商拍图能否直接用于电商投放。全部用中文作答（第 4 项的 prompt 修正句除外）。严格按以下结构输出：
## 1. 风险等级
低风险 / 中风险 / 高风险（三选一）
## 2. 风险项逐条判定
用表格输出，三列：风险项 / 结论（通过 或 命中）/ 证据。风险项固定为这 8 条：商品崩坏、人脸不自然、手部异常、肢体结构错误、文字乱码、光影矛盾、边缘融合痕迹、平台合规。
## 3. 投放建议
建议投放 / 建议重跑 / 建议人工修图
## 4. 修正建议
若建议重跑或人工修图，给出应追加到生成 prompt 的英文修正句 1-3 条；若建议投放，写「无需修正」。
只输出报告，不要寒暄。' \
  --images docs/detect-task/candidate.jpg \
  | python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])' \
  > docs/detect-task/example-report.md

输出：完整报告见 docs/detect-task/example-report.md，3 credits。摘要：

• 风险等级：低风险
• 8 项判定：7 项通过；文字乱码 命中（轻微）——左侧袖口的织标图案模糊不可辨
• 投放建议：建议人工修图（仅需局部处理袖口小标签）
• 修正建议：clear and legible brand tag/logo embroidery on cuff, sharp fine detail, no blurry or garbled text

这条修正句可以直接追加到 flat-lay 的原 prompt 末尾重跑——这就是闭环。

1、能力边界

8 项风险清单

不做：不替代人工终审（模型判断有误报漏报）；不做法律与平台规则的最终裁定；不用于给明显违规的图背书。

2、报告要能直接驱动重跑

检测的意义不是打分，而是告诉生成环节要改什么。所以报告的第 4 项必须是可直接复制到 prompt 的英文句子。

典型映射：

闭环写法：

生成 → detect-task → 命中项 → 取修正句 → 追加到原 prompt → 重跑 → 再检测

3、批量抽检

批量出图后不必全检（成本 3 credits/张，但人工看报告的时间是瓶颈）。建议：

批量脚本见第五节 command examples。把 高风险 的 SKU 自动打回重跑队列。

4、工具调用

本技能使用 dLazy 的 claude-sonnet-5（具备图像理解能力的文本模型；本技能要的是判断与结构化报告而不是图片，需要能逐项审查画面并写出可执行的修正建议——单张约 3 credits）。

调用方式

两种等价写法，选一种。统一入口会自动选后端、失败重试、建目录落盘、估算成本：

# A. 统一入口（推荐）：可切任意后端，加 --dry-run 不计费空跑
node scripts/gen.mjs --task detect-task \
  --prompt '<见下方 Prompt 模板>' \
  --images <按下表顺序> \
  --save output/detect-task-<sku>.jpg

# B. 直接用 dLazy CLI（不想引入 Node 依赖时，效果等价）
dlazy claude-sonnet-5 --prompt '...' --images ... --save output/detect-task.jpg

参数约定（本技能固定用法）

取结果：文本模型的输出在 result.data.texts[0]（不是 urls）。

dlazy claude-sonnet-5 --prompt '...' --images a.jpg \
  | python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])'

dlazy --format text <tool> 也可以把纯文本打到 stdout，注意 --format 是全局选项，必须写在子命令之前。

Command Examples

# basic call: 单张检测
dlazy claude-sonnet-5 \
  --prompt '你是电商投放前的图片质检员。审查这张 AI 生成的商拍图能否直接投放，输出风险等级、8 项风险的逐条判定、投放建议，以及应追加到生成 prompt 的英文修正句。只输出报告。' \
  --images docs/detect-task/candidate.jpg \
  | python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])'

# complex call: 固定质检 prompt + 批量抽检 + 高风险自动打回
QC='你是电商投放前的图片质检员。审查这张 AI 生成的服装商拍图能否直接用于电商投放。全部用中文作答（第 4 项的 prompt 修正句除外）。严格按以下结构输出：

### 延伸阅读

| 要查什么 | 去哪 |
| --- | --- |
| 认证、多后端配置、输出结构、错误码 | [`references/provider-cli.md`](references/provider-cli.md) |
| `claude-sonnet-5` 的全部可用参数 | [`references/model-flags.md`](references/model-flags.md) |
| 统一入口的全部选项 | `node scripts/gen.mjs --help` |

## 1. 风险等级
低风险 / 中风险 / 高风险（三选一）
## 2. 风险项逐条判定
用表格输出，三列：风险项 / 结论（通过 或 命中）/ 证据。风险项固定为这 8 条：商品崩坏、人脸不自然、手部异常、肢体结构错误、文字乱码、光影矛盾、边缘融合痕迹、平台合规。
## 3. 投放建议
建议投放 / 建议重跑 / 建议人工修图
## 4. 修正建议
若建议重跑或人工修图，给出应追加到生成 prompt 的英文修正句 1-3 条；若建议投放，写「无需修正」。
只输出报告，不要寒暄。'

mkdir -p docs/detect-task/reports
: > docs/detect-task/rerun-queue.txt

for f in docs/batch-image/out/*.jpg; do
  SKU=$(basename "$f" .jpg)
  dlazy claude-sonnet-5 --prompt "$QC" --images "$f" 2>/dev/null \
    | python3 -c 'import sys,json;print(json.load(sys.stdin)["result"]["data"]["texts"][0])' \
    > "docs/detect-task/reports/${SKU}.md"
  if grep -q '高风险' "docs/detect-task/reports/${SKU}.md"; then
    echo "$SKU" >> docs/detect-task/rerun-queue.txt
  fi
done

echo "需要重跑：$(wc -l < docs/detect-task/rerun-queue.txt) 个 SKU"

# 先估价不真跑
dlazy claude-sonnet-5 --dry-run --prompt '...' --images a.jpg

Error Handling

AGENT CRITICAL INSTRUCTION:

1. If the execution result returns code: "insufficient_balance", you MUST explicitly inform the user that their credits are insufficient and guide them to recharge: https://dlazy.com/dashboard/organization/settings?tab=credits
2. If the execution result returns code: "unauthorized" or indicates missing API key, you MUST inform the user to get their API key from https://dlazy.com/dashboard/organization/api-key and save it using dlazy auth set <key> and resume the task.

5、Prompt 模板

这份 prompt 应该在整个项目里固定不变，否则不同批次的报告没法比较。

你是电商投放前的图片质检员。审查这张 AI 生成的[品类]商拍图能否直接用于电商投放。
全部用中文作答（第 4 项的 prompt 修正句除外）。严格按以下结构输出：

## 1. 风险等级
低风险 / 中风险 / 高风险（三选一）

## 2. 风险项逐条判定
用表格输出，三列：风险项 / 结论（通过 或 命中）/ 证据。
风险项固定为这 8 条：商品崩坏、人脸不自然、手部异常、肢体结构错误、
文字乱码、光影矛盾、边缘融合痕迹、平台合规。

## 3. 投放建议
建议投放 / 建议重跑 / 建议人工修图

## 4. 修正建议
若建议重跑或人工修图，给出应追加到生成 prompt 的英文修正句 1-3 条；
若建议投放，写「无需修正」。

只输出报告，不要寒暄。

可选的加强项

6、执行流程

1. 固定质检 prompt（第五节模板），整个项目复用。
2. 单张检测：取 result.data.texts[0] 得到报告。
3. 读第 3 项：建议投放 → 上架；建议人工修图 → 转修图；建议重跑 → 下一步。
4. 取第 4 项的修正句，追加到原生成 prompt 末尾，重跑。
5. 再检测一次——确认修正生效，别盲信一次重跑。
6. 批量场景：按第四节的比例抽检，高风险 自动进重跑队列。
7. 人工终审：模型有误报漏报，上架前仍需人眼扫一遍。

7、常见问题

Tips

Visit https://dlazy.com for more information.