dlazy-ai platform-compliance — 上架前合规校验
图片好不好看是一回事，平台收不收是另一回事。
这个技能只回答后者：这张图传上去会不会被驳回，卡在哪一条，怎么改。
和 detect-task 的分工： detect-task 用视觉模型判断「像不像真的」，主观、要花算力； 本技能读像素做客观判定，不花算力、毫秒级、结论可复现。两个都过才叫能投。
生成效果示例
拿本仓库 flat-lay 的实际产出图，按 Amazon 主图规则检：
python3 scripts/check_listing.py docs/flat-lay/example-output.jpg --platform amazon
真实输出
docs/flat-lay/example-output.jpg · Amazon 主图 · 有驳回风险
1024×1536 JPEG 0.25MB · 背景 RGB(208, 208, 208) · 主体占比 100.0%
! 分辨率 最长边 1536px，达标但不足以触发放大镜
✓ 画面比例 1024:1536
✗ 纯白背景 边缘仅 0.0% 为纯白，背景基色约 RGB(208, 208, 208)
✓ 主体占比 包围盒占画面 100.0%
✓ 透明通道 无 alpha
✓ 边框 无描边
✓ 文件格式 JPEG
✓ 文件体积 0.25 MB
✓ 色彩模式 RGB
? 文字 / 水印 / 拼图 像素层判不了，交给 detect-task 或人工过一眼
这张图肉眼看是「浅灰棚拍背景」，很干净，但 Amazon 主图要求精确 RGB(255,255,255)， 208 的灰会被判不合格。这类问题人眼几乎发现不了，机检一秒钟出结论。
一键修：
python3 scripts/check_listing.py docs/to-3d/example-output.jpg --platform amazon --fix out/
out/example-output-fixed.jpg · Amazon 主图 · 通过
1600×1402 JPEG 0.50MB · 背景 RGB(255, 255, 255) · 主体占比 85.1%
压白底 → 按 85% 目标重构画布 → 补到 1600px → 存合规 JPEG，一步到位。
一、能力边界
| 能做 | 说明 |
|---|---|
| 客观规格判定 | 背景纯度、主体占比、分辨率、比例、透明通道、描边、格式、体积、色彩模式 |
| 多平台规则 | Amazon / TikTok Shop / Temu / Shopee / Shopify / 淘宝，可自定义 |
| 自动修复 | 压白底、按目标占比重构画布、补分辨率、压到体积上限 |
| 批量 | 一次传多张，或配合 batch-image 整批过 |
| 退出码 | 0 = 可投；1 = 有驳回风险，便于接进 CI 或流水线 |
| 不能做 | 去哪 |
|---|---|
| 判断有没有文字 / 水印 / 拼图 | detect-task 的视觉模型 |
| 判断商品有没有崩 | detect-task |
| 去水印 | remove-watermark |
| 修图、去褶皱 | item-repair |
自动修复的边界：--fix 只做几何与色彩层面的合规化，它不会替你修图。
如果原图本身是糊的、崩的、带水印的，修完还是糊的崩的带水印的。
二、平台规则
| 平台 | 纯白底 | 最长边（下限 / 建议） | 主体占比 | 比例 | 体积上限 |
|---|---|---|---|---|---|
amazon |
是 | 1000 / 1600 | ≥ 85% | 不限 | 10 MB |
tiktok-shop |
否 | 800 / 1600 | ≥ 60% | 1:1 或 3:4 | 5 MB |
temu |
是 | 800 / 1350 | ≥ 70% | 1:1 | 3 MB |
shopee |
否 | 500 / 1024 | ≥ 55% | 1:1 | 2 MB |
shopify |
否 | 1024 / 2048 | 不限 | 不限 | 20 MB |
taobao |
是 | 800 / 1200 | ≥ 70% | 1:1 | 3 MB |
平台规则会变。 上表是可机检的子集，以各平台最新官方文档为准。
需要改用自己的口径，写一份 JSON 用 --rules 传入，字段说明见
references/platform-specs.md。
三、工具调用
# 单张
python3 scripts/check_listing.py main.jpg --platform amazon
# 整批 + 机器可读
python3 scripts/check_listing.py out/*.jpg --platform temu --json
# 校验并自动修复到 fixed/
python3 scripts/check_listing.py raw.png --platform amazon --fix fixed/
# 自定义规则
python3 scripts/check_listing.py main.jpg --platform amazon --rules my-rules.json
只依赖 Pillow：
pip install Pillow
参数约定
| 参数 | 取值 | 理由 |
|---|---|---|
--platform |
目标平台 | 决定用哪套阈值，默认 amazon |
--json |
接流水线时加 | 输出结构化结果，含每项的实测值与阈值 |
--fix <dir> |
想自动改时加 | 产物另存，不覆盖原图 |
| 退出码 | 0 / 1 |
有驳回风险时非零，方便 && 串联 |
四、执行流程
- 确认平台。用户没说就问，或按店铺主战场默认（跨境 →
amazon，国内 →taobao）。 - 先检后修。直接跑一次不带
--fix的校验，把问题念给用户听—— 有些问题（比如主体占比不够）修复会裁掉画面，得让用户先知道。 - 区分两类问题：
- 几何 / 色彩类（白底、占比、分辨率、体积）→
--fix能解决。 - 内容类（水印、文字、商品崩坏）→ 回到对应的生成或修图技能重做。
- 几何 / 色彩类（白底、占比、分辨率、体积）→
- 修完复检。
--fix后脚本会自动对产物再检一遍，确认真的过了。 - 接回生成侧。反复不合规时，把约束写进 prompt 而不是每次事后修： 见下方「把合规前置到生成」。
五、把合规前置到生成
事后修不如一次生对。这几句追加到生成 prompt 末尾，能显著降低不合格率：
| 目标 | 追加句 |
|---|---|
| 纯白背景 | Pure seamless white background, RGB 255,255,255, no gradient, no vignette, no shadow cast on the backdrop. |
| 主体占比 | The product fills at least 88% of the frame, tight crop, minimal empty margin on all sides. |
| 无文字水印 | No text, no logo, no watermark, no inset images, no borders anywhere in the frame. |
| 方图 | Square 1:1 composition, product centered. |
run_loop 会自动做这件事：合规校验失败时， 它把上面对应的句子追加进 prompt 再跑一轮，不用人管。
六、常见问题
| 现象 | 原因 | 怎么办 |
|---|---|---|
| 肉眼纯白，机检说不是 | 棚拍浅灰墙（RGB 200–245）或轻微渐变 | --fix 压白，或生成时按上表加约束句 |
| 主体占比总不够 | 生成时留白太多 | prompt 里写 tight crop；或 --fix 重构画布 |
| PNG 传上去变黑底 | 透明通道被平台转成黑色 | 永远压平为白底 JPEG，--fix 会自动做 |
| 修完占比还是差一点 | 方图平台下，长条商品的占比有物理上限 | 脚本已取可达上限；接受它，或改用非方图平台的坑位 |
文字水印项永远是 ? |
像素层测不了 | 交给 detect-task，或人工过一眼 |
Tips
- 把它接进 CI：
check_listing.py out/*.jpg --platform amazon退出码非零就拦下， 比人工抽检可靠。 - 先检一张再跑整批：整批生成前拿一张过一遍合规，能省掉一整批的返工。
- 不同坑位不同规则：主图严、细节图松。别拿主图的阈值去卡详情页配图。