# 服装实景种草图 · 实测记录

测试日期：2026-10-17。执行方式：GPT 内置 image_gen，单次生成两轮，未经后期修图。

## 实际结论

- 咖啡馆门口行走、窗边坐姿各生成一张，均为实际新生成。
- 自然光、毛衣绒毛、人物与环境融合有可展示的效果。
- 两张人物面孔、发型和咖啡馆背景目视较连贯；这只是两张样本的人工观察，不是稳定性保证。
- 商品保真未通过：领口比例、门襟纽扣排列、袖口比例有重绘，第二张仍未完全解决。
- 风格也比原参考更工整，原图那种随手抓拍感尚有差距。
- 输入仅为用户提供的低分辨率截图，没有独立商品平面图或多角度细节，不能证明可精确还原真实 SKU。
- 本轮没有测试换成另一位模特、另一款商品、国内模型或 API。

## 开源参考与改动

来源：https://github.com/dlazy-ai/ecommerce-skills
技能：skills/clothing-grass-planting/skill.md
固定版本：4f2b255bb5b108ad4be45fa0116d041ef6ae56d6
许可证：MIT。原文和许可证保留于 source；可随包查看对应副本。

沿用“逐件列穿搭 + 场景/动作/光线/机位 + 质检”方法。
改为本会话内置生图，未运行上游 CLI/API。上游的后端、自动重试、计费和批量能力均未验证。
将人物、服装细节和整套搭配拆成三个参考角色；减少强虚化和颗粒滤镜，并让第二张沿用第一张场景。
用户截图分辨率低于上游建议；本轮为适配后的探索测试，不是原项目在推荐输入条件下的基准。

## 两轮调用

1. 输入 reference-1（完整穿搭）、reference-2（人物面孔）、reference-3（衣服细节），生成 outputs/01-cafe-doorway.png。完整提示词 prompt-01.txt。
2. 输入第一轮结果、reference-3（衣服结构优先）、reference-2（面孔），生成 outputs/02-cafe-window-seated.png。完整提示词 prompt-02.txt。在换坐姿时追加“不增加纽扣、不加高领口”，但仍有漂移。

## 演练步骤

1. 带齐服装、人物与风格参考，先说明每张图的用途。
2. 用 prompt-01.txt 生成一张主图，逐项看脸、领口、门襟、面料、光影。
3. 主图合格后，原始商品图继续随附，用主图固定风格，再生成不同动作。
4. 发现商品细节漂移时停止扩图，回到清晰商品参考做局部修正。
5. 接工作台/API时映射相同的参考角色、提示词与结果检查；不能把此报告当作 API 已接通。

下一步应补高清商品正面与领口、门襟近照，再进行保真修正。现阶段适合讲解生图流程，不宜把这两张当作已经还原真实商品的最终上架图。