Claude Skill

platform-compliance

上架前平台合规校验与自动修复。待上架图 → Amazon / TikTok Shop / Temu / Shopee / 淘宝 各平台的通过或驳回风险报告,可一键修成合规图。当用户说「会不会被驳回」「合规检查」「白底不达标」「主图规格」「传上去被拒」时使用。

LLM Mart · 0 points · 1 views 0 listing impressions 0 install-command copies
Download dlazy-ai-ecommerce-skills-skills_platform-compliance-c022f20.zip · 28 KB

Install

skills CLI npx skills add https://github.com/dlazy-ai/ecommerce-skills/tree/main/skills/platform-compliance
Claude Code claude plugin marketplace add https://llmmart.ai/marketplace.json && claude plugin install dlazy-ai-ecommerce-skills@llmmart
Git git clone https://github.com/dlazy-ai/ecommerce-skills.git

The skills CLI installs just this skill, for any of its supported agents. Claude Code installs the whole dlazy-ai/ecommerce-skills collection as a plugin from our marketplace. Git is the plain clone.

Skill manifest

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

  1. 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)。
  2. 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。
  3. 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。
  4. 修完复检。--fix 后脚本会自动对产物再检一遍,确认真的过了。
  5. 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。
Files (ecommerce-skills)
  • examples
    • brand.yaml 1.6 KB
      Loading…
  • references
    • platform-specs.md 2.1 KB
      Loading…
    • provider-cli.md 4.7 KB
      Loading…
  • scripts
    • lib
      • miniyaml.mjs 2.8 KB · in bundle
      • providers.mjs 11.9 KB · in bundle
      • tasks.json 3.1 KB
        Loading…
    • brand.mjs 4.4 KB · in bundle
    • check_listing.py 15.6 KB
      Loading…
    • gen.mjs 9.3 KB · in bundle
  • skill.md 7.5 KB
    ---
    name: platform-compliance
    description: 上架前平台合规校验与自动修复。待上架图 → Amazon / TikTok Shop / Temu / Shopee / 淘宝 各平台的通过或驳回风险报告,可一键修成合规图。当用户说「会不会被驳回」「合规检查」「白底不达标」「主图规格」「传上去被拒」时使用。
    ---
    
    # 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](../detect-task/skill.md) 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](../flat-lay/skill.md) 的实际产出图,按 Amazon 主图规则检:
    
    ```bash
    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:
    
    ```bash
    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](../batch-image/skill.md) 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](../detect-task/skill.md) 的视觉模型 |
    | 判断商品有没有崩 | [detect-task](../detect-task/skill.md) |
    | 去水印 | [remove-watermark](../remove-watermark/skill.md) |
    | 修图、去褶皱 | [item-repair](../item-repair/skill.md) |
    
    **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`](references/platform-specs.md)。
    
    ---
    
    ## 三、工具调用
    
    ```bash
    # 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:
    
    ```bash
    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
    
    1. **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`)。
    2. **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。
    3. **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。
    4. **修完复检**。`--fix` 后脚本会自动对产物再检一遍,确认真的过了。
    5. **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](../detect-task/skill.md) 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。
    

Comments (0)

Sign in to join the conversation.

No comments yet.

Reviews (0)

No reviews yet.