上周交付了一组图给客户。

5 张塑身衣模特图，客户在飞书上回了俩字：「对了」。

听着像好事。

但你不知道，这两个字背后，我花了整整一周时间、烧了上百次 巨量TOKEN，从 GPT Image 2 烧到 Gemini Nano Banana 再烧回 GPT Image 2，Prompt 改了一遍又一遍。

说实话，中间有那么三四次我都想放弃。

我做跨境电商图也好几年了，母婴、家居、3C 配件、小家电、宠物用品，什么品类没生过。

结果这次接的塑身衣类目，差点把我打回新手。

但等收到客户那两个字的时候，我突然想明白了一件事：AI 工作流不是技术问题，是「能不能活下来」的问题。

很多人搭了一堆工作流，跑了两个月就死了。

不是模型不够强，不是 Token 不够烧，是搭的人没想清楚一件事——一个工作流活下来，靠的到底是什么。

这一周的优化尝试给了我答案。

今天把这事捋一遍。

起点：为什么塑身衣这单这么难事情是这样的。

最近接了一个做 TEMU 半托管的跨境团队的活，要批量生成内衣类目（塑身衣、文胸、塑身裤等）的模特图、场景图和详情图。

接之前我心里其实是有底的。

前面接的几个客户，全套图前后两个小时跑完一个 SKU，流程很顺。

结果塑身衣产品这单接下来，头两天就把我自己劝退了。

为什么这么难？

后来我想明白了——这个品类把「AI 生图」最难的四件事，一次性全卡死了。

不是任何一件，是四件一起来。

听我慢慢说。

坑一：AI 不知道「她是谁」头一天，我先按之前跑顺的模板试了一遍。

给 GPT Image 2 写 Prompt：a woman wearing shapewear, full body, natural lighting, lifestyle photo。

10 分钟，5 张图出来。

我自己看着挺像样的——光线、构图、表情都还行。

把图发给客户。

第二天客户回复了一句：「老猫，这不是我们的目标客户。

」那一下其实挺扎心的。

我去翻 SORFTIME 上塑身衣类目的 VOC 数据。

把头部 30 个 Listing 的好评差评全捞出来，翻了 50 多条，才看到一个被我之前完全忽略的事实：塑身衣的真实买家，90% 是 35-50 岁的产后女性或中年女性。

她们不是欧美少女，也不是健身博主，更不是网红脸。

但 AI 模型的默认偏好是什么？

18-25 岁、紧致身材、瘦高欧美脸。

你不写明白人群，AI 永远默认生成这种。

更要命的是，塑身衣这个品类不是「一个目标人群」，而是 5 个完全不同的细分人群：· 产后修复款 — 对应 25-35 岁，刚生完孩子，松弛但状态还在· 中年塑形款 — 对应 40-55 岁，有岁月感但要「得体」· 大码塑身款 — 对应 BMI 27+ 的客户，曲线感更夸张· 性感款 — 对应 30-40 岁亚洲市场，身材到位· 健身辅助款 — 对应 25-40 岁健身人群，肌肉线条5 类目标客户，需要 5 套完全不同的模特设定：年龄、身材、肤色、表情、姿势、场景全部都不一样。

我当时就明白一件事——第一坑：AI 不知道「她是谁」。

你不告诉它，它默认就错。

怎么告诉？

用 COSMO 算法把「买家是谁、几岁、什么身材、什么使用场景、什么情绪状态」全部拆出来，写在 Prompt 最前面。

每个细分人群，一套独立的人物设定。

我以为搞定这一步就能往下跑了。

结果第二个坑等着。

坑二：AI 不知道「她在意什么」人群对上了。

Prompt 里加了 40-year-old Asian female, slightly chubby, post-pregnancy body。

出图一看，人对了。

客户还是觉得不对。

我又去翻 SORFTIME 的 VOC，这次重点看好评和差评里的高频词。

差评里出现最多的是：「看不出收腰效果」「穿上之后腰部没线条」「副乳明显」「勒痕重」。

好评里出现最多的是：「穿上小腹平了」「腰线明显」「侧面看起来瘦了一圈」「没勒痕」。

我一下就明白了——塑身衣的买家，不是在看「这衣服漂不漂亮」。

她们在看「穿上之后我的身材有没有变好」。

但我之前生的图，模特全是平视镜头、正面站立、面带微笑——典型的「展示服装设计」的角度。

完全错了。

塑身衣的图，要的是：· 侧面对比镜头（显腰部曲线）· 微微转身的角度（看屁股线条）· 手叉腰的动作（凸显腰围）· 稍微低头看自己身材的神态（强调"自我修复"心理）· 侧脸特写但身体大半入镜（让买家看清"效果"而不是"模特"）这些 AI 不会默认生成。

我得把「画面要解决的痛点」白纸黑字写到 Prompt 里。

第二坑搞明白了——AI 不知道她要什么。

你得用行业 VOC 数据告诉它。

但还没完。

坑三：模型不愿意帮你人群对了、痛点对了。

我以为这次能跑顺。

第三轮翻车了——Gemini 直接拒绝生图。

我给 Gemini 写了个 Prompt：a 40-year-old Asian woman wearing tight shapewear, side view。

Gemini 给我返回："This content may violate our policy. Please modify your prompt."我血压瞬间上来了。

切换到 GPT Image 2 试。

GPT Image 2 倒是给我生了图，但画风塑料感极重，模特的脸像 Photoshop 调色过度，左手 6 根手指。

那一刻我才意识到第三个坑——不同模型对「敏感品类」的脾气完全不一样。

· Gemini Nano Banana：真实感最好，光线最自然，但对内衣 / 泳装 / 紧身衣类目极度敏感，动不动触发安全审查· GPT Image 2：服从性最好，Prompt 写啥它就给啥，但塑料感重、手脚畸形是常事· Midjourney v7：艺术感最强，氛围最到位，但同样对内衣类目防御严光是搞清楚每个模型的「边界」和「脾气」，我又烧了两三天TOKEN。

最后形成了一套多模型组合策略：· 写 Prompt 用功能性词替代敏感词：bodysuit / compression garment / activewear 代替 shapewear / corset / lingerie· 强调功能场景而不是身体部位：yoga session / morning stretching 代替 wearing on body· 多模型分工：Gemini 出真实感主图（过审的），GPT Image 2 出动作演示图，Midjourney 出氛围款这套组合下来，过审率从原来的 30% 拉到了 85%。

AI 工作流不能只懂业务。

你得懂每个模型的脾气、知道它们各自的边界。

但即便这三个坑都填了，第四个坑才是最磨人的。

坑四：客户的「说不清楚」到周末那两天，我给客户交了第一批迭代生成的 5 张图。

客户：「老猫，感觉还差一点意思。

」我：「差什么？

」客户：「说不上来，就是不对劲。

」这是做 AI 项目最怕听到的一句话。

我硬着头皮再迭代。

又生了 10 张，各种角度、各种表情、各种光线。

客户：「这张表情有点夸张，这张光线太冷，这张腰线不够明显，这张背景太花。

」10 张里挑了 2 张。

再生 20 张，挑 3 张。

再生 15 张，挑 5 张。

到第 50 张的时候，客户终于说出真正的需求：「我要的不是『好看的模特』，是『我的客户能在图里看到自己』。

」我那一瞬间反应过来了。

这才是第四坑——客户的需求，不是一开始就讲得清楚的。

很多时候客户嘴上说"要这种感觉"，但具体什么感觉、什么调性、什么细节，他自己也描述不出来。

得在反复迭代中，把这些"说不清楚的需求"，一刀一刀切出来。

那一刻 Token 烧了两千多块，但客户也终于把"她想要什么"逐字逐句说清楚了。

最后那 5 张图，客户回了"对了"。

一周，上百次 生图，花费巨量TOKEN，值了。

4 个坑背后：有生命力的 AI 工作流，都有 4 个底层事情做完，我把烧过的笔记盘了一遍。

把 4 个坑抽出来，变成一个我自己后面会反复用的判断标准：一个 AI 工作流能不能活下来，看 4 件事。

象限含义缺了的代价市场实际你的真实买家是谁（年龄/身份/身材/收入）AI 生的图永远是默认欧美少女客户需求你的客户（用图人）到底要解决什么客户永远说"不对劲"但说不出哪不对行业特色这个品类的真实卖点和痛点是什么出图全是"展示功能"，没情绪没共鸣平台规则模型有没有这个能力 + 平台允不允许工作流跑一半被拒，Token 白烧这 4 件事缺一不可。

你做一个工作流，如果只懂技术，不懂市场，3 个月内就死。

你只懂市场，不懂模型脾气，跑出来的东西过不了审。

你只懂模型，不懂客户，客户永远说"差点意思"。

你只懂客户，不懂行业 VOC，做出来的是"自嗨产品"。

我说一句可能扎心的话——做 AI 工作流跟做生意一模一样。

你不能只懂一个维度。

90% 想做 AI 工作流的人，死在「只懂技术，不懂业务」这一条上。

剩下 10% 里，还有一半死在「只懂自己，不懂客户」上。

第二件事：好产品是磨出来的，不是搭出来的烧完这一单，我算了下成本：· GPT Image 2 大概消耗 ¥600· Gemini 大概消耗 ¥1200· 加起来 ¥1800 左右如果按"一次出图就成功"的预期，这个项目最多花 ¥200。

我多花了 10 倍的钱。

但我换来的不是"5 张图"。

我换来的是——一套对内衣类目从买家画像到 Prompt 模板再到模型组合策略的完整方法论。

下次再接同类目的活，我两小时就能跑完一个客户的整套图，不再需要一周。

这才是迭代的真正价值。

很多人做 AI 工作流，搭出来跑通就停了。

结果是什么？

第一个月很爽，第三个月开始客户挑刺，第六个月工作流彻底死了。

为什么？

因为没有迭代机制。

市场会变。

客户会变。

平台规则会变。

模型能力也会变。

如果你没有「持续根据反馈调整 Prompt + 调整人群定位 + 调整品类策略」的迭代闭环，你的工作流绝对活不过半年。

好产品不是搭出来的，是磨出来的。

最后一句做了这么多 AI 工作流项目，我现在的判断越来越清楚一件事：满足市场实际 + 客户需求 + 行业特色 + 平台规则，这 4 件事都做到了，工作流才有生命力。

· 只满足 1 个，你做的是玩具。

· 满足 2 个，你做的是实验品。

· 满足 3 个，你做的是可交付的项目。

· 4 个都到位，你做的才是能持续赚钱的产品。

技术不是 AI 工作流的核心。

对市场、客户、行业、平台这 4 件事的持续判断力，才是。

烧 100 次 TOKEN 不是浪费。

是在为这 4 个判断力买单。

关注公众号「老猫企业AI实操」，后台回复「内衣生图」，获取：· COSMO 四象限买家分析模板（市场 / 客户 / 行业 / 平台 四维拆解表，含塑身衣完整填写示范）· 跨境敏感品类模特生图 Prompt 5 段式（含塑身衣 / 文胸 / 塑身裤 3 个完整 Prompt 示范）· 多模型组合策略（Gemini / GPT Image 2 / Midjourney 各自边界与组合用法）· 内衣类目 Prompt 安全词清单（30+ 替换对照，避免审核驳回）· TEMU 内衣类商品图合规自检 8 项 Checklist如果你正在做跨境电商，正想搭一套自己的 AI 图片生成方案，或者已经搭了但跑不动——加我微信 OldcatAI2026，聊聊你的品类怎么破局。

我们一起来实操企业团队 AI 落地。

— END —老猫企业AI实操 | 用 AI 让运营更高效如果你对老猫文章中介绍的自动化工作流或者AI工具使用感兴趣，可以联系微信号：OldcatAI2026我们一起来实践企业团队AI落地实操。

— END —老猫企业AI实操 | 用AI让运营更高效