Picset 专栏

图片文件叫“最终版.png”，后来同名文件又被覆盖了，上传记录却仍然写着旧名称。只按文件名核对资产，就可能分不清上次实际用的是哪份内容。这里实现一个本地文件清单函数：为文件读取字节数与SHA-256，并把调用方提供的商品信息一起记录。

做一个商品图选择器，用户上传图片，前端用 URL.createObjectURL(file) 给img显示。换一张图片，再创建一个URL；关闭面板以后，上一张图已经看不见了，但代码是否还记得释放它？问题不在界面有没有清空，而在谁拥有这些对象URL的生命周期。

给生成工具一张产品照片，它可能得到外观信息，却不一定知道商品如何交付。图里的配件是否附送，包装是否仍在使用，多个颜色究竟对应几个商品版本，这些往往不在像素里。讨论AI 商品图工具时，输入照片之外的资料，是一处值得关注的工作边界。

把店里所有商品放到同一套背景、同一种光线和同样的位置，目录会显得整齐。这种整齐也容易成为工具演示的卖点。但一家店同时卖木托盘、陶壶和金属餐具时，同一套表现是否都能让商品信息看得清？统一风格可以是一项设计目标，不该自动成为每件商品必须接受的修改。

同一款商品准备进入不同语言的页面，团队可能先想到把图上的中文换成目标语言。替换以后却会发现，标题变长了，参数挤出了文本框，包装里的文字仍是中文，某些表达也不是当地买方需要的信息。商品图本地化同时涉及语言、版式与商品对应，不能只按翻译完成来验收。

衣服上架前只有一张平铺图，最容易发生的不是“画面不够高级”，而是买家看不出领口、袖口和布料在身上的样子。补图时先别急着换一套漂亮背景。把现有平铺图当作原始证据，先检查颜色是否接近实物、衣身有没有被折叠遮住、尺码信息有没有独立位置。原片本身说不清楚的问题，后续再精致的排版也补不回来。

赶上新档期，运营手里常常有几十张平铺原片，却没有一张完整的展示图。此时先做场景图，看似进度很快，实际可能绕了远路：商品颜色没有统一、角度不一致、同款不同色混在一起，做完再返工更麻烦。

做一张白底图，很多人把注意力放在“抠图按钮”上，实际决定边缘质量的往往是上传前那张照片。米白衣服贴着白墙拍，袖口与背景几乎没有明暗差；透明杯子放在花纹桌面上拍，杯沿本来就难以区分。软件再快，也得先猜哪里是商品、哪里是背景。