ITPub博客

首页 > 人工智能 > 人工智能 > 识图引擎:二手电商全能估价AI应用

识图引擎:二手电商全能估价AI应用

原创 人工智能 作者:brucexia 时间:2026-11-19 10:01:06 0 删除 编辑

本文节选自清华社《人人都能搭建AI应用:扣子多模态开发实操》,获出版社和作者授权发布。本文可供各种借鉴,不允许抄袭。







第1章   识图引擎:二手电商全能估价引擎

上传一幅照片,让AI看懂物品、查清行情、报出价格、写好文案








 

本章导读

家里那副吃灰的二手耳机,到底能卖多少钱?这几乎是每个耳机发烧友都遇到过的小难题。本章将带着大家,用 一句话需求、 全程零代码的方式,做出一个真正能用的 二手物品全能估价引擎:用户上传一幅物品照片,它就能看懂这是什么、查到当前二手行情、给出合理的价格区间,并顺手写好一段可以直接发布的转卖文案。

更重要的是,这一章会把贯穿全书的两件 看家本领第一次交到大家手里——把需求“说清楚”的 七要素指令法,以及多模态智能体最核心的工作范式 模态接力。读完本章,大家不仅能做出了一个估价工具,而且能掌握一套可以无限复用的开发方法。

1.1  从一个生活难题说起

先请大家设想一个再普通不过的周末:你整理房间,翻出一副用了一年多、成色还不错的降噪耳机,想挂到闲鱼上换点零花钱。这时候,第一个让人犯难的问题就来了—— 它到底值多少钱?

挂高了,没人问津;挂低了,自己心疼。于是你打开购物平台翻新品价格,再去二手平台一个个比对同款成交记录,还要斟酌自己这副的磨损程度该打几折。一通操作下来,半小时过去了,最后写商品描述时又卡壳:成色怎么如实又好听地说?卖点怎么提炼?这套流程,笔者称之为 二手转卖的隐形门槛——不难,但繁琐,繁琐到很多人宁愿让闲置继续吃灰。

笔者观察

二手转卖的真正成本,从来不是定价本身,而是“识别→查行情→估价→写文案”这一连串琐碎动作累加起来的精力消耗。任何一步卡住,转卖意愿就会断在那里。

那么,能不能把这一连串动作交给AI,让它一次性全部办好?答案是肯定的。本章要做的,正是这样一个智能体:大家只需要 上传一幅照片,剩下的识别、查价、估价、写文案,全部由它自动完成。先来看一眼我们最终要做出的东西长什么样(如图1-1所示),有了这个“剧透”,后面的每一步就都有了奔头。

标题: 图 1-1  估价引擎的最终成品:识别结果卡与建议估价区间卡 - 说明 图 1-1  估价引擎的最终成品:识别结果卡与建议估价区间卡

图 1-1  估价引擎的部分成品页面:识别结果卡与建议估价区间卡

用户上传一幅耳机照片,它会清清楚楚地告诉你:品类是耳机、品牌是BOSE、成色评7分,并给出捡漏价、合理价、最低价三档参考。这就是本章的目标。接下来,笔者带大家一步步把它造出来。

1.2  先认识主角:扣子编程与“模态接力”

1.2.1  什么是扣子编程(Vibe Coding)

看到“开发”“代码”这些词,大家别紧张。本书自始至终使用的工具叫 扣子(Vibe Coding),它最大的特点只有一句话: 你用大白话把需求说清楚,它替你把完整的代码全部写好。

传统开发中,做一个能上传图片、调用AI、还要联网搜索、最后渲染出漂亮界面的应用,至少要懂前端、后端、接口调用三套技术,没有几周下不来。而在扣子编程里,大家要做的是 把一段需求描述清楚——它会自己规划任务、初始化工程、编写前后端代码、自测验证,最后交给你一个能直接预览、能一键上线的成品。这就是本书反复强调的 零代码的真正含义:门槛不在于你会不会写代码,而在于你能不能把想要的东西讲明白。

一句话理解

过去: 想法 → 学技术 → 写代码 → 调试 → 成品(以周计)

现在: 想法 → 说清楚需求 → 成品(以分钟计)

1.2.2  全书的核心范式:“模态接力”

所谓AI 多模态,指的是AI能同时处理图像、文字、语音、视频等多种信息形态。而 模态接力,则是指把一种能力的产出,当作下一种能力的输入,像接力赛一样一棒接一棒地传递下去。

本章的估价引擎,就是一次最朴素的模态接力: 图像理解先把照片“翻译”成结构化文字(品类、品牌、成色),这段文字再喂给 联网检索去查行情,最后所有信息汇总给 语言模型综合估价、生成文案。三种能力首尾相接,缺一不可——这正是多模态智能体区别于单一工具的地方:它不是几个功能的拼盘,而是一条 有上下文、会传递的生产线。估价引擎的“模态接力”链路(也叫模态接力链)如表1-1所示。

表1-1  估价引擎的“模态接力”链路

接力棒

调用的能力

它做的事

交给下一棒的产出

第1棒

视觉理解(LLM Vision)

看懂照片:识别品类、品牌、型号、可见成色

一段结构化的物品描述

第2棒

联网检索(Web Search)

拿着物品描述去查闲鱼 / 转转近期成交价

当前二手市场行情区间

第3棒

综合生成(LLM)

结合成色与行情,给出估价区间并撰写文案

三张结果卡片(最终交付)

把表1-1记牢,后续每一章解锁的新能力(文生图、图生视频、语音合成……),本质上都是在这条接力链上增添新的“接力棒”。

1.3  七要素指令法:把需求“说清楚”的模板

既然零代码开发的关键是“把需求说清楚”,那么怎样才算“清楚”?凭感觉随便写几句,AI 给出的结果往往南辕北辙。为此,笔者总结了一套可以套用在任何项目上的模板—— 七要素指令法。它把一段需求拆成七个必答项,只要逐项填好,AI就能精准接住你的意图。以本章估价引擎为例,七要素指令法详解如表1-2所示。

表1-2  七要素指令法详解(以本章估价引擎为例)

序

要素

作用

本例怎么写

1

目标

一句话讲清要做什么

做一个“二手物品全能估价”智能体

2

输入

说明用户提供什么

用户上传一幅物品照片

3

处理流程

拆解 AI 要走的步骤

① 视觉识别物品 ②联网查行情 ③综合估价

4

输出结构

固定产出的内容与格式

固定三块卡片:识别结果 / 估价区间 / 转卖文案

5

界面交互

描述长什么样、怎么用

顶部大号上传区,下方三卡纵向;估价用大字;文案带复制按钮

6

边界约束

划定不能做、不确定怎么办

识别不确定时主动提示补拍细节,不要瞎猜

7

风格基调

界定语气与视觉气质

专业、可信赖的“鉴定室”质感(本例由AI自主把握)

 

★   为什么是表1-2所示的这七项

大家可以这样记:前四要素(目标、输入、处理、输出)回答“做什么”,决定智能体的骨架;后三要素(界面、约束、风格)回答“怎么做得好”,决定它的体验与可靠性。一句需求只要七项齐全,AI 几乎不会跑偏。

 

 

这套方法会贯穿全书每一个案例。笔者建议大家准备一张便签,把这七个词抄下来贴在显示器旁——往后无论做什么智能体,先按七要素把需求过一遍,开发就成功了一大半。

1.4  动手开发:十分钟造一个估价引擎

1.4.1  写下你的第一条指令

打开扣子编程,新建一个项目(笔者把它命名为“二手物品全能估价”,作为需求写入提示词)。接下来,把上一节用七要素整理好的需求,原原本本地写进对话框。下面是笔者实际输入的完整指令,大家可以直接对照使用:

做一个「二手物品全能估价」智能体。用户上传一张物品照片,你就要完成估价并给出转卖建议。

处理流程:①调用视觉理解能力识别物品的品类、品牌、型号、可见成色(划痕/磨损/配件齐全度);②联网检索该型号当前二手行情(闲鱼/转转同款近期成交价区间);③综合成色给出本机的合理估价区间。

输出固定为三块卡片:1)识别结果(品类·品牌·型号·成色评分1-10);2)建议估价区间(最低价/合理价/捡漏价,并注明依据);3)一键生成的二手转卖文案(含卖点、成色实话实说、可直接复制发布)。

界面:顶部一个大号图片上传区,下方结果用三张卡片纵向展示,估价区间用醒目大字,文案块右上角带「复制」按钮。

识别不确定时主动提示用户补拍细节图,不要瞎猜。

 

提示

作者给出的提示词中,需要保留 「二手物品全能估价」中的标点、一“张”图片中的量词的习惯用法,不能改成“二手物品全能估价”或者“一幅图片”。

发送之后,扣子编程便接管了一切。页面左侧实时展示思考与操作过程,页面右侧同步预览正在生成出来的界面。如图1-2所示是输入需求后的画面:页面左边是我们的指令,页面右边已经渲染出一个标着“二手物品全能估价”、带大号上传区的页面雏形。

图1-2  在扣子编程中输入需求指令,右侧实时预览界面雏形

别慌

看到页面左侧那些英文和代码,完全不用去读懂。那是AI的“工作草稿”,我们只需要像验收装修一样,盯着页面右侧预览看效果对不对即可。这正是零代码开发的底气所在。

1.4.2  看AI如何规划与搭建

一个有经验的工程师接到开发任务,不会上来就敲代码,而是先列计划。扣子编程也是如此。它会先把大任务拆成若干小步骤,逐项推进。如图1-3所示页面左侧就是它自动生成的“更新计划”,页面右侧则是它初始化出来的部分项目文件结构。

标题: 图 1-3  AI 自动生成的任务计划(左)与初始化的项目文件结构(右) - 说明 图 1-3  AI 自动生成的任务计划(左)与初始化的项目文件结构(右)

图1-3  AI自动生成的任务计划(左)与初始化的项目文件结构(右)

我们把图1-3所示页面左侧的计划清单翻译成人话,大家就明白AI在替我们操心哪些事了(具体参如表1-3所示)。

表1-3  AI自动拆解的开发任务清单

步骤

AI 的任务

通俗解释

①

分析需求并加载必要技能(LLM、Web Search)

先想清楚要用到哪些AI本领

②

初始化Next.js项目

搭好应用的地基框架

③

深入设计风格并写入DESIGN.md

定下整体视觉风格基调

④

实现后端API(视觉识别+联网估价,流式输出)

搭建幕后的“智能流水线”

⑤

实现前端页面(上传区+三卡片结果展示)

做出用户看得见、点得动的界面

⑥

执行代码检查与验证

自己检查作业,确保能跑通

注意第 ④ 步中的“流式输出”和第 ③ 步主动撰写设计文档——这些都是AI自发补上的工程细节,笔者的指令中甚至没明说。这说明一个好工具不只是“听话”,更会“补位”。下一节,笔者就带大家看懂这条流水线背后的门道。

1.5  拆解技术方案:三步模态接力是怎么跑起来的

这一节稍微“掀开引擎盖”看一眼内部,把原理讲透,理解了原理,往后调优才有方向。整套方案可以归结为一句话: 后端把三步模态接力串成一条流水线,再用“流式”的方式把进度实时推给前端。

1.5.1  三步分别用了什么

    估价引擎三步流水线的技术构成如表1-4所示。

表1-4  估价引擎三步流水线的技术构成

步骤

使用的技术

作用与要点

视觉识别

doubao-seed-2-0-pro 视觉模型

读懂照片,输出品类、品牌、型号与1 ~ 10 分的成色评分

联网估价

Web Search 联网检索

搜索闲鱼 / 转转等平台同款近期成交价,把“行情”实时拉进来

综合生成

语言模型(LLM)综合

把成色与行情揉在一起,算出三档价格并写出转卖文案

上表中有个值得划重点的细节:联网估价这一步至关重要。如果跳过它,AI只能凭训练时的“老记忆”瞎猜价格,而二手行情是天天变化的。 接入实时联网检索,估价才有了“今天的”依据,这也是这个工具敢叫“全能估价”的底气。

1.5.2  为什么要做成“流式”体验

三步走完需要几秒到十几秒。如果界面在这段时间里一片空白、毫无反应,用户会以为程序卡死了。为此,方案采用了一种叫SSE(Server-Sent Events,服务器推送事件)的技术,让后端每完成一步就立刻把进度推送到前端,界面上便能实时显示 识别中→搜索中→估价中的三步进度。如图1-4所示,抓拍到的正是它“正在综合估价并生成文案”的那一刻。

标题: 图 1-4  SSE 流式进度反馈:界面实时显示“正在综合估价并生成文案……” - 说明 图 1-4  SSE 流式进度反馈:界面实时显示“正在综合估价并生成文案……”

图1-4  SSE流式进度反馈:界面实时显示“正在综合估价并生成文案……”

体验即专业

进度反馈看似只是个小动画,实则是产品专业度的分水岭。它把“漫长的等待”变成了“看得见的进展”,用户的焦虑被安抚,信任随之建立。

1.6  实测验收:给一副BOSE耳机估个价

代码写完不算完,能用、好用才算数。笔者按照“先验接口、再验体验”的顺序,带大家完整跑一遍验收。

1.6.1  接口冒烟测试:一个“报错”反而证明它对了

“冒烟测试”是工程行话,意思是先做个最小化的快速测试,看看会不会“冒烟”(出大问题)。扣子编程用一幅1×1像素的极小图片去调接口,结果如图1-5所示,系统返回了“图片尺寸过小”的错误提示。

标题: 图 1-5  接口冒烟测试:1×1 像素的测试图触发了“图片尺寸过小”提示 - 说明 图 1-5  接口冒烟测试:1×1 像素的测试图触发了“图片尺寸过小”提示

图1-5  接口冒烟测试:1×1像素的测试图触发了“图片尺寸过小”提示

★   如何看待这个“报错”

这个报错恰恰是好消息。它证明:接口成功收到了图片、正确启动了识别流程,并且在发现图片太小、无法识别时,规规矩矩地把错误如实抛了出来 —— 而不是硬着头皮乱猜一个结果。同时进度事件也正常工作。一个会“老实认怂”的系统,远比一个“什么都敢答”的系统可靠。

1.6.2  上传真实照片,看它怎么干活

接口没问题,接下来上真东西。笔者随手拍了一副放在桌上的二手BOSE头戴耳机(如图1-6所示),照片光线一般、背景也有些杂乱——刻意如此,就是要看看它在真实场景下的表现,而不是用“摆拍好的样板图”自欺欺人。

标题: 图 1-6  用于实测的二手 BOSE 头戴耳机(真实随手拍) - 说明 图 1-6  用于实测的二手 BOSE 头戴耳机(真实随手拍)

图1-6  用于实测的二手BOSE头戴耳机(真实随手拍)

把这幅照片拖进上传区,三步进度依次走完,几秒钟后,三张结果卡片便依次呈现。

1.6.3  解读三张结果卡片

先看前两张卡片(如图1-7所示)。最上方有一条醒目的橙色提示——“识别信息不确定,请补拍耳机完整的头梁标识、产品铭牌或包装盒以确认具体型号”。这正是我们在七要素里写下的“不确定不瞎猜”约束起了作用: 它认出了品牌BOSE,但因为照片看不清型号铭牌,便诚实地把型号标为“未知”,并主动引导用户补拍,而不是随便编一个型号糊弄过去。

标题: 图 1-7  识别结果卡与建议估价区间卡(含“识别不确定”主动提示) - 说明 图 1-7  识别结果卡与建议估价区间卡(含“识别不确定”主动提示)

图1-7  识别结果卡与建议估价区间卡(含“识别不确定”主动提示)

识别结果卡给出了:品类“耳机”、品牌“BOSE”、成色7分,并附一句“外观有轻微使用痕迹,耳罩无明显破损,未见配件”。估价区间卡则用醒目大字给出三档参考价,并在下方注明依据——“因BOSE该型号(仅有一张照片未,无型号)暂无明确行情,参考主流头戴式耳机二手价估算,7 成新仅轻微使用痕迹、无配件,价格相应下修”。估价区间三档定价的含义如表1-5所示。

表1-5  估价区间三档定价的含义

档位

本例

适用场景

捡漏价

¥120

急用钱、想最快出手时的“秒杀价”,买家视角的“捡漏”

合理价

¥200

综合成色与行情后最推荐的挂牌价,买卖双方都易接受

最低价

¥150

可接受的底线价,议价时心里有数、不至于贱卖

第三张是转卖文案卡(如图1-8所示),右上角带一个“复制”按钮,点一下就能拿走文案直接发布。它写道:“BOSE二手耳机,成色7新,正常使用痕迹,耳罩完好无破损,功能全正常,裸机无配件……二手物品售出非功能问题不退不换哦~”。短短几句,卖点、成色实话、交易提醒一应俱全,比许多人自己憋半天写出来的还要周到。

标题: 图 1-8  一键生成的转卖文案卡,右上角带“复制”按钮 - 说明 图 1-8  一键生成的转卖文案卡,右上角带“复制”按钮

图1-8  一键生成的转卖文案卡,右上角带“复制”按钮

★   回看七要素

至此大家不妨回头对照表1-2:从三卡片输出结构,到大字估价、文案复制按钮的界面要求,再到“不确定就提示补拍”的边界约束——我们当初写下的每一条需求,都在成品里被一一兑现。这就是七要素指令法的威力。

1.7  本章小结与延伸

用一句话总结本章:我们靠 一段说清楚的需求,零代码做出了一个能识图、查价、估价、写文案的二手估价引擎。但比成品更值钱的是,大家随手就装进了三件可以反复使用的工具。

★   本章三个核心收获

1 )七要素指令法—— 目标、输入、处理、输出、界面、约束、风格,把任何需求过一遍,开发就成功一大半。

2 )模态接力—— 上一种能力的产出,喂给下一种能力。这是贯穿全书的生产线思维。

3 )不确定性处理—— 宁可说“不知道、请补拍”,也不瞎猜。可靠,是AI产品的生命线。

商用延伸:这台引擎还能怎么改造

本章成品不只是个小玩具,把需求稍作调整,它就能长成真正能赚钱的工具:

▶   二手回收商:把成色评分细则改成自家收货标准,店员拍照即报收购价,统一定价、提升效率。

▶   电商运营:把“转卖文案”换成“商品卖点文案”,上传产品图即出一套标题与卖点,告别绞尽脑汁写详情。

▶   闲置社群/个人:直接封装成网页或小程序分享出去,朋友拍照即得估价,顺手就是一个有流量的小服务。

下一章预告

本章我们让AI学会了 看懂一幅图。下一章,笔者将带大家走向接力链的下一棒—— 生成一幅图:只用一句话,生成专业级的营销主视觉海报。识图与出图打通,多模态创作的大门,才算真正向大家敞开。







 

来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/18841117/viewspace-3189490/ ,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2022-02-14

  • 博文量
    229
  • 访问量
    207383