二手平台上架慢半拍，我给商品图描述生成立了三道关卡
一、业务痛点：一张照片，三个岗位在等
我带着一个五人小团队做二手交易平台的SaaS工具，客户是平台上的中小卖家。去年接手这个项目时，我做的第一件事不是看代码，而是坐在运营同学旁边看了一下午她怎么帮卖家上架商品。
流程大概是这样：卖家上传一张商品照片，运营同学要打开看一眼，猜这是个什么品类，然后手写一段标题加三五行描述，注明成色、尺寸、瑕疵。一个熟练的人处理一张图要两三分钟，遇到不熟悉的品类（比如钓鱼装备、手办周边）要翻资料，时间直接翻倍。高峰期积压几百张图，卖家催、运营怨，我这个管理者夹在中间。
技术同学的第一反应是「上AI，多模态模型看图生成描述，一个API调用的事」。原型两天就跑通了，效果确实惊艳。但我作为管理者，很快发现了三类新问题：
- 质量不稳定：模型偶尔会把女装写成男装，把有明显划痕的商品描述成「成色良好」——二手交易里，描述失实直接等于客诉和退款。
- 协作断层：AI生成的文本直接进库，运营改完的版本没有回流，我们既不知道AI的出错率，也无法沉淀优化提示词。
- 成本失控风险：图片描述生成每次调用都要花钱，卖家无限上传图片重试时，账单会悄悄膨胀，而当时没有任何监控和限额手段。
这个项目给我最大的教训是：AI落地的难点不在第一次调用成功，而在于把质量、协作、成本这三件事纳入可控的流程。
二、架构设计：三道关卡加一个统一出口
我重新梳理了架构，核心思路是让AI的输出必须经过人的关卡，让所有调用必须经过统一的出口。
整体链路如下：
卖家上传图片
↓
【关卡1：预检】 图片合规检测（尺寸/清晰度/违规内容）→ 不合格直接打回
↓
【出口】 统一AI网关
├── 路由到视觉模型（图片→结构化JSON：品类/颜色/成色候选/瑕疵区域）
├── 统一鉴权、限流、计费、日志
└── 主备模型自动降级（主模型超时切换备用）
↓
【关卡2：模板组装】 结构化JSON + 品类话术模板 → 生成描述草稿
↓
【关卡3：人工抽检】 运营在后台看到「原图 + AI草稿 + 置信度」三联界面
├── 置信度高 → 一键采纳
├── 置信度低 → 强制人工编辑后才能发布
└── 采纳/修改记录回流，用于每月优化提示词
↓
商品上架管理者视角下，这个设计的价值在于：每个环节都有明确的责任人和验收标准。预检是技术的责任，模型调用是架构的责任，最终发布是运营的责任——出了描述失实的客诉，我们能在日志里定位到是模型错了还是编辑漏改了。
三、关键实现步骤
第一步：先定义输出契约，再写提示词
不要让模型直接「写一段描述」，而是要求输出严格的JSON结构：
VISION_PROMPT = """
分析这张二手商品图片，以JSON输出：
{
"category": "一级品类/二级品类",
"brand_guess": "品牌（不确定则为null）",
"color": "主色调",
"condition": "全新/几乎全新/明显使用痕迹",
"defects": [{"type": "划痕/污渍/缺损", "location": "位置描述", "severity": "轻/中/重"}],
"confidence": 0-100
}
要求：看不清的信息宁可null，不要编造。
defects为空数组时，condition不得标注"几乎全新"以上。
"""这条「宁可null不要编造」的规则，是我被客诉教育出来的。二手交易的信任建立在描述准确上，AI的幻觉在这里是致命的。
第二步：网关层统一封装，调用方零感知
我们在网关层做了三件事：请求日志落库（记录每张图的模型响应和耗时）、按卖家维度限流（每天每人最多N次生成）、主备模型切换（主模型超时3秒自动降级）。业务代码里只调一个内部函数，完全不知道背后是哪家模型——这为后续换模型省下了大量沟通成本。
第三步：把人工反馈做成流程而非口号
运营后台的关键设计是「置信度联动」：confidence低于80的描述，界面强制进入编辑态，且系统统计每周「AI采纳率」「人工修改率」「修改类型分布」。这三个数字是我每月例会必看的报表——它告诉我们提示词该不该优化、哪个品类需要单独的话术模板。
四、为什么统一AI网关能降低维护成本
上线三个月，我们经历过一次模型服务商涨价、一次接口返回格式变更。两次都是网关层一个同事半天内处理完，业务代码一行没动。我算过一笔账：如果五个业务模块各自直连模型API，每次变更要通知五个模块的负责人、排五份联调时间，按我们团队节奏至少两周。统一网关之后，这类变更收敛为「网关内的一次适配」，管理者不需要在每次模型波动时重新协调人力。
除了变更收敛，网关还带来两个隐性收益：一是成本可视，所有调用的token消耗汇总在一处，我可以按功能线看账单，而不是月底收到一个糊涂总数；二是风险可控，密钥统一保管在网关侧，不散落在各处代码仓库里，对一个小团队来说是最低成本的安全兜底。
五、落地效果与经验沉淀
流程跑通后，运营处理一张图的平均时间从两三分钟降到40秒以内（主要是确认和微调），高峰积压基本消失。但我认为更有价值的是建立了「AI生成必须过人、调用必须过网关」两条团队规矩——它们比任何单点优化都更能保证项目长期可控。
给同样在做AI落地的小团队管理者三句话：先画出完整流程再写代码；AI输出必须有人工关卡兜底；从第一天就统一API出口，别等到账单和变更一起找上门。
如果你正在寻找一个统一接入多家模型的AI网关服务，可以把接入入口收敛到一处再开始，这里有一个可以直接注册试用的方案：https://api.thistoken.ai/register
---
本文的示例只需一个 API Key 就能复现：在 https://api.thistoken.ai/register 注册即用。