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

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）。
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。
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。
修完复检。--fix 后脚本会自动对产物再检一遍，确认真的过了。
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。

platform-compliance

Files10

SKILL.mdskills/platform-compliance/skill.md