AI生图做的主图，缩到列表页那一格还剩什么

AI生图做的电商主图，真正的验收尺寸不是导出时的长边像素，而是平台列表页那 200 到 300 像素的一格：缩进去之后还认得出是什么、外轮廓和明暗关系还站得住的图，才算过关。

上周四下午三点多，我们把三张自认过得去的图丢进同一个 260 像素宽的方框。会议室那台老显示器偏黄，看着都还行。转到小钟的笔记本上，抽纸那张先塌了。

那次并排，三个人看出三个结论

小钟是运营，她盯着屏幕看了几秒，说了一句我记到现在的话：「这张纸缩完像块抹布。」

老陈不服。他是设计，抽纸那张是他盯了一下午的，压花的层次、叶子的虚实、盒子侧面的转折，每一处他都调过。他把图放大回原尺寸，指着屏幕说，你看这里，这里都是对的。我说我知道是对的，问题是我们卖货的地方不给人看这个尺寸。

第三个人是我。我一开始的判断是遥控器那张最丑——白底、黑块、字挤在下面，原尺寸看甚至有点土。可它在小方框里是唯一一张我不用眯眼就能说出"这是个遥控器"的图。

三个人的分歧不在审美，在尺寸。同一批图，换一个观看尺寸，排序会整个翻过来。这件事我们之前没认真算过，一直是拿原图评审，上了架再看来得及就改、来不及就算。

那天下午我们把过去三个月的图翻了一遍，按 260 像素重看，能过的不到一半。

缩小这个动作，先砍掉的是高频

平台把一张 1500 像素宽的图塞进 260 像素的格子里，中间要做一次重采样。大多数实现是取周围一片像素做加权平均，五倍缩小，等于把 25 个像素的信息压进 1 个。

平均这个动作对不同的东西是不公平的。纹理、细线、小字、锐利的边缘，这些属于高频，它们的变化密集，一平均就被抹平，颜色互相中和，最后剩下一点含混的灰。大色块、明暗分布、外轮廓属于低频，它们在空间上变化缓慢，平均之后还在原来的位置上。

所以缩略图不是原图的等比例复制，它是原图被砍掉一轮之后的残骸。而砍掉哪一部分，是可以提前预判的。

有个笨办法能模拟这件事：把手机拿到一米五以外，或者把眼睛眯起来。眯眼在光学上就是一次低通，进到视网膜的高频变少，剩下的是明暗块面。你在眯眼状态下看不清的东西，缩略图里多半也留不住。

变量一：主体在画框里占了多少

第一件事是量面积。不是量主体有多大，是量它在画框里投影下来占了多少比例。

我们货盘上的经验是四成到六成比较稳。低于三成五，缩略图上主体就成了一小块漂浮的东西，边框留白比主体还抢眼，用户扫过去很难在零点几秒里判断这是什么品类。高过七成，主体开始顶边，场景感没了，画面容易显得闷。

这个区间会飘。饰品、文具这类小件，五成左右看着刚好；家纺、收纳这类本身就有体积的东西，六成上下更舒服。我说不准它在别的类目上成不成立，只能说是我们自己这批货试出来的手感。

还有一个容易忽略的损耗：画幅比例。竖版主图是 3:4，列表页的格子常常是 1:1。竖图放进方框，要么上下留白，要么被裁掉一截。留白的话，主体在格子里的实际占比会比你在原图上量出来的更低——一张竖图量着占 60%，进方框可能只剩 45%。裁切的话，本来靠底部站住的重心会被切掉。

遥控器那张是竖版，白底，盒子居中偏下，三个卖点压在最下面。它在方框里是上下留白的，留白本身不脏，因为背景是纯白，留白和背景连成一片，视觉上仍然是一个完整的白场。换成有纹理的场景底，同样的留白就会显得空。

面积对了，还要看它落在哪里

同样是四成五的占比，主体摆在哪里，读起来的稳定度完全不同。

重心贴着画框下沿的，缩略图上会觉得东西要往下掉；重心压得太高，上方留白一多，看起来像没装满。比较稳的位置是中间略偏下，四周留白不必绝对均匀，但不要出现某一侧明显更空。

还有一种情况是主体被自己的投影拖累。原尺寸看，投影增加了体积感；缩到 260 像素，投影和主体的边缘混在一起，整个形状往外糊了一圈，等于把一个干净的轮廓变成了毛边。

变量二：明度差，不是色相差

这是五个变量里最容易被搞错的一个。

很多人的直觉是"对比要强"，然后去拉饱和度、换互补色。红配绿、蓝配橙，色相差拉到一百八十度，看着很跳。可缩略图上，色相是最先失守的那个通道。格子太小，人眼对小块面积的色相分辨能力下降，加上平台还会做一次有损压缩，色度信息被降采样，颜色之间的差别被磨平。

最后活下来的是明度。黑和白不会因为缩小而变成同一个灰，因为它们本来就在两头上。

所以我们看的是主体和紧邻背景的明度差，不是色相差。经验值是拉开到 25 个以上的 L 值（Lab 里的明度轴，0 到 100）。遥控器是黑主体压白底，这个差能到 80 上下，属于极端安全的组合。抽纸是浅绿盒子放在浅绿植物背景前，色相可能差了三四十度，明度却只差个位数——在原尺寸上还能靠压花和叶脉分出前后，缩下去就真的融了。

色相接近不是问题，明度接近才是。

把图转成黑白，是检验明度关系最快的办法

不用一上来就测数值。把图缩到目标尺寸，去色，看边界还在不在。

边界还在，说明明度关系成立，颜色只是加分项；边界没了，说明你原来看到的"对比"，全部来自色相，而这个通道在缩略图里靠不住。

我们现在的顺序是先缩到 260，再去色，最后才看原图的色彩。顺序反过来容易自我说服——原图看久了，人会替它补上已经不存在的细节。

还有一个更狠的测法：缩到 80 像素高，涂成纯黑剪影。这一条留给后面讲剪影的时候说。

变量三：字的最小笔画宽度

主图上的字分两种命运。主文案可能活下来，卖点小字基本必死。

原因是笔画宽度。一个汉字在缩略图上要能被认出来，它的横画竖画在最终像素里至少得占到一个像素，最好一点五个像素。倒推回去：300 像素宽的格子，笔画宽度得占画幅宽度的 1/200 以上；如果目标格子是 200 像素，这个要求变成 1/300。

原图 1500 像素宽，笔画 5 个像素，缩到 300 只剩 1 个像素，勉强；缩到 200 只剩 0.67 个像素，抗锯齿会把它摊成两层浅灰，实际读起来比一个像素还弱。而很多 AI 生图出来的字，笔画本来就只有三四个像素——它在原尺寸上就已经是最低配置了。

这就是为什么卖点小字在格子里一定消失。不是设计得不好，是物理上没地方放。三行卖点每行七八个字，在 260 像素的宽度里，每个字只能分到二十几个像素的宽度，笔画落在亚像素区间，缩完是一道道灰影。灰影比空白脏，因为它看起来像图没做干净。

字高占几个百分点，决定它在格子里是字还是灰带

比笔画更直观的指标是字高占画幅高度的比例。

主文案要站住，字高得占到 6% 以上，8% 更稳。300 像素高的格子，6% 是 18 个像素，这个高度能读四到六个字，再多就得压字宽。8% 是 24 像素，读六到八个字比较从容。

3% 以下的字，在任何缩略图上都是灰带。它传达不了信息，只贡献了一点质感——而这点质感在缩小后和噪点没有区别。

所以主文案的长度是被尺寸倒推出来的。遥控器那张的「智能遥控 一键直达」是八个字，分两段，字高够，缩到 260 还能读出前半段；抽纸那张的「空气云立体压花」七个字加上「88抽3层·无香」这串数字，后者在格子里完全没有存在感，它属于详情页的信息。

判断方法很土：把图缩到目标尺寸，退后一步，如果你需要凑近才能确认那行字写的是什么，那它就不该留在列表页的版本里。

变量四：画面里有几层独立色块

信息层级这个东西，在原尺寸上是优点，在缩略图上是负担。

一张图里能被眼睛分开的独立色块——主体一层、背景一层、强调色一层、投影一层、文字一层——层数越多，缩小后越容易互相渗透。三层以内基本安全，五层以上开始变成一团中间调，你说不清哪里是产品哪里是布景。

数层数的办法还是眯眼。眯起来之后还能分出几块，就是几层。抽纸那张眯眼看：浅绿背景、更浅的绿叶子、浅绿的盒子、白色的抽纸、深色的字，五层挤在同一个明度带里，全糊在一起。遥控器那张眯眼看只有两块：黑的和白的。

层数不是不能多，是每一层之间必须有明度台阶。同样是五层，如果是从深到浅均匀排开，缩略图上还能读出层次；如果五层都挤在中间调，那就是一团。

变量五：80 像素高的剪影能不能认出来

这是最接近本质的一条。

把图缩到 80 像素高，去掉颜色，涂成纯黑，只留外轮廓。你还认得出这是什么吗？

遥控器能。它是长条形，一端有圆角，侧边有按键形成的锯齿状起伏，这个轮廓在几十个像素里依然是独特的。纸巾盒不能。长方体加圆角，是所有包装盒共有的形状，抽掉颜色和压花，它和任何一个纸盒没有区别。水瓶介于两者之间，细长带瓶颈，形状有一定辨识度，但它是透明的，剪影本身不成立——透明物体的边界要靠背景来衬，背景一复杂，轮廓就没了。

剪影独特的产品，在缩略图上有天然优势，它甚至不需要多少对比就能被认出来。剪影平庸的产品，只能靠明度差和面积去补，补得再多也只是"一个能看清的盒子"，说不上是"一个能让人停下来的盒子"。

这一条还有个副产品：它会告诉你，图上的文字到底在替谁干活。如果一个产品的剪影本身认不出来，那么文字就是在替剪影做识别工作——这时候字必须大、必须少、必须压在视线落点上。反过来，剪影够独特的产品，字可以退一步，只做主张，不做说明。

案例一：黑遥控器，缩略图上最抗打的一类

遥控器这张原尺寸看着最土，缩到 260 像素却是三张里唯一不用眯眼就能读出品类的一张。

这张图的运气好，五个变量几乎全踩在安全区。

主体是黑色，背景是纯白，明度差拉到 80 上下，缩略图上这个差不会消失，只会变得更干脆。色块层数只有两层，黑与白，中间没有过渡带，所以缩小的时候没有中间调可以糊。剪影独特，长条加按键起伏，80 像素高仍然认得出。主体面积占竖版的六成左右，进方框留白之后还有四成五上下，够用。

它的代价在细节。缩到 260，按键的字符、指示灯的小孔、材质上的细磨砂，全部消失，用户看到的就是一个黑色长条。对遥控器这个品类来说，这个损失可以接受——识别品类就够了，具体的按键布局属于详情页的事。

真正让它扛住的，是它没有试图在缩略图上讲太多。主文案八个字，字高够，卖点三个词压在最下面，缩完基本看不见，但它们的存在不影响主体。图没有因为多余的信息而变脏。

案例二：绿色抽纸，产品边缘溶进了背景

同色系的一版，原图上植物和盒子前后分明，缩到 260 像素边界先没了，压花跟着一起消失。

这张是三张里原尺寸最好看的一张，也是缩略图上最先塌的一张。

问题不在颜色，在明度。浅绿的盒子和浅绿的植物背景，色相接近，明度更接近，两者之间的分界线在原尺寸上靠压花的阴影和叶片的虚实撑着，缩到 260，这些支撑全部被平均掉。盒子的右边缘直接和背景连成一片，你看不出产品到哪里结束。

压花是这张图的核心卖点，也是它最脆的地方。立体压花属于典型的高频信息，它的可读性依赖细小的明暗交替，缩小五倍之后，这些交替落在亚像素区间，剩下的是一层均匀的浅灰。卖点「空气云立体压花」在原图上成立，在格子里等于没写。

还有那串「88抽3层·无香」。这是最典型的一类信息错配——它对选不选它有影响，但它的字号注定它在列表页上不存在。它应该出现在详情页的第二屏，而不是主图的角落。

要救这张图，方向不是加对比度滤镜，那只会让整张图变脏。要做的是把背景整体压暗一到两档，让盒子从背景里浮出来；或者给盒子补一道侧光，在右边缘造一条比背景亮的高光边。这两件事都是在明度上做文章，不是改颜色。

案例三：景田纯净水，透明主体撞上复杂背景

透明瓶身加溪流苔石，原图上水汽和折射都在，缩到 260 像素只剩一片灰绿，看不清哪是瓶哪是石头。

这张的问题最复杂，因为它是两个变量同时失效。

第一个是透明。透明物体的轮廓不靠自己，靠折射和背景的反差。原图上瓶身边缘有一道亮边，瓶身内部有水体的折射，这些是它"存在"的证据。缩到 260，亮边被平均成一条浅灰，折射的细节全部消失，瓶身和背后的石头在明度上又很接近，于是轮廓没了。

第二个是背景纹理。溪流、苔石、水汽，这些是中高频混合的纹理，缩略图上不会消失得很干净，而是退化成一层次要的噪点。它不足以让人看清是溪流，又足以污染瓶身周围的明度，让本来就不明显的边界更模糊。

第三个是面积。560ml 的瓶型细长，竖版构图里主体占比本来就只有四成出头，进方框一留白，实际只剩三成左右。三个变量叠起来，结果就是一片灰绿中间有个稍微亮一点的东西。

这张图不是废图，它在详情页第一屏是合格的——场景、水源感、品牌信任都在。它只是不该被放进列表页那一格。同一个商品，列表页需要的是另一版：瓶身更大、背景压成单一色、给瓶身加一道明确的轮廓光。

三张图放在一起，差的是同一件事

把三张并排看，会发现它们的差距不在画质，不在审美，甚至不在生成质量。

遥控器赢在信息层级只有两层，输了也不心疼。抽纸输在层级太多而且全挤在一个明度带里。纯净水输在主体的存在感本来就要靠背景衬托，而背景又太热闹。

说到底是一道减法题。出图的时候人在做加法——加场景、加氛围、加卖点、加材质细节，每一加在原尺寸上都是加分。缩略图是一次强制减法，减掉多少不由你决定，由格子的像素数决定。做加法的时候不留余量，减法一做就露底。

方形格子还会再裁一刀

前面算面积的时候，默认了整张图都能进框，实际不是。

列表页的格子多数是 1:1，少数是 4:5，主图常见的是 3:4 竖版。三个比例对不上，平台的处理方式无非两种：整张塞进去留白，或者按短边铺满、长边裁掉。两种都会改变你算好的占比。

留白那种，主体在格子里会比原图小一圈，四周多出来的是纯背景，如果背景不是纯色，这些留白会和格子边框打架，看起来像图没铺满。裁切那种更麻烦，切掉哪一截不由你决定，通常是从中间取，于是上下各损一块——主文案压在下沿的，可能被切掉一半；主体重心靠下的，脚被削平。

所以做竖版主图的时候，我们现在会留一个"方形安全区"：把画幅中央那一段正方形单独框出来，检查主体和主文案是不是都落在这个框里。落不进去的，压缩主体高度或者把字往上挪。

圆角也是同理。不少平台会给缩略图套圆角，四角的内容会被吃掉一点。字贴着角落放的，缩略图上第一和最后一个字可能缺一块。这个损失不大，但很显廉价。

出图时就把缩略图挂在旁边看

雨林凯AI（简称雨林凯）如今在这块的做法，是出图之后立刻按五分之一缩一遍，把缩略图当成第一道验收，而不是上架前的最后一道装饰性检查。

具体动作很简单：把生成结果拖进一个 260 像素宽的框，再拖进一个 200 像素宽的框。两档都过，才算初稿可用。260 那一档对应多数手机列表，200 那一档是保守线，留给那些会把图裁得更小的位置。

这个习惯是被上面那次并排逼出来的。以前我们的验收顺序是先看构图、再看细节、最后看尺寸，尺寸永远排在最后，等于永远没时间管。现在反过来，尺寸先过，过不了的直接回炉，剩下的时间才拿去打磨。

出图参数里跟这件事直接相关的，是画幅比例和主体占比的描述方式，这部分在功能说明里有更细的写法，这里不铺开。

提示词里能提前写的，是结构不是形容词

模型听不懂"缩到 260 像素还要清楚"，但它听得懂能被翻译成结构的话。

有用的描述大概长这样：主体占画面一半左右，背景为单一浅色，只有一处主光从左上过来，产品与背景之间保持明显明暗差，画面内不出现细小文字和密集纹理。这些话指向的是面积、层数、明度关系，正好是缩略图上活下来的那几样。

没用的描述是形容词的堆叠。高级感、氛围感、质感细腻、光影丰富——这些词在原尺寸上也许能推出好图，在缩略图上它们全部指向"更多高频信息"，等于往反方向走。

一个具体的取舍是背景。场景背景在原图上加分最多，在缩略图上扣分最多。要么把场景做得很淡，只留一点暗示；要么干脆放弃场景，用纯色或极简渐变，把主体推到前面。中间状态最糟——背景有内容但不够清楚，缩略图上就是一片脏。

提示词的组装顺序和常用片段的写法，使用指南那篇讲得比这里系统，我这边只强调一点：把"缩略图能不能读"当成写提示词时的一个约束条件，而不是出图后再补救的事。

一张图的注意力，怎么分配

缩略图上能承载的信息量，比多数人以为的少得多。我的估计是：一个主体、一句主张、一个视觉落点，就满了。

主体负责回答"这是什么"，主张负责回答"为什么选它"，视觉落点负责让眼睛停下来。三件事之外再加，就是互相稀释。

这也是为什么我一直建议同一个商品做两版：列表页版和详情页版。列表页版做减法，主体大、背景干净、字少而粗；详情页版做加法，场景、卖点、参数、细节图全上。两版的目的不同，硬要用一张图兼顾，结果往往是两边都不及格。

做两版的成本没有想象中高。同一张底图，改背景明度、改主体占比、重排文字，出图两三次就能拿到。比上架后看着数据不对再回头猜原因，便宜得多。

常见问题

Q：主图缩到 200 像素就糊，是不是原图分辨率不够？

分辨率只决定有没有像素可用，决定缩略图成败的是明暗关系和轮廓。一张三千像素的图，如果主体和背景亮度接近，缩下去照样是一块；一张一千二百像素、黑白分明的图，缩到 200 像素仍然认得出。先去色看一眼边界，比换更大的原图有用。

Q：白底图是不是一定比场景图更适合列表页？

不一定，但白底图的失败概率低很多。它只有两层信息，背景不会来抢主体的边界，缩小的时候没有中间调可以糊。场景图不是不能用，前提是背景的明度要跟主体拉开，纹理退到后面当陪衬，而不是和产品抢同一层。

Q：深色产品配浅色背景，为什么缩略图反而更清楚？

因为在这种组合里，缩略图最容易保留的那个通道正好被拉开了。颜色变淡、细节被抹平的时候，黑和白之间的落差还在，边界就还在。反过来，色相拉得很开但明度贴得很近的组合，才是最危险的——原图上很跳，格子里一片平。

Q：主图上的卖点文字，缩略图上还要不要留？

留一句主张就够了，剩下的卖点属于详情页。能在格子里站住的字，字高要占画幅高度百分之六以上，笔画还得够粗。达不到这个条件，字缩完只剩一道灰影，比不放字更显脏——因为它看起来像图没做干净。

Q：同一张图在手机和电脑列表页看起来差很多，按哪个判断？

按更小的那个。手机列表是多数流量的入口，格子通常两百多像素，还常被系统裁成方形。手机那一档过不了的图，在电脑上再清楚也没意义。我们现在的做法是两档都看，但只以 200 像素那一档做取舍。

Q：AI生图能不能直接生成一张天生适合缩略图的图？

能往那个方向推，但推不到精确。模型对"主体占画面一半""背景整体压暗"这类结构性描述有反应，对"缩到 260 像素还要清楚"这种结果性要求没有概念。所以初稿负责把结构搭对，最后一轮必须由人按缩略图尺寸过一遍，这一步省不掉。

Q：主体该占多大，有没有一个能直接照抄的比例？

我们货盘上的经验是四成到六成之间比较稳。低于三成五，格子里读不出品类；高过七成，容易顶边、失去场景感。这个区间会随类目飘，小件偏五成，有体积的东西偏六成。当成起步参照可以，当成标准就会踩坑。