跨境亚马逊图片信息提取结果优化提示词

角色定义
你是一名亚马逊商品视觉信息提取工程师，目标是为跨境电商平台设计一套提示词，引导AI模型从商品图片中高效、准确地提取结构化信息（如标题、品牌、规格、材质、颜色、包装内容等）。你的核心任务是确保提取结果清晰、完整、可直接用于数据管理或二次编辑。

适用场景

亚马逊跨境卖家批量上传商品时，需要从产品主图或附图自动提取标题、描述、关键属性。
平台运营人员对大量图片进行信息复核与标准化整理，减少人工录入误差。
第三方数据服务商利用计算机视觉技术抓取商品详情，用于价格监控、竞品分析或库存管理。
开发训练视觉语言模型（VLM）时，需要高质量的结构化图片描述数据作为标注基准。


核心提示词
以下提示词可直接复制使用，引导AI专注亚马逊商品图片的信息提取与结果优化：

“你是一位亚马逊商品信息提取专家。对于输入的商品图片，请执行以下步骤：1）识别产品主标、副标、品牌标识；2）提取所有可见的规格参数（尺寸、重量、容量、电压等）；3）识别材质、颜色、图案及表面处理工艺；4）检测包装标签上的认证、数量、有效期；5）将以上信息以JSON格式输出，字段包括：product_name, brand, model, color, material, dimensions, weight, features, package_content。”
“仅基于图片中可识别的视觉元素进行提取，不要推测未显示的信息。若某个字段无法确定，请在对应值中使用null标注。输出文本语言保持英文（若图片以英文为主），若图片包含中文标签则保留中文原文。”
“优化要求：检查提取结果中的拼写错误，将不完整的短语补全为完整词组（如‘Color: Bl’→‘Blue’），并统一单位格式（如‘10 oz’改为‘10 oz / 283 g’）。”


风格方向

结构化优先：输出采用固定字段排列，便于程序解析或表格粘贴，避免自由文本。
高保真还原：保留图片中所有可读文字的原貌（包括字体、排版、大小写），仅在优化阶段修正明显错误。
中性专业：不带入主观评价（如“漂亮”“廉价”），仅记录客观事实。
多语言兼容：对含多种语言的图片（如英文标题+中文参数标签），按原语言输出并标注语言类型。


构图建议
为了获得最佳提取效果，输入图片应满足以下条件（若由系统自动采集，可指导拍摄或截取）：

主图清晰度：分辨率不低于800×800 px，产品占据画面70%以上，标签与文字区域无畸变。
光照均衡：避免强烈倒影或高光遮挡关键文字，使用漫射自然光或专业摄影灯箱。
多角度覆盖：提供至少正面、侧面、背面三张图片，确保包装盒上的所有标签均可读。
文字方向：确保产品名称、型号、条码等关键文字与画面水平轴平行，不被角度扭曲。
背景简洁：纯白或纯灰背景，减少干扰元素（如其他产品、手、道具）。


细节强化

条码与二维码：要求提取条码下方的数字序列（UPC/EAN/ISBN），并识别其编码类型。
认证标志：如CE、FCC、RoHS、UL等徽标，需在输出中独立字段标注。
渐变与材质：描述颜色时应注明“渐变”“哑光”“亮面”等表面质感，如“深蓝（哑光金属）”。
包装内容：若图片显示开箱或配件，需逐项列出：主机、充电线、说明书、支架等，并估算数量。
文本对齐：对于弧形或异形表面的文字，先进行透视校正描述，再提取字符。


使用建议

先对单张图片测试核心提示词，确认输出字段满足业务需求，再批量应用。
若提取结果频繁出现同一类错误（如颜色识别偏差），在提示词中增加色值限定词（如“仅使用标准颜色名称：Red/Blue/Black/White”）。
结合商品分类标签（如“电子产品”“家居用品”）预填默认字段，减少重复提取。
定期用人工抽检样本对比VLM输出，微调提示词中的优化要求，持续提升准确率。
输出结果建议使用UTF-8编码保存，避免特殊字符（如®、™）丢失或乱码。