實際運行
從零散提示詞到一份結構化 JSON。
核心問題
產品圖片跑偏不是創意問題，而是控制問題。
電商圖片失敗，往往是因為模型改掉了 Logo、形狀、材質、包裝尺寸、隨附配件或平台格式。ProductJSON Studio 把這些內容變成明確欄位，而不是藏在一段普通文字提示詞裡的隱含假設。
參考圖庫
3,004 個已審核電商參考圖，另含 240 張 2K 級市場參考生成範例。
JSON 控制
無需從零重寫整張圖片創意，就能修改產品、燈光、背景、鏡頭或平台欄位。
產品身份鎖定
用產品參考鎖定來減少 Logo、形狀、顏色、材質、包裝和比例漂移。
模型評測路由
對比 Nano Banana 2 / Pro 與 GPT Image 2，為對應參考風格選擇更合適的模型。
市場參考圖
240 張 2K 生成範例，圍繞賣家真正需要的圖片類型構建。
這次升級不只是增加圖片數量，而是一套覆蓋 30 個產品類型的結構化電商參考格式，透過 Magnific 與 Nano Banana Pro 生成，並按產品清晰度、市場實用性和提示詞學習價值完成質檢。
Amazon 主圖
Shopify 乾淨產品圖
生活方式圖
爆炸分解圖
功能標註圖
尺寸/場景比例圖
盒內物品佈局圖
對比/使用場景圖
非技術用戶也能完成的設定路徑
買家在 Claude Code 或 Codex 中打開原始碼資料夾，貼上隨包附帶的設定提示詞，然後讓 Agent 安裝依賴、執行檢查並啟動本機應用。模型服務 API Key 保留在買家自己手中，只在準備生成時貼到 Settings。
- 從 Gumroad 下載原始碼 ZIP。
- 在 Claude Code、Codex、Cursor 或其他程式碼 Agent 中打開資料夾。
- 貼上隨包附帶的設定提示詞，讓 Agent 安裝、測試並啟動本機應用。
- 打開本機 URL，先瀏覽 Learn/Inspiration，再在準備創建時把自己的模型服務 API Key 加入 Settings。
- 從 Learn 區域開始，然後創建第一套 Amazon 或 Shopify 圖片組。
包含內容
- 瀏覽參考圖庫，找到你需要的市場圖片格式：主圖、乾淨產品圖、生活方式圖、爆炸圖、標註圖、尺寸圖、盒內物品或對比圖。
- 將圖片、URL 或普通提示詞轉換成結構化 JSON，讓產品、場景、燈光、鏡頭、平台規則和負面約束都成為可編輯欄位。
- 鎖定產品參考，讓 Logo、形狀、顏色、材質和比例在更換背景或圖片類型時保持穩定。
- 使用模型評測工作流判斷 Nano Banana 2 / Pro 或 GPT Image 2 哪個更適合目前參考風格。
- 從一份產品簡報生成 Amazon 與 Shopify 圖片組，先做主圖，再擴展二級圖庫。