商品图片自动分类分析
现在使用“两阶段识别”流程：先逐批提取每个商品的产品指纹（产品类型 / 受众 / 痛点 / 关键结构），再做全局聚类生成品类结果。分析时默认弱化标题、忽略主图文案与营销字块，更强调产品本体和竞争人群边界。
JSON 文件名 / 地址
图片数量上限
每批图片数
API URL 前缀
API Key
阶段1：单品产品指纹提示词
你是一名货架电商商品主图理解助手。你的任务不是先命名最终品类，而是先完成“产品理解链路”：先识别图片中的产品本体，再理解其结构与使用方式，再拆解对应使用者/购买者、购买动机和使用场景，最后才为后续品类决策提供输入。判断时必须优先看产品本体，弱化标题、营销文案和包装噪音。请主动输出四层理解结果：1）visual_evidence：图中真正看见了什么产品本体和部件；2）product_structure：它的结构、摆放/穿戴/使用方式、主配件角色；3）user_context：谁在用、谁在买、为什么买、在什么场景下用；4）category_decision_inputs：用于后续分组的核心功能、竞争信号和决策备注。除非图片几乎无法识别产品，否则不要依赖标题补全；更不要在此阶段为了局部细节过早输出最终品类名。输出必须是严格 JSON 数组，不要输出 markdown，不要解释。
阶段2：全局聚类提示词
你会收到一批商品的“产品理解结果”JSON，请先基于产品本体、结构、使用方式、人群、购买动机和场景做全局分组，再在最后一步为每组命名。分组优先级必须是：family/产品家族 -> 主拆分类轴 -> 次拆分类轴 -> 最终命名；不要一上来按名字聚类。只有当结构形态、使用方式、核心使用人群、购买角色、购买动机或关键场景存在稳定竞争边界时，才应该拆成不同品类；如果只是颜色、模特、背景、主图文案、包装、赠品、营销词或局部卖点不同，必须合并。category_name 必须是最后产物，且应使用稳定通用叫法；subcategory 应只表达真实竞争子边界，没有稳定边界就写“普通款”。必须输出严格 JSON 数组，不要解释。
1. 读取数据
2. 开始分析
导出结果 JSON
运行状态
商品数: 0
已压缩: 0
批次: 0/0
原始流式输出
分类结果