我用Claude+N8N搭建了一个批量电商出图工作流，产品还原度99%
159
，OpenClaw助力亚马逊广告运营提效，点击报名>>>
好开心，今年工作任务不太重，我就给自己安排了很多的学习任务。或者说，我特意想让自己慢下来，把刀磨快点。
花了两天时间，重新调整了N8N的配置，N8N跑得通畅了一些。然后花了一天时间，在牛人指导之下，搭建完成了一个自动批量生成电商图的工作流。
工作流内加入了Nano Banana 2和Chat Gpt image 1.5模型来生图，生图效果比较下来，同样的提示词，还是Nano banana 的牛B啊！
Banana生成的场景图中的产品，和我提供的产品实拍图，真的乍一眼是看不出差别的。还是有一定的抽卡率，但能批量生图，抽卡率又低，就很棒啊~
接下来我们看看，为啥不直接用平台的模型生图，非要用API接入N8N工作流里去呢？
顺便也小小展示下工作流。让牛人们见笑了，我也在一步步进化中。对于一个对编程一窍不通的文科生，实属不容易啊！
01
第一，效率高。
前面说了嘛，能批量生图，而且批量生图的速度又极快。从批量生成的图片里，太容易挑到直接可商用的图片了。
提示词中的图片风格、比例、主图还是A+图、模特长相、场景类型这些都是提前调整好的，相对固定，只要切换产品就行。
不同的产品，也就是把参数微调下，傻瓜式操作。然后就5张10张20张批量来出图。
第二，它便宜啊！
对接API使用大模型的费用，真的超级便宜。我直接让AI给大家总结了下对比直接用平台出图的优缺点，看表吧！
平台直接出图的0.1美刀/张对比N8N工作流+API模式的0.002美刀/张，直接便宜了50倍啊！
你想想，如果你是TEMU卖家，如果你是亚马逊铺货或者精铺的卖家，睡觉都要笑醒了吧？
就算是做精品小卖家，也都不用请美工了。随便找个影楼摄影师帮你拍几张图片，拿来生图，比外面的美工靠谱还迅速。
据说大公司们早就用上了，我这还是算落后的了呗。
第三种API直接调用，需要来自己从0开始开发代码，就不建议了，门槛比做N8N工作流高多了，开发和维护都很麻烦。
02
我的流程设计是：从表格读取产品与指令 → 自动选择模型 → 生成产品图 → 上传存储 → 再把结果写回表格，实现AI出图的自动化闭环
换个说法：以 Google Sheets 为控制中心，通过 n8n 调度不同 AI 模型生成图片，并将生成结果自动回写，实现可批量执行的 AI 图像生产流水线。
当然，这里面的Google sheet控制中心，也可以改为飞书表格。模型还是推荐使用目前最先进的Nano banana模型。而Chat GPT模型的接入，也就是为了做个效果对比。
具体流程如图下：
Google sheet设计如下，还有待优化：
产品图存放在图床上，记得使用直链，也就是链接地址结尾带.jpg这种图片格式的那种，否则工作流容易读取不到你的原图。具体怎么拿直链，问AI。
图床有很多，就不做推荐了。
最终的工作流调整了几次，可以正常使用了。接下来就是继续向高手们学习，开发多个不同的工作流，全部运用于亚马逊运营工作的提效。
有兴趣的，可以直接截图我的工作流去生成自己的工作流，改改API参数等，就能用了。
对了，我是让Claude 对接N8N的MCP，让Claude接管工作流创建，以及代码修改工作的。不得不感叹,Claude就是YYDS！让我一个不懂代码的小白，也能轻松搭建自己的提效工作流。
省钱又提效，Nice！
最后啰嗦一句：AI工具只能用于提升一部分工作的效率，而亚马逊产品要做成功，最大的影响要素，还是人类的决策和创意。
好开心，今年工作任务不太重，我就给自己安排了很多的学习任务。或者说，我特意想让自己慢下来，把刀磨快点。
花了两天时间，重新调整了N8N的配置，N8N跑得通畅了一些。然后花了一天时间，在牛人指导之下，搭建完成了一个自动批量生成电商图的工作流。
工作流内加入了Nano Banana 2和Chat Gpt image 1.5模型来生图，生图效果比较下来，同样的提示词，还是Nano banana 的牛B啊！
Banana生成的场景图中的产品，和我提供的产品实拍图，真的乍一眼是看不出差别的。还是有一定的抽卡率，但能批量生图，抽卡率又低，就很棒啊~
接下来我们看看，为啥不直接用平台的模型生图，非要用API接入N8N工作流里去呢？
顺便也小小展示下工作流。让牛人们见笑了，我也在一步步进化中。对于一个对编程一窍不通的文科生，实属不容易啊！
01
第一，效率高。
前面说了嘛，能批量生图，而且批量生图的速度又极快。从批量生成的图片里，太容易挑到直接可商用的图片了。
提示词中的图片风格、比例、主图还是A+图、模特长相、场景类型这些都是提前调整好的，相对固定，只要切换产品就行。
不同的产品，也就是把参数微调下，傻瓜式操作。然后就5张10张20张批量来出图。
第二，它便宜啊！
对接API使用大模型的费用，真的超级便宜。我直接让AI给大家总结了下对比直接用平台出图的优缺点，看表吧！
平台直接出图的0.1美刀/张对比N8N工作流+API模式的0.002美刀/张，直接便宜了50倍啊！
你想想，如果你是TEMU卖家，如果你是亚马逊铺货或者精铺的卖家，睡觉都要笑醒了吧？
就算是做精品小卖家，也都不用请美工了。随便找个影楼摄影师帮你拍几张图片，拿来生图，比外面的美工靠谱还迅速。
据说大公司们早就用上了，我这还是算落后的了呗。
第三种API直接调用，需要来自己从0开始开发代码，就不建议了，门槛比做N8N工作流高多了，开发和维护都很麻烦。
02
我的流程设计是：从表格读取产品与指令 → 自动选择模型 → 生成产品图 → 上传存储 → 再把结果写回表格，实现AI出图的自动化闭环
换个说法：以 Google Sheets 为控制中心，通过 n8n 调度不同 AI 模型生成图片，并将生成结果自动回写，实现可批量执行的 AI 图像生产流水线。
当然，这里面的Google sheet控制中心，也可以改为飞书表格。模型还是推荐使用目前最先进的Nano banana模型。而Chat GPT模型的接入，也就是为了做个效果对比。
具体流程如图下：
Google sheet设计如下，还有待优化：
产品图存放在图床上，记得使用直链，也就是链接地址结尾带.jpg这种图片格式的那种，否则工作流容易读取不到你的原图。具体怎么拿直链，问AI。
图床有很多，就不做推荐了。
最终的工作流调整了几次，可以正常使用了。接下来就是继续向高手们学习，开发多个不同的工作流，全部运用于亚马逊运营工作的提效。
有兴趣的，可以直接截图我的工作流去生成自己的工作流，改改API参数等，就能用了。
对了，我是让Claude 对接N8N的MCP，让Claude接管工作流创建，以及代码修改工作的。不得不感叹,Claude就是YYDS！让我一个不懂代码的小白，也能轻松搭建自己的提效工作流。
省钱又提效，Nice！
最后啰嗦一句：AI工具只能用于提升一部分工作的效率，而亚马逊产品要做成功，最大的影响要素，还是人类的决策和创意。
热门活动 
其他
04-09 周四
热门报告 
