30 秒速读
- 问题
- 图包来源不同、命名不统一、类型混杂，人工要逐张判断类型、按款色拆目录、校正 SKC，再上传和登记。
- 我做了什么
- 把识图、分包、命名、登记、通知串成一条链路：拆解业务规则，开发影刀调用的 Python 模块，接入视觉模型、企业云盘、MySQL 与钉钉。
- 结果
- 核心包装流程完成标准化；每个 SKC 的结果都落库，成功、缺图与异常各有去向。
基于案例逻辑重绘的交互示意，非真实系统截图示例素材与状态
01 · 背景与目标
海量素材的难点，不只是“文件太多”
产品包装前需要面对来源不同、命名不统一、图片类型混杂的图包。人工不仅要判断图片属于平铺、模特还是吊牌，还要按款色拆分目录、校正 SKC、上传网盘并登记结果。
真正的挑战是把隐性的业务经验转换为机器可以稳定执行的规则，同时保证失败任务不会静默丢失，每个结果都能被业务人员追踪和复核。
02 · 我的工作
我的工作：把业务规则变成可运营的系统链路
规则拆解
梳理图片分类、款色目录、标准命名和通知对象，把复杂规则拆成原子动作。
流程开发
开发并维护影刀调用的 Python 模块，处理文件、Excel、目录、数据库和异常分支。
能力集成
连接视觉模型、企业云盘、MySQL 与钉钉，让识别结果进入真实业务系统。
运行治理
设计状态、日志和失败原因，让成功、缺图、命名问题与系统异常都可追溯。
03 · 执行链路
从混杂图包到标准资产
识图分类
调用视觉模型识别平铺图、模特图、吊牌图、LOOK 图等素材类型，为后续规则处理提供结构化结果。
规则分包
按款号、色号和图片类型自动拆分文件夹，同时处理重复文件、增量素材和套装等特殊情况。
规范命名
从历史文件名中提取有效 SKC 信息，清洗并转换为业务约定的标准命名。
库表登记
把处理结果、原图路径、上传状态和异常原因写入 MySQL，形成可查询的运行留痕。
结果通知
根据品牌和任务状态向业务协同群发送结果，让成功、缺图和异常都有明确去向。
失败不静默：每个 SKC 的结果都落库，成功、缺图与系统异常各有去向。
04 · 分包结构
一个图包，拆成三层目录
- 款号 A
- 色号 01
- 平铺图
- 模特图
- 吊牌图
- 色号 02
- 平铺图
- 模特图
- 色号 01
- 款号 B
- 色号 01
- LOOK 图
- 模特图
- 色号 01
三层依次是款号 → 色号 → 图片类型：原来靠人判断的经验，变成机器能稳定执行的规则
示意：依据“按款号、色号和图片类型拆分”的分包规则；目录名为举例。
05 · 复盘与演进
从“能运行”继续走向“可复用”
已经解决
核心包装流程完成标准化，并形成跨识图、文件、数据库和通知系统的闭环。
仍需治理
部分历史脚本仍依赖绝对路径、影刀变量与重复的 Token、限流和数据库代码。
下一步
将业务规则配置化，并把云盘、日志、重试和数据库能力沉淀为可复用组件。