Englisches Original: https://argusic.com/subject/gpt-image2-ecommerce
gpt-image2-ecommerce
E-commerce product image generator skill, 39 scenario templates, GPT-Image-2/2.5 (Flare/Sunburst) model routing, campaign consistency lock, platform compliance. 电商做图 Skill：39 场景模板×双模型路由×套图一致性×平台合规。
Läuft mit MocksQuelle: GitHubShellMITCommit 73abd50bf2b6
Shell, Lizenz MIT. Das Projekt beschreibt sich selbst als: advertising, ai art, claude code, e commerce, ecommerce, ecommerce images, gpt image und gpt image 2.
gpt-image2-ecommerce läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 8 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The repo installs in a Python venv, offline checks pass (39/39 scenario JSONs valid, imagegen.sh syntax valid, py_compile clean), manual mode exports prompt packs, and API mode generates images against an OpenAI-compatible endpoint and runs platform compliance checks with one bug fix applied.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- collect_api_response in scripts/imagegen.sh silently fails under set -euo pipefail when endpoint returns no cost info (line 591: [[ -n "$FINAL_COST" ]] && log_event ... returns exit 1 on empty FINAL_COST)3 Minuten
- Installationszeit
- 8 Minuten
- Von der kalten Maschine bis zum Ende
- 7 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python3 scripts/test_offline.py -> 'offline checks: ok'. Mock OpenAI API endpoint (127.0.0.1:18888) + bash scripts/imagegen.sh --mode api -> {'ok':true,'data':{'images':['data:image/png;base64,...']}} exit 0. bash scripts/imagegen.sh --mode manual -> {'ok':true} prompt pack exported. python3 scripts/compliance_check.py --platform amazon -> white_bg:pass fg_ratio:pass ocr:skipped
- Verbrauchte Modell-Tokens
- 314.615
- Genau getesteter Commit
- 73abd50bf2b6
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
capture_output=True, text=True, timeout=30
)
env2 = json.loads(result2.stdout)
print(f\"white_bg: {env2['checks']['white_bg']['status']}, fg_ratio: {env2['checks']['foreground_ra…
server.shutdown()
PYEOF" in /work/repo
succeeded in 1822ms:
white_bg: pass, fg_ratio: pass, ocr: skipped
All done. Let me compile the final report.
tokens used
314,615
All done. Let me compile the final report.Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- In 8 Minuten installiert.
- Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,04 |
Themen (von GitHub)
advertisingai-artclaude-codee-commerceecommerceecommerce-imagesgpt-imagegpt-image-2gpt-image-2-5image-generationproduct-photographyprompt-templatessocial-media
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/gpt-image2-ecommerce)Fragen
- Läuft gpt-image2-ecommerce?
- gpt-image2-ecommerce läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 8 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic gpt-image2-ecommerce getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 73abd50bf2b6. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von gpt-image2-ecommerce gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,04 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von gpt-image2-ecommerce?
- 8 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht gpt-image2-ecommerce eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von gpt-image2-ecommerce schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für gpt-image2-ecommerce?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.