Original en inglés: https://argusic.com/subject/gpt-image2-ecommerce
gpt-image2-ecommerce
Skill de generación de imágenes de productos para comercio electrónico: 39 plantillas de escenarios, enrutamiento de modelos GPT-Image-2/2.5 (Flare/Sunburst), bloqueo de consistencia de campaña, cumplimiento de plataforma. Skill de creación de imágenes para comercio electrónico: 39 plantillas de escenarios × enrutamiento de dos modelos × consistencia del conjunto de imágenes × cumplimiento de plataforma.
Funciona con mocksfuente: GitHubShellMITcommit 73abd50bf2b6
Shell, licencia MIT. El proyecto se describe a sí mismo como: advertising, ai art, claude code, e commerce, ecommerce, ecommerce images, gpt image y gpt image 2.
gpt-image2-ecommerce funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 8 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
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.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- 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 minutos
- Tiempo de instalación
- 8 minutos
- De máquina en frío a terminar
- 7 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- 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
- Tokens de modelo usados
- 314.615
- Commit exacto probado
- 73abd50bf2b6
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
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.Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 8 minutos.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,04 |
Temas (de GitHub)
advertisingai-artclaude-codee-commerceecommerceecommerce-imagesgpt-imagegpt-image-2gpt-image-2-5image-generationproduct-photographyprompt-templatessocial-media
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/gpt-image2-ecommerce)Preguntas
- ¿Funciona gpt-image2-ecommerce?
- gpt-image2-ecommerce funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 8 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic gpt-image2-ecommerce?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 73abd50bf2b6. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar gpt-image2-ecommerce?
- La ejecución que produjo este veredicto costó 0,04 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda gpt-image2-ecommerce en instalarse?
- 8 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita gpt-image2-ecommerce una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar gpt-image2-ecommerce?
- En la ejecución registrada falló 1 cosa, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de gpt-image2-ecommerce?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.