背景：我为什么要搭这个

有个搞电商的朋友，他们经常要选品、拆竞品、写文案、搞宣传图等，也经常来“请教”搞技术的我。

看上一个竞品的爆款链接，先把人家几百上千条买家评论一条条翻完，总结大家都在骂什么、夸什么，再回头改自家商品的标题、卖点、主图。熟练的话一款商品要 2~3 小时，不熟练一下午就没了。而且说句大实话，拆出来的结论全凭手感——「我觉得用户主要在意保暖性」，老板问你依据呢？依据是我看了两百条评论的直觉。

晒图就更没人看了。一个链接下几十张买家实拍，里面全是干货：色差、做工、真实使用场景……但人工根本翻不过来，基本全靠主图盲猜。

所以我的需求很明确：丢一张竞品评论表格进去，直接给我痛点分布、能用的合规文案、外加生图提示词。最好连买家晒图都帮我看了。

最终效果

先放结果。上传一个 .xlsx 评论表格，18.2 秒后拿到四份产出(动图中生成过程进行了压缩)：

• 竞品痛点分布雷达：痛点直接量化成占比。「尺码版型偏差 35%」「细节设计不足 15%」——这种结论我直接复制进运营周报，老板再问依据，我就甩这张图：

• 

• 买家晒图视觉洞察：这个是最惊喜的。模型是真的在"看"晒图：色差、面料褶皱、车缝做工、用户在什么场景下用，逐图识别完还要和评论文本交叉验证。人工从来不看晒图，现在我每款竞品白捡一份视觉质检报告：

• 

• 重构爆款文案：标题 + 卖点 + 描述一键出。重点是它自动规避广告法极限词（「最」「第一」这种词一个不会出现），还知道往文案里放国标检测号，合规这块我基本不用再操心：

• 

• 一键生图：中文生图提示词直连通义万相，电商主图直接出。

• 

最新一次实测数据（1,152 条评论 + 6 张晒图的多模态任务）：端到端 18.2 秒，消耗 8,796 tokens，成本 ¥0.13。

一毛三。我一杯奶茶钱能让它拆两百多个竞品。

本地实验使用了两组数据：冲锋衣（1152条评论）和露营帐篷（663条评论）。

搭建过程

技术选型

整个东西轻得离谱，核心就两个文件：server.js + index.html，加起来约 1100 行。

层	选型	为什么选它
开发工具	Qoder CN	1、可以使用Qwen3.8 Max模型，支持多模态设计稿识别 2、首次注册有免费额度
前端	Vue 3（CDN 全局构建）	单个 HTML 文件搞定，Dark Glassmorphism 界面，不用构建工具
后端	Node.js + Express + multer + SheetJS	接上传、解析 Excel、转发模型请求，Express 一把梭
大模型	Qwen3.8-Max	原生多模态，评论文本 + 晒图 URL 一次调用全搞定，不用拆两个模型
生图	通义万相 wanx-v1	异步任务 + 轮询，中文提示词效果好
部署	云服务器 + systemd	开机自启、崩了自动拉起，数据落 JSON 文件

选型上最大的一个决策是没有拆双模型。一开始我以为"文本分析和看图得分开两个模型干"，由于 Qwen3.8-Max 本身就是原生多模态旗舰，文本、图像一个消息结构里直接传，链路短了一半，出错点也少了一半。整体交互流程如下图：

核心 Prompt / 编排

系统提示词是整个产品的灵魂，贴个节选：

你是一位顶级电商运营专家和数据分析师……
输出要求：
1. 必须严格输出合法 JSON，不要包含 markdown 代码块标记
2. 所有文案必须100%规避广告法极限词（最、第一、顶级、绝对等）
3. 文案中需包含国标检测号（示例格式：GB/T 22844-2009）
4. 重构的标题与文案中禁止出现竞品品牌词、店铺名或商标

【买家晒图信息提取要求】必须逐图提取四类信息：
1. 实物品质状态（色差/做工/破损）→ type: defect
2. 真实使用场景 → type: scene
3. 正面视觉信号 → type: positive
4. 图文一致性差异 → type: defect
要求：findings 必须与评论文本交叉验证；视觉上证实的缺陷
同时进入 painPoints；imagePrompt 必须基于晒图识别到的真实
商品品类撰写。

趟出来的两条心得，都是血泪教训：

1. 业务约束要写死在 Prompt 里，别指望后处理。极限词规避、国标号、JSON 格式，全在第一段约束里。我试过用正则后处理纠错，补了这个漏那个，最后还是回到「一次说清楚」；

2. 想让模型认真看图，就得把看图写成"硬任务"。早期我只是附带一句"可以参考图片"，模型基本敷衍。改成「必须逐图提取四类信息 + 与评论交叉验证 + 不完成不输出」之后，产出质量肉眼可见地上来了。

踩坑记录

这部分是全文最值钱的地方，按我踩坑的时间顺序讲：

坑一：我以为我分析了图片，其实模型根本没看见。

第一版我把晒图 URL 当普通文本塞进 Prompt，还沾沾自喜"支持晒图分析了"。后来对着输出越想越不对——模型怎么可能从一个 URL 字符串里看出「面料有褶皱」？检查调用才发现，图片得用多模态消息结构（image_url 类型）传，模型端会自己去拉图。改完之后，视觉洞察模块才算真的活过来。教训：多模态不是把链接丢给模型，是把"眼睛"递给模型。

坑二：亲手砍掉了一个自己设计的模块。

最初我做了个「优化前后效果对比」模块，上线前自己越看越别扭：AI 赋能改变的是运营的工作方式，又不是帐篷的质量——用户买回去该漏风还是漏风，这对比不是睁眼说瞎话吗？纠结了半天，删了。产品是给运营真用的，不是给老板看 PPT 的，逻辑不通的功能再好看也得砍。

坑三：重启一次，历史全没。

第一版数据全放内存里。某天服务器重启，我攒了半个月的竞品分析项目一夜回到解放前。连夜加了 data/projects.json 落盘 + 启动加载。顺带发现通义万相返回的图片 URL 只有 24 小时有效期，又加了个下载转存到本地的逻辑。持久化这种事，永远别相信"以后再说"。

坑四：分析成功了，页面却是白的。

这个 Bug 排查得我头皮发麻：接口明明返回 200，数据也在，页面就是不显示。最后定位到——项目列表接口为了省流量只返回摘要，前端一刷新列表，把本地完整的分析结果给覆盖没了。修复方式：列表接口和详情接口分开，前端合并刷新而不是整体替换。这种"数据流打架"的 Bug，一次就够记一辈子。

坑五：A/B 对比差点得出一个完全错误的结论。

为了评估模型，我做了个 Qwen3.8-Max vs 其他品牌旗舰模型 的对照实验。第一轮跑完我大吃一惊：其他模型 慢了 7.3 倍！

冷静下来看日志才发现猫腻：我给 Qwen 配了 enable_thinking: false（关思考），但 另一个模型 那边没传任何思考参数，人家默认开着思维链——9,196 个输出 token 里 8,000 多个全是在"思考"。给 另一个模型 补上 reasoning_effort: 'minimal' 对齐之后重跑：差距从 7.3 倍缩到 24%。

教训：做模型对比，先对齐所有推理参数，不然你比的不是模型，是配置。

效果对比

vs 人工

对比项	人工拆竞品	本工具
单款耗时	2~3 小时	18 秒
单次成本	人力约 ¥50+	¥0.13
买家晒图	基本没人看	逐图四维提取 + 交叉验证
广告法合规	靠经验和运气	极限词自动规避
结论依据	「我觉得」	占比数据，可进周报

vs 其他旗舰模型（同任务、同提示词、思考配置对齐后的 A/B 实测）

这是我最想秀的部分——产品里内置了一个 Comparison 2.1 对照页面（/comparison.html），同一份数据两个模型各跑一遍，日志自动记录耗时、token、成本，谁强谁弱一目了然。

实测结果（1,152 条评论 + 6 张晒图）：

指标	Qwen3.8-Max	对比模型
耗时	18.2s	22.5s
国标号选择	✅ 选对冲锋衣标准 GB/T 32614	❌ 照抄提示词示例（那是儿童棉服标准）
文案感染力	「无惧山野风雨」「一件顶三件」	平实，偏说明书风格
结构完整度	3 痛点 / 5 洞察 / 3 卖点	完全相同

结论有点意思：对比旗舰模型结构输出也很稳，但品类专业判断是硬伤——冲锋衣的文案里放了个儿童棉服的国家标准，这要真上架就是合规事故。Qwen3.8-Max 在这个场景下「又快又懂行」，继续当生产主力。

总结：Qwen3.8-Max 在这个场景下的表现

客观说几句。

优点：原生多模态是真省心，千条评论 + 多张晒图一次调用全搞定，18 秒出结构化 JSON；品类知识扎实（国标号能根据商品类目选对，不是照抄示例）；指令遵循度高，业务约束写了就执行。

缺点：图片按 token 计费后，多模态任务成本比纯文本明显上浮；偶尔还是会在 JSON 外面包一层 markdown，提示词里得反复强调。

一句话：对"评论 + 晒图 → 运营决策"这个场景，它是那种刚好够用且用着很舒服的选择。

虽然也有很多旗舰模型支持多模态图文识别，但是在一些场景，比如本文介绍的竞品评论分析场景，如果图片较多，有一两千张，Qwen3.8-Max的长上下文优势明显。

复现指南

想自己搭一个的，照着来：

环境要求：Node.js ≥ 18，一个 Qwen3.8-Max 的 API Key。通义万相（生图）可选。

# 1. 安装依赖
npm install express multer xlsx axios cors dotenv

# 2. 配置密钥
echo "DASHSCOPE_API_KEY=sk-xxx" > .env

# 3. 启动
node server.js
# 浏览器打开 http://localhost:3000

几个注意事项，都是踩过的：

• 评论表格需要包含 data3/data4 评论列和 image 晒图 URL 列，列名不一样就去 server.js 解析段改一下；

• 晒图必须是公网能访问的 URL——模型端直接去拉图，后端不做下载中转；

• 每次调用的耗时、token、成本自动记在 logs/app.log（JSON 行格式），想算月度总账用 grep + jq 聚合一下就有；

• 生产部署记得做数据持久化，别学我最开始那样把数据放内存里。

我把生成代码托管到github了，可以直接下载运行：https://github.com/qingkouwei/Qwen-ECom-Agent

或者用我的提示词通过Qoder 等工具生成一套：

# Role & Target
你是一名顶级的全栈 AI 产品工程师。请使用 **Vue 3 + Node.js (Express)** 开发一款可以供电商运营直接使用的真实生产级 SaaS 产品——【电商竞品爆款全维拆解与重构助手】。
该产品必须**真实连接阿里云百炼 DashScope API (Qwen-Max / Qwen3.8-Max 与通义万相 WanX 生图 API)**，支持用户真实上传 `.xlsx` 竞品表格文件并实时进行全量分析！

# User Scenario & Core Design
- 目标用户：电商运营人员、店主、选品专家。
- 界面风格：极简、现代、干净的商业级 Dark Glassmorphism 样式。**不要体现任何 Agent 调试日志、Token 统计、思维链 Trace 等技术细节**，纯粹面向业务成果展示。

# Product Architecture & Features

### 1. 后端 (Node.js + Express + `xlsx` + `axios`)
- **API Key 配置**：通过环境变量 `DASHSCOPE_API_KEY` 或前端设置界面传入 API Key。
- **文件上传接口 (`/api/upload`)**：
  - 使用 `multer` 接收用户拖拽上传的 `.xlsx` 竞品表格文件 (如 `detail-tmall-com-2026-08-07.xlsx`)。
  - 使用 `xlsx` 库自动提取表格中的评论文本列 (`data3`/`data4`) 和买家晒图 URL 列 (`image`)。
- **大模型分析接口 (`/api/analyze`)**：
  - 真实调用 DashScope 百炼 API (`https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions`)。
  - 将提取的真实评论长文本与合规规范作为上下文传入，要求大模型输出 JSON 格式的【竞品痛点雷达】、【优化前后对比】和【重构爆款文案】。
- **通义万相生图接口 (`/api/generate-image`)**：
  - 真实调用通义万相 (WanX) 生图 API，根据大模型生成的提示词生成商品新主图并返回图片 URL。

### 2. 前端 (Vue 3 响应式界面)
- **左侧边栏**：
  - 拖拽上传区：支持上传任意竞品 Excel 表格；
  - 已上传分析项目列表：可随时点击切换不同的竞品分析结果。
- **右侧展示区 (4大核心业务模块)**：
  - 📊 **竞品痛点分布雷达**：显示由大模型分析提取的 Top 3 质量/色差/设计缺陷及百分比；
  - ⚡ **优化前后效果对比**：展示人工与 AI 助手的效率与转化率提升；
  - 📝 **重构爆款文案**：一键复制 100% 避开广告法极限词、带国标检测号的高转化率爆款标题与 3 大卖点；
  - 🎨 **通义万相一键生图**：展示提示词，点击 **`[🎨 调用通义万相生成新主图]`** 按钮，真实渲染呈现生图结果！

# Guidelines
- 界面与输出**全地道中文**。
- 文本中**绝对不能出现“阿里”、“阿里云”、“千问”**等敏感词，大模型统一表达为 `Qwen3.8-Max`，生图表达为 `通义万相`。

请直接输出完整的 Node.js 后端服务代码 (`server.js`，包含真实 DashScope API 调用逻辑) 与 Vue 3 前端代码 (`index.html` / `App.vue`)！

我使用上面提示词，右面修复了两轮就达到效果了。

最后，如果你也是被拆竞品折磨的运营，希望这 18 秒能帮你把下午的时间要回来。