从一个 Skill 出发，
让一件商品走上全球货架

API Key 是你调用千问模型的「通行证」，Agent 生成文案、图片、视频全靠它。

1.1 注册并实名

1. 打开 https://platform.qianwenai.com，点右上角注册 / 登录，用手机号或支付宝完成注册（有阿里云账号可直接登录）。
2. 按提示完成实名认证（个人用支付宝最快）。

1.2 创建 API Key（只显示一次，立刻保存！）

1. 点左侧菜单 API Keys。
2. 点右上角黑色按钮 ＋ 创建 API Key。
3. 描述随便填，比如 arena；建议顺手勾选/开启「免费额度用完即停」，避免意外扣费。
4. 点 生成 API Key，弹窗里出现 sk- 开头的一串字符，点右侧复制图标。
5. 粘贴到备忘录 / 微信「文件传输助手」保存好，再点关闭。

1.3 免费额度与充值满返（现场规则）

注册即送 7000 万+ Token 免费额度（控制台「我的权益」可见），跑十几次 Agent 都够。开发期间如果充值消费，还有满返补贴：

需要充值时：控制台左侧 账单 → 按量付费 → 充值，支付宝付款即可。

1.4（可选）30 秒验证 Key 能用

在终端里执行（把 sk-你的key 换成你的密钥）：

export DASHSCOPE_API_KEY=sk-你的key
curl -s https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.5-plus","messages":[{"role":"user","content":"用一句话介绍你自己"}]}'

2.1 下载 Baseline 代码包 + 商品数据示例

1. 打开比赛页面 一键出海：商品素材全自动生成，还没报名的先点 报名。
2. 切到 详情 / 任务说明 标签页，下载 Baseline 代码包（ZIP）和 商品数据示例（ZIP）。找不到就在活动群里喊一声，工作人员会发。
3. 把 Baseline 解压到一个好找的地方，比如「下载」或「桌面」，得到一个叫 agent 的文件夹。

解压后 agent 文件夹里是这样：

agent/
├── agent.py          ← 核心程序，全部逻辑都在这一个文件里
├── agent.json        ← 运行时声明（python / 版本号），不用管
└── requirements.txt  ← 依赖清单（只有 openai），不用管

Baseline 到底产出哪些文件？（对照官方交付清单）

产出物	数量	Baseline 里的文件名
商品文案（英 / 韩 / 葡）	3 份	product_description_en.txt / _ko.txt / _pt.txt
主图	1 张	main_image.png
详情图	5 张	detail_image_1.png ~ detail_image_5.png
商品视频	1 个	product_video.mp4
策略说明	1 份	strategy_document.txt

2.2 安装一个 AI 编程工具（任选其一）

npm install -g @anthropic-ai/claude-code
claude --version

npm install -g @qwen-code/qwen-code@latest
qwen --version

也可以用你熟悉的 Cursor / Windsurf / Codex CLI / Gemini CLI / 通义灵码——后面的提示词都通用，只是「在终端里启动」那一步换成在编辑器里打开 agent 文件夹。

2.3 用 AI 工具打开 agent 文件夹

在终端里进入 agent 文件夹并启动 AI 工具（把路径换成你解压的位置）：

cd ~/Downloads/agent      # 或 cd ~/Desktop/agent，看你解压到哪
claude                    # 用 Qwen Code 就输入 qwen

请通读当前目录下的 agent.py、agent.json 和 requirements.txt，用通俗的中文告诉我：这个程序输入什么、输出什么、分几步、用了哪些模型。先不要改任何文件。

2.4（可选）本地试跑一次 Baseline

不跑也能提交（平台会替你跑），但跑一次能提前发现 Key、依赖等问题。会消耗一点 Token（几分钱），视频生成需要等几分钟。

# 1) 装依赖 + 检查版本
pip3 install -r requirements.txt
python3 agent.py --version            # 期望输出 1.0.0

# 2) 造一份最小测试数据（也可以用官方「商品数据示例」解压后的目录）
mkdir -p /tmp/test_input/product_info
echo '{"title":"女式V领羊绒衫","sku":[{"color":"米白","size":"S"},{"color":"米白","size":"M"}],"price":"299","description":"100%纯羊绒，柔软亲肤"}' > /tmp/test_input/product_info/product_basic.json
echo '{"材质":["羊绒","羊毛","棉"],"风格":["简约","通勤","休闲"]}' > /tmp/test_input/clothing_attributes.json
echo '{"女装":{"毛衣/针织衫":["套头衫","开衫","背心"]}}' > /tmp/test_input/clothing_categories.json

# 3) 设置 Key 并运行（平台评测时就是这样带 --prompt 调用你的程序）
export DASHSCOPE_API_KEY=sk-你的key
python3 agent.py --prompt "读取 /tmp/test_input/ 目录下目标商品的全部信息文件，提取指定内容，按规范生成输出文件并保存至 /tmp/test_output/"

# 4) 看结果
ls -la /tmp/test_output/

3.1 主提示词：一次说清优化目标

我在参加千问 AI Arena「一键出海：商品素材全自动生成」比赛。当前目录的 agent.py 是官方 Baseline，请先通读它，然后在【不改变文件结构、命令行参数（--prompt / --version）、输出文件命名、退出码约定】的前提下，帮我优化：
1. 英文文案改成美国亚马逊 listing 风格：标题含核心关键词，5 条 bullet points，突出材质 / 尺码 / 使用场景
2. 韩文文案用韩国 Coupang 的口吻，尺码用韩国标准并保留原始尺码对照
3. 葡萄牙文文案适配巴西 Mercado Livre 风格，度量单位用厘米 / 克
4. 所有文案只能使用输入数据里的事实，禁止编造参数、认证、材质、产地
5. 图片 prompt 更具体：主图白底正面棚拍；详情图分别覆盖使用场景、面料细节特写、模特穿搭、平铺搭配
6. 策略文档写得更专业，说明每个市场的本地化策略和合规注意点
只改 prompt 和文案模板，不引入新的第三方库。改完后逐条告诉我改动位置和原因。

3.2（可选）换更强的文本模型

把 agent.py 里的文本模型 TEXT_MODEL 从 qwen3.5-plus 换成 qwen3.8-max，其他都不动。图片和视频模型保持默认。

3.3 让 AI 自检一遍（强烈推荐）

请检查现在的 agent.py：
1. 入口文件名仍是 agent.py，仍支持 --prompt 和 --version 参数
2. 输出文件命名仍严格是 product_description_en/ko/pt.txt、main_image.png、detail_image_1~5.png、product_video.mp4、strategy_document.txt
3. 成功时退出码为 0，任何一步失败时打印清晰日志且返回非 0
4. 没有引入 requirements.txt 之外的新依赖，没有把 API Key 写死在代码里
5. 用 python3 -m py_compile agent.py 确认语法正确
把检查结果列成表格告诉我。

4.1 把依赖装进 lib/ 并打包

比赛要求 ZIP 里自带全部运行依赖，官方约定放在 lib/ 目录。在 agent 文件夹内执行：

pip3 install -r requirements.txt -t lib/
zip -r ../submission.zip . -x "*.pyc" -x "__pycache__/*" -x ".env" -x ".qianwenai-deploy"
ls -lh ../submission.zip

或者直接让 AI 干：

把 requirements.txt 里的依赖安装到当前目录的 lib/ 文件夹（pip3 install -r requirements.txt -t lib/），然后把当前目录的全部内容打包成上一级目录的 submission.zip，要求 agent.py 位于 ZIP 根目录，排除 __pycache__、.pyc、.env 和 .qianwenai-deploy。打包完告诉我 ZIP 大小和里面的顶层文件列表。

4.2 上传到 Arena

1. 打开比赛页面 qianwenai.com/arena → 一键出海，未报名先报名。
2. 点 查看我的作品 → 右上角 ＋ 提交作品。
3. 填一个作品名称（比如「××的出海 Agent v1」），点击或拖拽上传 submission.zip。
4. 点 上传并提交，等进度条走完。

5.1 分数怎么来

提交后平台在沙箱里运行你的程序，然后按 7 个维度机器打分，排行榜 T+1 更新；机器评测排名前 30 的作品进入专家盲评。

总分 = 各维度得分 × 权重。把上表第四列的话直接说给 AI，一次改一两个维度，改完重新打包提交（记得每天 3 次的额度）。

5.2 迭代循环

1. 看排行榜 / 评测反馈，找到最弱的维度。
2. 回到第 3 步，把对应提分提示词说给 AI。
3. 回到第 4 步，重新打包 → 提交（作品名加个 v2 / v3）。
4. 如果已经 Deploy 上线，顺手说一句「我改了代码，帮我更新线上版本」（第 9 步）。

5.3 准备 1 分钟闪电路演

16:40 起路演。准备三句话 + 一个链接：

6.1 注册 + 实名

打开 aliyun.com 注册（支持支付宝一键注册），然后完成个人实名认证（支付宝刷脸最快）。已有账号直接用。

6.2 账户余额 ≥ ¥100（最大的坑，先看这里）

6.3 安装阿里云命令行工具（aliyun CLI 3.x）

Deploy Skill 通过它操作你的云账号。Mac 用 Homebrew 一行搞定：

brew install aliyun-cli
aliyun version        # 期望输出 3.x.x

没有 Homebrew 或用 Windows：去 阿里云 CLI 官方安装文档 下载对应系统的安装包，装完重开终端执行 aliyun version。也可以直接问 AI：

帮我在这台电脑上安装阿里云命令行工具 aliyun CLI 3.x（参考 https://help.aliyun.com/zh/cli/install-update-alibaba-cloud-cli），装完运行 aliyun version 确认。先不要配置任何密钥。

7.1 为什么要 Web 壳

Baseline 的 agent.py 是命令行程序（靠 --prompt 参数运行），而「部署上线」上线的是一个网站。所以要给它套一个网页入口：一个页面，粘贴商品 JSON，点按钮，后台调用 agent.py 里的函数生成素材，页面上看结果。我们已经写好了 server.py（Flask，不需要你改），放进 agent 文件夹就行。

# 1) 下载 Web 壳到 agent 文件夹
curl -fsSL /assets/download/server.py -o server.py

# 2) 依赖清单里加上 flask 和 gunicorn
printf 'flask>=3.0.0\ngunicorn>=22.0.0\n' >> requirements.txt

# 3) 把千问 API Key 写进 .env（服务上线后靠它调用模型）
echo "DASHSCOPE_API_KEY=sk-你的key" > .env

# 4) 本地跑起来试试
pip3 install -r requirements.txt
python3 server.py

也可以点这里下载：server.py · requirements.txt（含 flask / gunicorn） · .env 示例。放进 agent 文件夹后目录里应该有：agent.py、agent.json、requirements.txt、server.py、.env（可能还有 lib/）。

给当前项目加一个 Flask 网页入口 server.py：首页有一个文本框粘贴商品 JSON 和一个「开始生成」按钮；点击后在后台线程调用 agent.py 里的 read_input_data、step_descriptions、step_images、step_video、step_strategy 生成素材，前端轮询进度，完成后在页面上展示三语文案、6 张图片和视频；服务监听 0.0.0.0:8080；启动时从同目录的 .env 读取 DASHSCOPE_API_KEY（不要新增 python-dotenv 依赖，自己解析）；在 requirements.txt 里加上 flask 和 gunicorn；不要改动 agent.py。

7.2 安装 Deploy Skill

Skill 是给 AI 工具装的「技能包」。在 agent 文件夹里执行（会自动识别你装了哪些 AI 工具：Claude Code / Qwen Code / Cursor / Codex / Gemini CLI / 通义灵码 都支持）：

npx skills add QianWen-AI/qianwenai-deploy
npx skills list        # 应能看到 qianwenai-deploy

或者用千问 AI 平台技能市场的方式——直接把这句话发给你的 AI 工具，让它自己装：

请根据 https://www.qianwenai.com/hub/install/skillshub.md，安装 qianwenai-deploy。

8.1 在 agent 文件夹里，对 AI 说：

帮我把这个项目部署上云（用 qianwenai-deploy 部署到阿里云杭州地域，Web 入口是 server.py，端口 8080）。

接下来 AI 会依次做这些事，遇到需要你操作的地方它会停下来问：

1. 环境检查：确认 aliyun CLI 已安装、有没有登录凭证。
2. 选择认证方式：选 OAuth 浏览器登录（推荐）。AI 会自动打开浏览器 → 见 8.2 的登录坑。
3. 项目分析：识别出 Python + Flask，入口 server.py，端口 8080，启动命令 gunicorn。
4. 选择服务器规格：选 入门型 2C2G（ecs.e-c1m1.large）就够。
5. 费用确认：展示小时单价（实测约 ¥0.198 / 小时 = ECS ¥0.178 + 公网 IP ¥0.02 ≈ ¥4.75 / 天），你说「确认」后才开始创建资源、才开始计费。
6. 自动部署：上传代码 → 创建 VPC / 安全组 / 云服务器 / 公网 IP → 安装 Python 依赖 → 用 systemd 启动服务 → 健康检查。大约 5–10 分钟，泡杯咖啡。
7. 输出链接：一张成功卡片，里面有 http://47.xx.xx.xx/ 这样的公网地址，并在项目里写下 .qianwenai-deploy 状态文件（后面热更新 / 删除要用，别删）。

8.2 登录授权的坑：先点「主账号登录」

AI 打开的阿里云授权页默认停在「RAM 用户登录」（那是给企业子账号用的，你的个人账号在这里登不上）。正确做法：

1. 看到「RAM 用户登录」页面 → 点最底部的「主账号登录」。
2. 进入主账号登录页 → 用手机号验证码、支付宝或阿里云 APP 扫码登录。
3. 出现「用户授权」页（应用名 official-cli）→ 点蓝色 授权。
4. 回到终端，AI 会自动继续（它在等这个授权回调）。

8.3 拿到链接后

1. 浏览器打开 AI 给你的 http://公网IP/，看到「一键出海 · 商品素材 Agent」页面。
2. 粘贴你的商品 JSON（可以直接用官方「商品数据示例」里的 product_basic.json 内容），点「开始生成」，几分钟后页面上出现三语文案、6 张图和视频。
3. 把链接发到活动群；路演要用二维码的话，对 AI 说「把 http://xx.xx.xx.xx/ 生成一张二维码图片保存到桌面」。

9.1 热更新（IP 不变）

在第 3 步继续优化了 agent.py 之后，对 AI 说：

我改了代码，帮我更新线上版本。

AI 会重新打包上传，通过云助手在服务器上替换代码并重启服务，1–2 分钟完成，链接不变。

9.2 用完释放（一定要做）

路演结束、截图留念之后，对 AI 说：

删除这次部署，释放所有云资源。

AI 会二次确认后删除整个资源栈（服务器、公网 IP、网络一起销毁），之后不再计费。