真正缺少的是连续性
很多 AI 图像工具围绕一个提示词输入框和最终结果组织。这种方式适合演示，但商品图制作本质上是一项迭代工作：卖家从多张真实照片出发，尝试不同构图，比较模型表现，指出具体修改，最后还要把结果交给可能继续调整文字、图层或版式的人。
CraftCanvas 正是从这个缺口开始。它不把每次生成当成孤立请求，而是把工作保留在无限画布上，让源图、生成变体和它们之间的关系持续可见。
画布就是产品记忆
持续存在的画布不只是提供更多空间，它还记录结果是如何产生的。新图片出现在源图旁边，碰撞检测避免节点堆叠，连接线保留派生关系。选中单张或一组图片后，它们可以直接成为下一条指令的上下文，用户不必重新描述整个任务。
批注也遵循同一原则。图钉、目标点和引线应该让修改要求在真正相关的位置变得清楚。形状、Frame 与局部对话让视觉反馈依附在作品上，而不是消失在很长的聊天记录里。
不同任务需要不同执行路径
CraftCanvas 把 Gemini 图像生成、Gemini 素材分析与 OpenAI GPT Image 放在统一引擎接口之后。快速探索、高保真输出、多参考图编辑和本地图像处理并不是同一个问题，因此产品会为每项任务选择足够完成工作、成本又更合适的路径。
自由创作、六视角商品图、多组件重排和一键九图这四种预设工作流只是起点，而不是锁死的模板。制作参数信息图时，用户输入的事实会被直接注入，提示词也明确禁止虚构尺寸、功率、认证或其他参数。
交付物应该还能继续编辑
一张扁平 PNG 并不总是流程终点。CraftCanvas 可以把结果拆分为背景、产品主体和文字图层后导出 PSD，也可以把合适的图片转换为 SVG。这些能力并不试图替代设计师，而是让 AI 结果更接近一份可以检查、可以继续工作的文件。
这个项目正在教会我的事
真正困难的并不是再增加一个模型按钮，而是管理上下文、成本、延迟、失败请求、文件体积、批量进度，以及“看起来合理的图片”和“可信的商品事实”之间的差异。CraftCanvas 仍在持续迭代，目标是在呈现这些约束的同时，不让工作台变得沉重。
今天已经验证，但仍会继续迭代
当前生产构建已经通过，在线工作台也能从项目入口访问。同一次核查也暴露了下一阶段工程重点：主 JavaScript 包约 1 MB，几个画布组件过大，尚无自动化测试；如果公开使用服务端 OpenAI 密钥，代理还需要认证、配额和限流。可信的项目复盘应该同时展示已经工作的产品，以及它要安全扩大规模仍需完成的工作。