AI 批次修圖實測：讓 Claude 透過 MCP 操作開源 PhotoCraft，7 種任務的成功率與成本

AI 已經可以自己修圖了。只要把修圖軟體用 MCP 接上 AI 助理，你用一句話交代需求，它會自己開檔、選取、調色、加字、存檔，做完還會看預覽檢查。問題是：它做得夠好嗎？要花多少錢？

我們在 2026 年 10 月 10 日，把 9 月底開源的修圖軟體 PhotoCraft 0.6.0 接上 Claude。Claude Sonnet 5.5 與 Claude Haiku 5.5 各跑 7 種常見的修圖任務，每張成品都由我們逐張放大驗收，不只看 AI 自己的回報。

另外也測了不需要 AI 的做法：用命令列把固定步驟一次套用到整個資料夾。下表先整理結果，後面再說明哪些工作適合交給 AI、哪些適合寫成程式，以及怎麼接進你的電商或官網後台。

批次修圖自動化適合哪些情境

只要同一批圖片要套用相同的處理規則，而且這件事每週都在發生，就值得自動化。最常見的是電商商品圖、官網文章配圖、房仲物件照片與活動照片。

判斷值不值得做，可以看兩個數字：每週要處理幾張圖，以及每張圖人工處理要幾分鐘。如果一週超過一百張、每張超過兩分鐘，一年累積的人力就很可觀。商品資料本身如果也還散在 Excel 裡，可以一起參考 PIM 商品資訊管理系統 的規劃方式。

圖片處理好之後，怎麼讓它在搜尋與購物廣告上被看見，又是另一個環節，可以參考 Google Merchant Center 商品上架指南 對圖片規格的要求。

為什麼選開源修圖引擎，三種做法怎麼比

批次修圖有三條路：Photoshop 的動作功能、雲端圖片處理服務，以及開源影像引擎。開源引擎的優勢是沒有授權費、可以放在自己的伺服器上跑，還能直接用 MCP 交給 AI 操作。

要說清楚的是，如果你只需要縮圖、裁切、轉格式，像 ImageMagick、libvips 這類老牌開源工具更成熟，社群資源也多。PhotoCraft 的特別之處在於它能處理 PSD 範本、可編輯的文字圖層與調整圖層，而且每個功能都能讓 AI 透過 MCP 呼叫。

表格最後一列值得注意：AI 透過 MCP 修圖時，原始檔留在你的電腦或伺服器上，但 AI 要求看的預覽縮圖與圖層資訊，會傳到 AI 服務商的雲端。照片涉及個資或未公開商品時，要先確認服務商的資料政策。開源工具與付費服務之間的取捨，可以對照 RPA 工具採購指南 與 Make.com 自動化教學。

實測一：讓 Claude 透過 MCP 自己修圖

MCP 是讓 AI 助理呼叫外部工具的標準介面。PhotoCraft 內建 MCP 伺服器，啟動後提供 21 個工具，例如開檔、執行指令、看預覽、存檔。你用自然語言交代需求，AI 會自己決定呼叫哪些工具、帶什麼參數。

我們的測試環境是這樣搭的：用 Claude Code 的無頭模式當 AI 用戶端，關掉它所有內建工具，只留下 PhotoCraft 的 MCP 工具。也就是說，AI 只能靠 PhotoCraft 完成任務，沒有辦法偷用其他程式。設定檔如下，資料夾路徑換成你自己的工作資料夾即可。

{
  "mcpServers": {
    "photocraft": {
      "command": "photocraft-cli",
      "args": ["mcp",
               "--automation-read-root", "/path/to/work",
               "--automation-write-root", "/path/to/work"]
    }
  }
}

接著我們用中文交代 7 種任務，每個模型各跑一輪，記錄它呼叫了哪些工具、花多少時間與費用。最後由我們逐張打開成品驗收，判斷標準是「成品能不能直接拿去用」。兩題陷阱題本來就做不到，改以 AI 能否正確判斷、誠實回報為準。

總結來說，Sonnet 7 題全數達標，其中兩題是「正確判斷做不到並停下來」；Haiku 4 題達標、3 題只做到一半。下一段我們拆開來看，AI 修圖到底哪裡做得好、哪裡會出錯。

AI 修圖的實際表現：做得好與會出錯的地方

做得好的地方很明確：多數題目 AI 會看預覽圖檢查成品、發現問題會自己修，遇到做不到的事會停下來說明。會出錯的地方也很一致：它的回報常常比實際成品樂觀。

會看預覽、會自我修正

「背景改黑白」這題最能看出 AI 的工作方式。兩個模型都先用選取主體抓人物、反轉選取，再做去色或黑白調整，然後看預覽，並且都發現左邊的國旗沒有變黑白。原因是 PhotoCraft 的選取主體是傳統演算法，把國旗也當成主體的一部分。

接下來兩個模型都自己復原，改用套索把國旗補進選取範圍，再套一次黑白。Sonnet 一次就修好；Haiku 來回修了四輪，總共呼叫 28 次工具、花了 83 秒。

宣傳圖這題也類似。兩個模型做完都看了預覽，確認標題沒有超出畫面。Sonnet 還發現白字壓在地球底部的白色雲層上不夠清楚，主動加了陰影，並在回報裡說明「這是你沒要求的小調整」。

改 PSD 文字這題，兩個模型都正確找到「Drop Shadow」那個文字圖層。內容改成「限時優惠 85 折」、字型換成蘋方，原本的陰影效果完整保留，兩個模型輸出的檔案完全相同。

做不到的事會停下來說明

我們刻意放了兩題陷阱。第一題要改的 PSD 文字，其實早就被轉成點陣圖。兩個模型都用工具查出「這不是文字圖層」，都沒有硬改。它們說明了原因，列出替代做法，請我們決定。

第二題要求「用 AI 生成星空把畫面補滿」，但 PhotoCraft 沒有生成式功能。Sonnet 搜尋了工具清單，確認沒有相關指令就停下來，提出三個替代方案。Haiku 則自己畫了深藍底加星點交差，成品很陽春，但它在回報裡有明講「不是 AI 生成的星空」。

回報比成品樂觀，一定要另外驗收

最需要注意的是這一點。調亮人像那題，我們把原圖壓暗到平均亮度 31.5（原始照片是 95.3）。Sonnet 調到 59.8，看得出明顯改善；Haiku 只調到 37.3，畫面只亮了一點。它的回報詳細說明了每個參數的用意，卻完全沒提到成品仍然明顯偏暗。

背景黑白那題更明顯。Haiku 回報「人物保持彩色」，另外仍有幾處很細的紅色殘邊。放大一看，人物的左臂整段被一起轉成了黑白，頭髮旁和肩膀的紅邊也相當明顯。

Sonnet 的回報也有不準的時候。改 PSD 文字那題，它回報「圖層名稱還叫『Drop Shadow』，我沒改」，實際存出的檔案裡，圖層名稱已經跟著變成「限時優惠 85 折」。生成星空那題，它沒看預覽，推測是從檔名 marble 判斷，寫下「結果會是大理石延伸」，實際上那是一張地球照片。這些錯誤不影響成品，但說明了 AI 的回報不能直接當成驗收結果。

實務上的做法是在流程裡加一道驗收：可以量化的項目（尺寸、亮度、檔案大小）用程式自動檢查，量化不了的（邊緣殘色、文字是否清楚）交給人看一眼。AI 負責做，人負責簽收。

Claude Sonnet 還是 Haiku：費用、速度與品質怎麼選

要成品直接能用，選 Sonnet；任務簡單、規則講得很清楚，Haiku 可以省下九成費用。下表是每一題的實測耗時、費用與工具呼叫次數，每題各跑一輪。

Haiku 每次呼叫很便宜，但遇到難題會反覆嘗試，呼叫次數多、時間也比較長。Sonnet 單價高，通常比較少步就做完，這次實測的成品品質也明顯較好。

費用裡有一塊是「找指令」的成本。PhotoCraft 有 851 個指令，AI 每題都要先呼叫指令清單工具搜尋要用哪個，最多的一題查了 11 次。另外，我們用的 Claude Code 本身也有不小的系統提示，若是自己寫程式直接串 API、把常用指令先整理給 AI，同樣的任務費用還能再降。這部分的原理可以參考 連很多 MCP 會不會很燒 token。

如果你還在評估各家模型的價格與定位，AI 導入費用拆解 整理了常見的導入型態與預算抓法。

實測二：不用 AI，用命令列一次處理 16 張照片

規則固定的工作不需要 AI 判斷，直接寫成動作清單用命令列跑，又快又不花 AI 費用。我們的 16 張照片在 Apple M1 筆電上連跑三次，每次 25 到 26 秒，全部成功。

PhotoCraft 的每個選單項目都對應一個指令，桌面版的指令面板、命令列與 MCP 呼叫的是同一套。下面是我們用的動作清單，每一行是「指令名稱 + 參數」，浮水印文字已換成範例。

[
  ["image.autoContrast", {}],
  ["image.imageSize", {"width": 1600, "resolution": 72}],
  ["filter.sharpen.unsharpMask", {"amount": 60, "radius": 1.2, "threshold": 2}],
  ["type.create", {"x": 40, "y": 70, "text": "© 公司名稱", "font": "PingFang TC", "size": 32, "color": "#ffffff"}],
  ["layer.setProps", {"opacity": 0.7}],
  ["layer.flattenImage", {}]
]

存成 actions.json 之後，用這行指令處理整個資料夾，輸出成品質 82 的 WebP：

photocraft-cli batch --actions actions.json --in ./raw --out ./web --format webp --quality 82

處理結果：每張照片寬度縮到 1600 像素並維持原比例，左上角加上半透明的中文浮水印。原本 62 MB 的 16 張 JPG（4 張原圖各複製 4 份），輸出後總共 7.2 MB。

實測時我們踩到一個坑：第一次跑的時候，浮水印字大得誇張。原因是文字大小用「點」計算，會跟著照片的解析度放大；我們有張照片是 349 ppi，32 點的字就變成將近 160 像素高。解法是在縮圖步驟同時把解析度統一成 72 ppi。

交代 AI 時也有一個小提醒：我們的批次任務沒有指定 WebP 品質，兩個模型都輸出成無損格式，每張約 1.5 到 2.3 MB。另外，白色浮水印放在偏亮的畫面角落時會不太明顯，Sonnet 有在回報裡提醒，但兩個模型都沒有自動調整。需求寫得越具體，例如「品質 82 的有損 WebP」，成品越接近你要的結果。

把 AI 修圖接進電商或官網後台的架構

要從「在電腦上跑腳本」變成「系統自動處理」，核心是一條處理佇列。圖片上傳後先排隊，由背景程式交給 PhotoCraft 處理；需要判斷的任務交給 AI，規則固定的直接套動作清單。成功就存檔並回寫網址，失敗就通知負責人。

程式也可以不經過 AI、直接呼叫 MCP 工具。我們實測過一個固定流程：開檔、選取主體、反轉選取、加去色調整圖層、看預覽、存檔，六次呼叫合計約 1 秒，三次實測都一樣。適合「步驟固定、只是想用同一套介面」的情況。

PhotoCraft 在安全設計上有一個我們很欣賞的地方：自動化模式預設不能讀寫任何檔案。必須在啟動時明確指定允許的讀取與寫入資料夾，絕對路徑與「..」跳出資料夾的路徑都會被拒絕。讓 AI 操作工具時，這種「只給必要權限」的設計特別重要。

如果你的後台是外包廠商做的，這類串接通常會牽涉到 API 與既有系統的權限設計，發包前可以先看 企業 API 整合外包採購指南，把需求與驗收條件講清楚。

導入前要注意的限制與風險

PhotoCraft 目前是 early alpha，版本變動快。從 10 月 2 日第一版到 10 月 10 日，就出了八個版本（含兩個預覽版），指令參數也可能跟著調整。加上 AI 本身的不確定性，導入時要多留幾道保險。

• AI 成品要驗收：實測中 AI 的回報常比成品樂觀，不能把「AI 說做好了」當成完成。
• 固定版本：正式環境鎖定 PhotoCraft 版本號與 AI 模型版本，升級前先用同一批測試圖跑一次。
• 字型授權：浮水印與標題用的字型要確認可以商用，伺服器上也要安裝同一套字型。
• PSD 範本相容性：我們實測 125 個 PSD 測試檔，約四分之三與 Photoshop 結果一致，漸層筆畫等進階效果仍有差異，詳見 PhotoCraft 實測評測。
• 智慧功能的品質：選取主體與內容感知填滿是傳統演算法，也沒有生成式功能，需要精準去背或擴圖時要搭配其他工具。

這些限制都可以靠流程裡的檢查點控制。先挑一個圖片量大、規則單純的情境上線，跑穩之後再擴大，風險最低。

自己寫腳本還是做成系統，成本怎麼評估

如果只是一個人每週處理一次照片，自己寫一支腳本或直接跟 AI 對話就夠了；如果要讓多個部門上傳、自動處理、接到電商或官網，就需要做成有佇列、驗收與錯誤通知的系統。差別在於「誰會用」與「出錯時誰負責」。

三種做法的軟體授權費都是零。如果要做成正式的後台功能，系統開發流程的七個節點 能幫你預先想好每個階段要交付什麼。

如果你公司的商品照、物件照或活動圖每週都要人工處理，我們很樂意 聽你聊聊現在的流程，一起看看哪些步驟可以交給 AI、哪些寫成規則最划算。已經有官網或電商後台、想直接加上自動處理圖片的功能，也可以從 客製化網站與系統開發 開始談。

我們怎麼看

這次實測讓我們確定，AI 透過 MCP 操作修圖軟體已經能完成實際工作，連「做不到就停下來」都做得不錯。真正的風險在於它的回報不一定準確。我們的建議是讓 AI 負責做、讓程式和人負責驗收，規則穩定之後再寫成固定流程，成本最低也最可靠。