Pixieset 用 Bedrock 实现 AI 功能 35% 采纳率

本文由 Pixieset 的 Ry Rainey 和 Graham Gibson 共同撰写。

摄影师和艺术家是生成式 AI 最不买账的受众之一。他们眼看着 AI 威胁自己的手艺，向行业灌入大量合成作品。MIT 2025 年的一项研究发现，95% 的企业生成式 AI 试点项目没有带来任何可衡量的回报。

Pixieset 是一家面向摄影行业的全流程服务平台，提供照片画廊、网站、在线商店、工作室管理和照片编辑等服务。Pixieset 托管超过 80 亿张照片，服务于全球数百万摄影师。他们之所以能打破这种怀疑，核心在于提出了正确的问题：我们的用户被迫去做哪些把他们从创作中拉走的事情？答案让他们在四个月内从概念走到了生产环境，上线第一周就带来了可观的订阅升级，十六个月后仍有 35% 的适用用户在持续使用该功能。

每年，Pixieset 都会举办一次全公司黑客松，各团队尝试新技术、探索可能性。正是通过黑客松，团队第一次见识到了生成式 AI 的能力。进入产品开发阶段后，他们把这种好奇带回到了客户问题中。

Pixieset Websites 让摄影师可以轻松为自己的业务创建网站。数据显示，大多数摄影师网站的 alt 文本几乎为零。alt 文本是对页面上每张图片的唯一且准确的描述。没有 alt 文本，图片对搜索引擎是不可见的。一个典型的摄影师作品集包含数百到数千张图片。为每张图片撰写独特且描述性的 alt 文本既繁琐又耗时。摄影师知道应该通过 alt 文本来推广自己的业务，但手动输入的工作量实在太大，导致这件事一直被无限期推迟。

借助 Amazon Bedrock，Pixieset 在 4 个月内将 AI 图片 alt 文本生成器从概念推向了面向数百万用户的生产环境。Pixieset 产品负责人 Graham Gibson 回忆道："上线第一周，Pixieset 就为超过 75 万张照片生成了 alt 文本，证明了这是摄影师愿意交给 AI 处理的工作环节。"

真正的挑战不在于构建功能，而在于推动用户采用。如果用户不信任工具，甚至反感它所服务的创意专业人士，那工具就毫无价值。

"Pixieset 首席工程师 Ry Rainey 表示："我们反复思考，这个首个 AI 功能必须解决一个真实的问题。"Pixieset 的产品理念始终是找到那些让摄影师把时间花在与摄影无关的工作上的时刻，然后消除这种摩擦。团队将同样的视角应用到了生成式 AI 上——不问'这项技术能做什么？'，而是问'我们的用户在哪里把时间浪费在了非创意性的任务上？'"这种框架让 Pixieset 团队避开了更炫酷的应用场景，比如 AI 生成图片——那会侵犯摄影师引以为豪的创作工作。他们转而关注元数据，即那些让作品集对技术和搜索引擎可见、但没有任何摄影师愿意亲手编写的"隐形骨架"。

图 1：Pixieset 网站构建器中的 AI 生成 alt 文本审核界面

这个功能不是一次性把 AI 生成的 alt 文本应用到整个网站，而是每次针对一张图片可用。摄影师每次只审核一条建议 alt 文本，选择接受、编辑或拒绝，然后再扩大范围。摄影师按照自己的节奏逐步建立对输出质量的信心。当摄影师感到满意后，他们可以在整个作品集上启用"自动应用"，而且即使如此，每条说明文字仍然可以编辑。摄影师始终掌握最终决定权，AI 则通过这种方式逐步赢得信任。

下图展示了 Pixieset AI 生成 alt 文本功能的端到端流程。Pixieset 基于事件驱动架构构建，使用 Amazon Elastic Compute Cloud（Amazon EC2）、AWS Lambda 和 Amazon Simple Queue Service（Amazon SQS）。

图 2：Pixieset AI 生成 alt 文本功能的端到端流程

当摄影师上传一张图片时，会触发一个事件。对于这个 AI 生成 alt 文本功能，Pixieset 团队在现有的 Worker 管道中增加了一步：将图片发送到 Amazon Bedrock，由多模态大语言模型（LLM）进行推理，将生成的说明文字与照片一起存储，然后在摄影师每天都在使用的网站构建器中展示供其审核。

这个集成只需要一次 API 调用，无需新基础设施、GPU 配置或模型托管。"这是我们选择 Amazon Bedrock 的主要原因之一，"Graham 说道。通过使用完全托管的 Amazon Bedrock，通过单一 API 安全访问领先的基础模型，Pixieset 在第一周内就从零扩展到了 75 万次推理请求，而无需配置任何一台服务器。

Pixieset 团队需要这个功能具备高可用性，因为如果用户看到空的生成式 AI 说明文字或"请重试"的错误，会削弱信任并阻碍功能采用。Amazon Bedrock 的跨区域推理功能可以在指定的地理边界内自动跨区域路由请求，在不增加任何路由逻辑的情况下维持吞吐量。Pixieset 团队更近一步，捕获主模型的失败并用质量相当的辅助模型重试。因此，该功能自上线以来实现了零停机。

Pixieset 在 2025 年初上线该功能，使用的是通过 Amazon Bedrock 调用的 Anthropic Claude 3.5 Sonnet，选择它的原因是其多模态图片理解能力、快速推理和大规模成本效益。由于 Amazon Bedrock 为各模型提供商提供了统一的 API，Pixieset 可以评估更新的模型，而无需锁定特定版本或提供商，也无需重新架构集成即可切换模型。Amazon Bedrock 的高级 Prompt 优化功能进一步降低了切换成本，可以自动将现有 Prompt 适配到新模型的优势上。自上线以来，Amazon Bedrock 的模型目录持续扩展，包括 2026 年 6 月最新的 Claude Sonnet 5，以及 OpenAI 的 GPT-5.5、Amazon Nova、Meta、Mistral、Cohere 等众多厂商的模型。这意味着他们在 2025 年上线的功能，会随着底层模型的进步而持续改进，几乎不需要工程投入。

功能上线后，摄影师的反馈证实他们提出了正确的问题，构建了真正有用的东西：

"天哪 Pixieset！我平时并不喜欢用 AI，但用 AI 批量生成图片描述真的太棒了。显然我还是要逐一检查审批，但这绝对是个游戏规则改变者！"

"这个新的图片'SEO'生成式 AI alt 文本功能太棒了！！帮我省了大量时间。偶尔需要一些小调整，但整体上非常准确。Pixieset 这个功能太赞了！"

"我升级了订阅，就是为了用这个创新功能 :) 谢谢你们的工作"

builders 可以应用的三条原则

Pixieset 在 AI 生成 alt 文本上的成功并非运气或时机使然。在写第一行代码之前做出的三个设计决策，塑造了最终的结果。

将 AI 功能分类为"护城河"和"必选项"

并非每个 AI 功能都值得同等的投入。Pixieset 很早就认识到，AI 生成的 alt 文本是一项必选项，而非会随着独特数据积累而不断加深的专有护城河。这是一项"及格线"能力，大多数网站构建器最终都会提供。这种区分告诉团队应该优先考虑上市速度，而不是过度设计差异化。正是这种专注让他们在四个月内从概念走到了生产，而不是花一年时间去构建不会产生复利效应的差异化。

解决非创作性的工作

最容易被用户抵制的 AI 功能，是那些侵犯用户引以为豪的工作的功能。Pixieset 刻意选择自动化元数据——那些让作品集可被发现的隐形骨架——而不是任何涉及摄影创作本身的东西。结果是，摄影师没有感到被取代，而是从一件一直拖延的家务中解脱了出来。这就是为什么该功能推动了订阅升级而不是取消。

让用户按自己的节奏建立信任

即使是一个精准定位的功能，如果要求用户一下子交出太多控制权，也可能失败。Pixieset 每次只引入一张图片的 AI 功能，让摄影师审核单条说明文字后再决定是否扩大范围到整个作品集。这种耐心得到了回报，35% 的用户最终选择按自己的方式实现完全自动化。他们是通过亲身使用产品建立起的信心，而不是依赖产品团队的保证。

Pixieset 的 AI 生成 alt 文本功能最令人印象深刻的地方，在于它所需的基础设施之少。嵌入现有事件驱动管道中的一次 Amazon Bedrock 推理调用，就交付了一个拥有 35% 用户采用率且未见增长停滞的功能。但技术上的简洁只是次要经验。真正让它成功的是一种纪律：知道要解决什么问题、要自动化谁的工作、以及一次性交出多少控制权。

开始使用 Amazon Bedrock 来构建你的第一个推理驱动功能。当你准备好进入多步骤 Agent 工作流时，Amazon Bedrock AgentCore 提供了可扩展的托管基础设施。如果从一开始就基于 AI 进行开发，AI-Driven Development Lifecycle（AI-DLC）提供了一个框架，让你在软件开发的每个阶段都将 AI 作为协作伙伴。