在护肤品牌、电商平台、医美咨询和会员小程序中，AI 肌肤分析正在成为一个比较常见的技术能力。它的核心作用不是简单生成一份“测肤报告”，而是把用户上传的自拍图像转化为可被系统处理的肤况数据。
从技术角度看，AI 肌肤分析 API 适合解决三个问题：如何接收用户图像，如何创建分析任务，如何把分析结果接入前端报告、商品推荐或会员系统。
YouCam API 中的 AI Skin Analysis 能力，主要面向这类业务场景。开发者可以通过 API 将肌肤检测能力接入网站、App、小程序、电商页面或线下设备，让品牌在自己的前端体验中完成测肤、结果展示和推荐逻辑。
一、AI 肌肤分析 API 适合解决什么问题
传统护肤推荐通常依赖问卷，例如用户选择“油皮”“干皮”“敏感肌”或“关注抗老”。这种方式实现简单，但数据主观性较强。
AI 肌肤分析 API 的不同之处在于，它以图像作为输入，通过 AI 分析用户面部肌肤状态，并返回结构化结果。常见分析维度可以包括毛孔、纹理、皱纹、痘痘、泛红、油脂、水分、黑眼圈等。
对于技术团队来说，这类 API 的价值在于：它可以把一张非结构化自拍，转换成后端系统可以处理的数据字段。后续系统可以基于这些字段做报告展示、产品推荐、用户画像或长期肤况追踪。
二、基础接入流程
AI 肌肤分析通常不是一个简单的同步接口，而是更接近任务式流程。
基本链路可以理解为：
用户拍照或上传自拍 ↓ 前端提交图片 ↓ 后端完成文件上传或文件注册 ↓ 创建 AI Skin Analysis 任务 ↓ 获取 task_id ↓ 查询任务状态 ↓ 返回肤况分析结果 ↓ 前端展示报告或进入推荐逻辑
在这个流程中，建议由后端统一处理 API Key、图片上传、任务创建、状态查询和错误处理。前端只负责拍摄引导、上传交互和结果展示。
这样做的原因很简单：API Key 不适合放在前端；图片上传和 AI 任务状态也需要统一管理；分析结果往往还要进入推荐系统、CRM 或会员体系。
三、代码示例：创建 AI 肌肤分析任务
下面是一段 AI Skin Analysis 任务创建示例，代码段保持不修改：
curl --request POST \ --url https://yce-api-01.makeupar.com/s2s/v2.0/task/skin-analysis \ --header 'Authorization: Bearer YOUR_API_KEY' \ --header 'Content-Type: application/json' \ --data '{ "src_file_id": "SaGaqpDgKwFrVBgMpQMA3HY0LeqdT9/13W5TOD8/u/FfjK3xgCQ+hRt9MJXBFaud", "dst_actions": ["wrinkle", "pore", "texture", "acne"], "miniserver_args": { "enable_mask_overlay": true, "enable_dark_background_hd_pore": true, "color_dark_background_hd_pore": "3D3D3D", "opacity_dark_background_hd_pore": 0.4 // Additional parameters omitted for brevity }, "format": "json" }'
这段请求里有几个关键字段。
src_file_id 表示已经上传完成的用户图片文件。实际项目中，这个 ID 通常来自前置文件上传流程。
dst_actions 用来指定本次需要分析的肌肤问题，例如 wrinkle、pore、texture、acne。不同业务场景可以选择不同分析项，不一定每次都调用所有能力。
miniserver_args 用于控制部分可视化或 mask overlay 相关参数。对于前端报告展示来说，这类参数可以帮助用户更直观看到肌肤问题区域。
format 表示返回结果格式。对于需要接入前端展示和后端推荐系统的项目，JSON 结构会更方便解析和存储。
四、不要只展示分数，还要设计结果解释层
AI 肌肤分析结果如果只展示一个总分，实际价值会比较有限。更合理的做法是把结果拆成两层。
第一层是用户可理解的报告，例如“毛孔状态”“纹理表现”“痘痘情况”“泛红区域”等。这一层需要清晰、直观，避免直接暴露过多技术字段。
第二层是业务系统可使用的数据，例如把不同肤况类型映射到商品标签、护理建议或会员分层中。
例如：
pore 明显 → 细致毛孔类产品 → 控油清洁类内容 → 毛孔护理专题页 texture 不均 → 修护类产品 → 平滑肌理类内容 → 周期性护肤建议 acne 明显 → 痘痘护理产品 → 温和清洁建议 → 避免高刺激推荐
这部分不一定由 API 直接完成，而是需要品牌自己的商品体系、内容体系和推荐规则来承接。
五、图片质量会影响分析稳定性
AI 肌肤分析对输入图片质量比较敏感。图片过暗、过曝、模糊、角度偏移、脸部遮挡或过度美颜，都可能影响最终结果。
因此，前端最好加入基础拍摄引导：
提示用户正脸面对镜头；保持光线均匀；避免头发、口罩、眼镜大面积遮挡；尽量不要使用美颜滤镜；图片过暗或模糊时提示重新拍摄。
后端也可以增加文件检查逻辑，例如图片格式、大小、分辨率、上传状态等。这样可以减少无效 API 调用，也能提升整体体验稳定性。
六、适合落地的业务场景
AI 肌肤分析 API 比较适合以下几类场景。
在品牌官网或小程序中，可以作为“在线测肤”入口，让用户上传自拍后获得基础肤况报告。
在护肤电商中，可以把肌肤分析结果接入商品推荐，根据毛孔、纹理、油脂、水分等结果推荐对应产品。
在会员系统中，可以把多次测肤结果作为长期肤况记录，用于周期性护理建议、复购提醒或会员内容推送。
在线下门店或美容顾问工具中，可以把 AI 测肤作为咨询前的辅助步骤，让导购或顾问更快理解用户关注点。
在医美和皮肤管理场景中，AI 肌肤分析可以作为可视化沟通工具，但不应替代专业医生判断。
七、技术接入建议
实际接入时，建议采用以下结构：
前端小程序 / H5 / App ↓ 品牌业务后端 ↓ AI Skin Analysis API ↓ 结果解析层 ↓ 商品推荐 / 会员系统 / 前端报告
前端保持轻量，主要负责拍照、上传和展示。后端负责 API 鉴权、任务状态、日志、错误处理和结果存储。推荐系统负责把肤况结果映射到商品、内容或服务。
这种架构更适合长期维护，也方便后续扩展到多个渠道。
八、说明
目前 API 仅支持海外使用，品牌或开发团队在规划接入前，需要先确认自身业务区域、部署环境和合规要求。
