我遇到过最崩溃的一次审品，是运营同事一口气丢来一个网盘链接，里面躺着 6 份新品资料和 1 张商品主图，要求当天下午 4 点前给出上架审核结论。人工逐份核对文案、参数、图片、资质，看到第三份文件时眼睛已经花了，第五份和第一份的容量数据对不上时，我甚至怀疑自己记错了。后来我直接用 Qwen3.8-Max 搭了一个商品资料包体检助手，把 6 份资料和 1 张图片全部灌进去做交叉检查，第一轮跑完就吐出一份 27 个问题的体检报告，从“净含量标错”到“授权书已过期”再到“主图水印残留”，一条条列得清清楚楚。这篇文章就把这套方案的完整思路、代码实现、Prompt 设计和排坑经验全部摊开讲，适合正在做电商上架审核、商品运营、供应链品控，或者想用大模型解决多文档一致性校验的朋友参考。
1. 为什么电商资料审核值得做成自动化：一场发生在详情页里的“世界大战”
电商上架一个新品，尤其是标品/快消品类，资料包动辄五六份起步：标题文案、卖点、详情页长图文案、SKU 参数表、质检报告、授权书、主图、活动价格表。这些文件来自不同部门、不同供应商系统，字段口径经常对不上。审核要做的就是找出所有“不一致、缺失、夸大、过期、错别字”。
但人工审核有几个天然盲区，这也是我决定用 LLM 做自动化的根本原因。
1.1 资料包到底长什么样
以我这次处理的案例为例，一共 7 个输入对象：
- 标题文案.docx：商品标题，包含品牌、品名、规格、卖点关键词
- 商品卖点.txt：运营写的卖点提炼，用于主图文案和详情页首屏
- 详情页文案.docx：完整的长图文案，包含成分、功效、使用场景、售后说明
- SKU 参数表.xlsx：规格、颜色、条码、重量、材质、价格、库存
- 质检报告.pdf：第三方检测机构出具的检测结果
- 品牌授权书.pdf：品牌方给店铺的销售授权
- 商品主图.jpg：用于商详页首图的商品白底图
这些资料之间不是孤立的，标题里的“500ml”要对上 SKU 参数表的“净含量”，卖点里写“纯棉”要对上质检报告的材质结论，详情页里说“7 天美白”需要有对应的检测依据，授权书的有效期要覆盖当前上架时间。任何一环脱节，上架后就是差评、投诉、平台处罚的隐患。
1.2 人工审核为什么必然漏
先说结论：不是审核的人不负责，而是这个任务的认知负荷远超人类常规注意力区间。
第一，交叉引用需要短期记忆同时维护多个字段。标题、详情页、SKU 表、质检报告四份文件里都出现了“容量”这个属性，但表述分别是“500ml”“500mL”“净含量 500g”“容量 480ml”。不把它们拉平到同一个维度上，肉眼很难发现其中有一个是异常值。
第二，审核任务存在典型的“搜索抑制”效应。当你想找“价格不一致”时，视觉会自动忽略“材质不一致”的信息。逐项核对 20 个属性，真正能稳定发现的问题大概只有 60%。
第三，新人审核员没有“问题直觉”。老运营看到“医用级”三个字就会敏感，看到“7 天美白”就知道要查检测报告，看到“全网销量第一”就知道这是无实证绝对化用语。但这些经验很难标准化，团队里一旦有人休假，审核质量就断崖式下跌。
所以这个场景天然适合分层自动化：硬规则用正则和脚本筛，软规则和跨文件语义比对交给 Qwen3.8-Max 这类大模型去做。
2. 体检助手整体架构：规则引擎筛硬伤，LLM 负责动脑子
一开始我踩过一个误区：想直接把 6 份资料全部丢给大模型，让它一次性输出所有问题。结果输入超长、输出失控、该查的漏了一堆。后来我调整了架构，把整个流程拆成四层，每一层只做自己最擅长的事：
- 第一层：资料解析与标准化
- 第二层：规则引擎检测
- 第三层：LLM 交叉检查
- 第四层：结果汇总与去重
2.1 为什么先过规则引擎：成本与可靠性
很多朋友看到“用大模型搭工具”就觉得应该什么都让大模型干。实际跑过之后你会发现，规则引擎这层绝对不能省，原因有三。
成本层面：Qwen3.8-Max 是每百万 token 计费的，6 份资料加起来将近 2 万 token，如果每个字段都让模型从头到尾读一遍，一次体检消耗的 token 非常多。而规则引擎只用正则和字典匹配，几乎零成本。
可靠性层面：日期是否过期、字段是否缺失、价格是否为数字、条码位数是否合法，这些是“确定性问题”，规则引擎 100% 准确，大模型反而可能因为上下文干扰出现幻觉。比如我把“2023 年 12 月 31 日”到期的授权书输入进去，模型第一次给的结果居然是“有效期内”，因为它默认当前时间是 2024 年，完全没有意识到时间已经过了。
可解释性层面：电商审核是高责任场景，发现问题之后要跟供应商、运营、品牌方沟通，需要指出“是哪个文件哪一行出了什么问题”。规则引擎的每一次命中都可以精确到行号和原始文本，而大模型的判断往往是“感觉不对”，必须要求它输出引用原文，否则没法追责。
所以我最终的分工是：规则引擎负责查缺失、过期、格式错误、极限词库命中，Qwen3.8-Max 负责跨文件语义一致性、逻辑合理性、图片内容与文案的匹配度。两边的结果合并后统一去重，形成一个完整的问题清单。
2.2 文件解析这一步比想象中坑多
先上代码，这一步是基础，但坑全在这里。
import re import pdfplumber from docx import Document from openpyxl import load_workbook from PIL import Image FILES = { "title": "标题文案.docx", "selling_points": "商品卖点.txt", "detail_page": "详情页文案.docx", "sku_table": "SKU参数表.xlsx", "test_report": "质检报告.pdf", "authorization": "品牌授权书.pdf", "main_image": "商品主图.jpg", } def extract_docx(path): doc = Document(path) parts = [] for para in doc.paragraphs: if para.text.strip(): parts.append(para.text.strip()) for table in doc.tables: for row in table.rows: row_text = " | ".join(cell.text.strip() for cell in row.cells) parts.append(row_text) return "\n".join(parts) def extract_txt(path): with open(path, encoding="utf-8", errors="ignore") as f: return f.read() def extract_xlsx(path): wb = load_workbook(path, data_only=True) lines = [] for ws in wb.worksheets: for row in ws.iter_rows(values_only=True): vals = [str(v).strip() if v is not None else "" for v in row] if any(vals): lines.append(" | ".join(vals)) return "\n".join(lines) def extract_pdf(path): text_parts = [] with pdfplumber.open(path) as pdf: for page in pdf.pages: text = page.extract_text() if text: text_parts.append(text) return "\n".join(text_parts) def extract_image(path): img = Image.open(path) width, height = img.size return f"[商品主图] 尺寸: {width}x{height}, 格式: {img.format}"三个容易踩的坑：
第一，docx 里的内容不只存在于段落里，还有大量表格。如果只用doc.paragraphs，SKU 表、参数表里的数据全都会被漏掉。必须同时遍历doc.tables。
第二，PDF 分两种：文字版和扫描版。pdfplumber 只能处理文字版。如果质检报告是扫描件，extract_text()返回空字符串。这种情况只能先问供应商要原始电子版，或者接 OCR。最保险的做法是解析完检测文本长度，低于阈值就标记为“疑似扫描件，需人工介入”。我这次遇到的质检报告就是文字版，省了很多事。
第三，xlsx 里的合并单元格会导致某些行出现大量空值。data_only=True可以拿到公式计算后的值，但如果单元格本身是空的，需要自己判断是否需要跳过。
解析完成之后，我建议把所有文本统一打上来源标签，格式像这样：
【标题文案.docx / 第1段】 XX品牌 山茶花修护精华水 500ml 保湿补水收缩毛孔 【SKU参数表.xlsx / Sheet1行3】 规格 | 480ml | 颜色 | 雾霾蓝 | 条码 | 6901234567890带来源标签非常重要，大模型输出问题时必须引用“哪个文件的哪句话”，只有来源清晰才能做到这一点。
3. 核心：如何让 Qwen3.8-Max 从“闲聊模式”切到“审查模式”
模型本身能力再强，如果 Prompt 给得不到位，它也只是个聊天机器人。要让 Qwen3.8-Max 干商品体检这种活儿，必须把审查标准、输出格式、引用要求全部写清楚，一次到位。
3.1 给模型的“审查手册”：把经验固化成指令
我最终用的 Prompt 大概长这样，你可以直接抄走改一改：
你是一名资深电商商品合规审核专家，负责对商品上架资料包进行交叉检查。 下面会提供多份带【来源标签】的资料全文，以及一张商品主图的描述信息。 请完成以下任务： 1. 检查不同资料之间是否存在冲突或矛盾。 2. 检查单份资料内部是否存在逻辑错误、错别字、夸大宣传。 3. 检查商品主图描述与文案/SKU参数是否一致。 4. 检查是否存在极限词（最、第一、顶级、全网销量第一等）且无明确依据。 5. 检查资质文件（授权书、质检报告）的有效期和关键信息是否匹配。 输出格式要求： - 严格输出 JSON 对象，不要输出任何额外说明。 - 格式为 {"problems": [{"id": 1, "type": "一致性/完整性/合规性/逻辑性/图片问题/文本质量", "severity": "high/medium/low", "source_files": ["文件名", "文件名"], "evidence": "问题涉及的原文内容，引用要具体", "reason": "为什么这是问题", "suggestion": "修改建议"}]} - 每条问题必须基于原文证据，不要猜测，不确定的情况不要输出。 - 本次资料共包含N份文件，请重点做交叉比对。每一轮调用前，动态拼接实际的文件清单和全文内容。注意“本次资料共包含 N 份文件”这个信息要动态填充，模型对“有几份资料”有预期之后，才不会漏检某些文件。
3.2 图片也要“开口说话”：多模态输入的两种用法
商品主图不是普通附件，它和人眼看到的商品、详情页文案是强关联的。Qwen3.8-Max 这类多模态模型可以直接接收图片输入，我在项目里试了两种用法：
第一种，整图直传。把主图压缩到合适尺寸，直接作为图片消息传入，让模型描述图片内容，提取主图上的可见文字、商品外观、背景色、是否存在水印。这适合查大问题，比如水印、背景色不纯、商品和文案严重不符。
第二种，局部裁剪后再传。主图右下角常有小字标注“赠品以实物为准”或者“专利设计”，整图看过去模型容易忽略。我用 PIL 把图片切成九宫格或者按四个角落裁剪放大，再逐块传给模型识别，识别率明显提升。
这里有个很现实的取舍：图片上的小字，模型不是每次都能准确读取。如果出现疑似重要信息，最好让模型标注“图片区域有文字但内容不清晰，建议人工放大确认”，而不是强行猜测。
from openai import OpenAI client = OpenAI( api_key="YOUR_API_KEY", base_url="https://dashscope.aliyuncs.com/compatible-mode/v1" ) messages = [ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": [ {"type": "text", "text": full_text_payload}, {"type": "image_url", "image_url": {"url": base64_image_data_url}} ]} ] response = client.chat.completions.create( model="qwen3.8-max", messages=messages, temperature=0.1, response_format={"type": "json_object"}, max_tokens=3000 )3.3 控制变量：temperature、max_tokens、json 输出设置
审查是确定性要求非常高的任务，不是创意写作。temperature必须拉到 0.1 以下，我实测 0.2 时模型会偶尔给出“可能、应该、似乎”这种模棱两可的判断，0.1 时明显更干脆。
max_tokens不能设太小。27 个问题的 JSON 结构，加上 evidence 里的原文引用，一次输出很容易到 2000 tokens 以上。我一开始设的 1500，结果模型只输出到第 18 个问题就被截断了，之后重跑才完整。保险起见设 3000 以上。
response_format={"type": "json_object"}这个参数至关重要。不加它，模型会在 JSON 外面裹一层“根据您的要求，我分析了以下内容”这种废话，解析时还得写正则去剥离。加上之后输出干净很多。
4. 一次跑出 27 个问题：体检报告的维度、实例与可信度排序
这才是重头戏。Qwen3.8-Max 配合前面的规则引擎，第一轮总共找出了 27 个问题。问题不是越多越好，关键是每个问题都有证据、有等级、有修改建议。
4.1 27 个问题总览
我把这 27 个问题按类型和严重程度做了个汇总，你可以对照自己的资料包看看是不是同样的坑：
| 问题类别 | 数量 | 严重（high） | 中等（medium） | 轻微（low） |
|---|---|---|---|---|
| 跨文件信息一致性 | 7 | 3 | 3 | 1 |
| 完整性缺失 | 5 | 2 | 2 | 1 |
| 合规风险 | 6 | 4 | 1 | 1 |
| 逻辑/参数矛盾 | 4 | 2 | 1 | 1 |
| 图片问题 | 4 | 1 | 2 | 1 |
| 文本质量 | 1 | 0 | 0 | 1 |
套用一句在系统设计领域的老话：没有统一的问题分类体系，就没有后续的追踪管理。我自己用的分类就是上面这六类，覆盖了电商资料审核里最常见的六大场景。
4.2 典型问题案例复盘
下面挑几个最有代表性的问题展开讲讲，每一个都是真实会发生在电商运营日常里的。
案例一：标题净含量与 SKU 参数表对不上（严重·一致性）
标题文案里写的是“精华水 500ml”，SKU 参数表里对应的规格却是 480ml，详情页里又出现了一次“500ml”，三处信息互相打架。
这个问题是靠 LLM 交叉比对发现的，规则引擎很难抓，因为“500ml”和“480ml”都是合法数字，正则无法判断哪个才是正确值。模型给出的证据来自两个文件，直接锁定矛盾。
商品净含量是上架信息中最敏感的字段之一，标题、主图、详情页、SKU 表、物流面单上任何一处不一致，都可能在发货后引发批量客诉。
案例二：主图产地与详情页“国产”宣传冲突（严重·一致性）
商品主图上温度标签清晰写着“Made in Vietnam”，详情页文案却强调“国货精选”。LLM 把图片识别结果和详情页文本做了交叉比对，直接命中。
这种问题最棘手，因为主图的识别依赖多模态能力，传统 OCR 只能提取文字“Made in Vietnam”，但不知道这句话代表产地，更不会把它和详情页的“国货”标签关联起来。大模型具备常识推理，知道两者矛盾。
案例三：授权书有效期已过（严重·合规性）
这里我要承认，最初这个问题是规则引擎抓出来的，而不是 LLM。授权书 PDF 里有一行“有效期至 2023 年 12 月 31 日”，我用正则提取日期后和系统当前时间做比较，直接判定为过期。LLM 在长文本里对日期是否过期的敏感度远低于规则引擎，这是我在初版测试里踩过的坑。
保留这种“规则抓确定性、LLM 抓语义性”的分工，才是正确的架构。
案例四：卖点宣称“全网销量第一”但没有任何佐证材料（严重·合规性）
这是极限词命中的典型案例。卖点文件里有一句“全网销量第一的修护精华水”，但质检报告、销售数据截图、第三方榜单里都没有任何可以支撑这一结论的信息。
规则引擎靠极限词词库先定位了“销量第一”，LLM 进一步核实了“是否有相应依据文件”。大模型的判断能避免“是极限词但恰好有第三方排名证明”这种误判，两个模型叠起来准确率最高。
案例五：主图出现竞品 logo 水印（中等·图片问题）
这张主图的水印在左下角，颜色和背景接近，不仔细看很难发现。Qwen3.8-Max 识别图片后，原文返回了一句“图片左下角疑似包含一个非本品牌的 logo 水印”。
这类问题规则引擎完全无能为力，必须依赖多模态模型的视觉能力。但模型表述中用了“疑似”两个字，我在后处理脚本里把这种不确定描述自动升级为“需人工确认”，宁可不漏也不能直接放过。
案例六：SKU 表颜色命名与详情页不一致（轻微·一致性）
SKU 参数表里写的颜色是“雾霾蓝”，详情页里对应的颜色叫“烟灰蓝”。消费者实际收到的商品颜色只可能有一种客观值，但两个文件里用了完全不同的两套命名体系，用户很可能在详情页确认颜色后，收到包裹时对不上号。
这种问题看起来小，但客诉和下差评的概率极高。模型给出的修改建议也简单：统一成一个色号名称，最好在 SKU 表里补充行业标准色号编码。
4.3 报告如何导出与追踪
拿到 27 个问题的 JSON 之后，我直接转成了 Markdown 报告，左侧是问题列表，右侧是原始证据链接。同时导出一份 Excel，给运营同事按严重程度排序后分发给对应负责人。
问题状态我用三种标记：待处理、处理中、已确认不修改。已确认不修改的情况也要留痕，例如“品牌方坚持保留‘7 天美白’表述，并提供体外测试报告佐证”，这个备注是事后复盘时最重要的资料。
5. 实战避坑：从漏报到误报，我在这套流程上踩过的五个坑
跑这个项目的过程中，踩过的坑比预想的多。以下五个最具代表性，每一个都是花了不少时间换来的经验。
5.1 长文本超上下文：分块与分层摘要
最开始我很天真，想把所有资料全文一次性拼接后丢给模型。结果发现 6 份文件的原始文本加起来超过 3 万 token，而 Qwen3.8-Max 的上下文窗口虽然很大，但在超长输入下输出质量会明显下降，尤其容易在分析后半段文件时遗忘前面的内容。
解决方案是“分层审查”：第一轮先让模型分别对每一份文件做独立的关键信息提取，输出结构化摘要；第二轮把各文件摘要合并，进行交叉比对。这样上下文长度大幅压缩，同时保留了全文的证据引用——模型在输出问题时，引用的可以是原始文件中的句子摘要。
比如 SKU 参数表，我会让它提取“规格、颜色、条码、重量、材质、价格”等核心字段；质检报告提取“检测项目、结论、报告编号、有效期”。摘要带上文件来源，第二轮交叉比对时模型依然知道信息来自哪里。
5.2 同一字段多种写法导致的误报与漏报
这是初版误报最多的来源。SKU 表里写的是“净含量 480ml”，详情页里写“容量 0.48L”，标题里写“500ml”，质检报告里写“标示容量 480mL”。规则引擎和 LLM 都容易把“0.48L”和“480ml”当成不同的值，从而误报。
我的解法是在预处理层加一个字段归一化映射表：
- 容量：ml / mL / ML / 毫升 / L / 升，统一换算成 ml
- 重量：g / kg / 克 / 公斤，统一换算成 g
- 颜色：常见色名映射到标准色号，如“雾霾蓝 / 烟灰蓝 / 灰蓝”指向同一色号
- 材质：棉 100% 和纯棉、全棉，统一归一为“100%棉”
这一层做完，模型面对的输入就从“多个同义词”变成“统一标准上的数据”，误报率直接下降一半以上。
5.3 JSON 输出不稳定
Qwen3.8-Max 设了response_format={"type": "json_object"}之后，大多数情况下输出是规范的 JSON，但偶尔还是会出现字段缺失，比如某条问题没有suggestion字段，或者severity的值不是 high/medium/low 而是“严重”。
我的后处理脚本加了两层保险：
import json def safe_parse_json(raw): try: data = json.loads(raw) except json.JSONDecodeError: match = re.search(r"\{.*\}", raw, re.DOTALL) if match: data = json.loads(match.group(0)) else: return None return data def normalize_problem(item): item["severity"] = str(item.get("severity", "unknown")).lower()[:4] allowed = ["high", "medi", "low", "unkn"] if item["severity"] not in allowed: item["severity"] = "unknown" return item第一层是解析兜底，用正则从{到最后一个}截取 JSON；第二层是字段归一化，把严重程度的各种说法映射回标准值。如果解析失败超过一次，干脆把这一轮结果缓存，下次跑的时候只重试失败的轮次。
5.4 图片上的小字识别准确率受限
Qwen3.8-Max 对整张图的语义理解很强，但商品图上的小字、细纹、低对比度水印仍然是难点。我实测下来，800×800 的主图里，右下角一行 12px 的“赠品以实物为准”，模型要么读不出来，要么读出来但不确定。
我的应对策略是“裁剪放大”加辅助 OCR。先把图片四角和中央区域各裁剪一次，放大两倍后再传。如果裁剪后还是读不清，就用 OCR 工具做文字提取，把提取结果和模型描述合并。图片处理的结果会作为一个“图片信息块”单独传入 LLM，而不是直接让模型看原始大图，这样组合方案的稳定性远高于单独依赖某一种识别能力。
5.5 成本与耗时控制
每次体检涉及的 token 量并不小。简化输入之前，一轮完整分析大约要消耗 4 万 token，成本虽然谈不上昂贵，但一天跑十几轮还是要心疼的。
做了规则引擎前置过滤和分层摘要之后，单次成本降到原来的三分之一左右。耗时也从最初的 3 分钟降到了 40 秒上下，关键就在于第一批硬性问题全被规则层拦截，真正需要模型动脑的是那些跨文件语义冲突。
如果你要在生产环境持续跑这套流程，我强烈建议加上“变更增量体检”的概念：上次跑过且一致的字段，如果这次资料包没有变化，就不要重复传给模型，只把变更部分和高风险字段重新检查，耗时和成本都能大幅压缩。
这套体检助手运行到现在，帮我从一个又一个资料包里救回了不少问题，也让我对“大模型不是魔法，而是需要认真设计流程才能发挥价值”这句话有了更深的体会。我踩过最痛的坑是过度信任模型的输出，后来养成了让模型必须附带原文证据的习惯。现在每次跑完体检报告，我首先看的是没有任何问题的高风险字段是否都检查到了，这个习惯才真正保证了上线率，而不是被一长串问题清单冲昏头脑。
