我算是被电商商品资料折磨过很多轮的人。每次上架一个新SKU都要对着主图、详情页、参数表、证书、价格表、库存表来回翻人工核对一遍少说半小时还经常漏。后来我干脆用 Qwen3.8-Max 搭了一个商品资料包体检助手把 6 份资料和 1 张商品图一次性交进去一轮检查直接列出了 27 个具体问题从参数矛盾到图片违规词全覆盖。这篇文章就记录一下整个工具的设计思路、实现过程和我踩过的坑做电商运营、商品管理或者平台治理的同学应该都能直接用上。1. 这个工具到底解决什么问题1.1 电商商品资料审核的真实痛点先说一个大家都有体感的场景运营给到一份新品资料包里面有标题文案、详情页图片、SKU 参数表、质检报告、价格表、库存台账可能还有一张宣传主图。审核的人需要做的事情是——第一确认每份文件单独没毛病第二更关键的是确认文件之间互相没打架。比如标题写了“白色”详情页参数却标了“象牙白”比如主图上的净含量是 500ml证书里的规格却是 450ml再比如价格表里三个 SKU 分别定价但后台价格设置只同步了一个。这些问题单独看哪一份文件都不会被发现偏偏在交叉比对的时候才暴露。人工审核最尴尬的地方就在这里——不是不会查而是查一次的时间成本和出错概率都太高尤其是大促前同时上十几个 SKU 的时候基本就是赶工状态漏检是常态。我当时就想这种重复性的、规则清晰的比对工作不是正好应该让大模型来干吗关键是把资料喂对、把检查规则定义好让模型像一个认真耐心的审核员一样不眠不休地把每一行数据、每一张图的描述信息全部过一遍。1.2 为什么选 Qwen3.8-Max 来做这件事选择 Qwen3.8-Max 不是拍脑袋我对比过好几款主流模型最后是这几个原因让我定了它。第一个是中文语境理解能力。商品资料里的坑很多是中文语义层面的比如“支持七天无理由”“七天包换”“七天退货”这三句话规则上差别很大但人工扫一眼很容易忽略。Qwen3.8-Max 在中文表达颗粒度的识别上明显更有优势能分辨出微妙的承诺差异。第二个是多模态输入能力。电商资料包里图片是重头主图和详情页包含的信息量极大。我需要一个能同时读图、读文字、读表格的模型而不是把图片 OCR 成文本之后再做文字比对——那会丢失太多版面信息。Qwen3.8-Max 可以直接接收图片和文本混合输入我这边把资料包里的 JPG、PDF 和 Excel 导出的文本一起丢进去就行。第三个是长文本处理能力。一次输入 6 份资料加 1 张商品图数据量不小。我自己实测构造的输入序列大概有 20K-30K token 左右Qwen3.8-Max 处理下来上下文没有崩关键信息的召回率能维持在可用水平。另外就是 API 接入方便Python 里几行代码就能跑通没有额外部署成本对我这种偏业务向的工程师很友好。1.3 体检助手的整体设计思路做这个工具之前我把整个流程拆成了一段“看病”的逻辑这样设计的好处是每一步的输入输出都很清晰出了问题也知道去哪查。第一步是“采集”——把 6 份资料里的关键信息抽取出来分成结构化字段和文本描述两类。第二步是“化验”——对每项关键字段单独做合规性检查比如价格范围是否合理、认证编号格式对不对。第三步是“会诊”——把不同来源的同类信息放在一起做交叉比对找出互相矛盾的记录。第四步是“开报告”——把发现的所有问题按照严重级别分级并给出修改建议。整套流程下来Qwen3.8-Max 不只是个“聊天机器人”它更像是一个解析器加规则引擎加审查员的三合一。规则引擎负责处理能明确描述的问题大模型负责处理需要语义理解才能发现的问题两者结合之后27 个问题就是这么挖出来的。2. 我这边采集的资料清单与体检维度设计2.1 6 份资料分别是什么我这次处理的是一套蓝牙耳机的新品上架资料包在正式跑体检之前我对全部资料的格式和内容做了一次盘点。6 份资料分别是商品标题与卖点文案TXT 格式里面包含主标题、副标题、五点描述大概 800 字左右。详情页文案稿Markdown 格式包含产品参数、包装清单、售后政策、注意事项四大部分。SKU 参数表CSV 格式表格里是三个 SKU 对应的颜色、价格、库存、重量、尺寸、蓝牙版本、续航时间等字段。质检报告PDF 格式包含产品名称、型号、执行标准、检测项目、检测结果和报告编号。价格与促销设置表XLSX 格式包含日常价、促销价、活动时间、优惠券门槛等信息。库存台账CSV 格式记录了各 SKU 的总入库量、已售量、待发货量和当前可售库存。最后还有一张商品主图JPG 格式图上标注了产品型号、核心卖点比如“续航 30 小时”“蓝牙 5.3”、净含量这种信息。这里面有意思的点在于纯文本资料之间已经存在大量信息冗余而图片又是完全独立的信息源人眼核对时最容易忽略的正是图片里的文字和文档里不一致的情况——因为看图片的时候注意力都在视觉效果上很少有人会逐字比对图片里的数字。2.2 体检维度怎么定在写 Prompt 之前我先把“体检维度”列成了一个清单。我参考了电商平台商品抽检的高频违规项结合自己遇到过的运营翻车案例最终定下来四类检查维度。第一类是完整性检查看每份资料是否有关键字段缺失。比如 SKU 参数表里没有标注电池容量、质检报告里没有报告编号、价格表里没有促销价生效时间这些都属于“缺项”。第二类是一致性检查这是问题数量最多的类别。同一款商品标题、详情页、SKU 表、图片、证书、价格表、库存表之间的信息必须保持一致。比如蓝色 SKU 在参数表里写的是“深空蓝”详情页却叫“星空蓝”质检报告型号是“X3 Pro”标题却写着“X3”库存台账显示蓝色有 120 件可售价格设置表却已经把它标记为“售罄”。这一块非常依赖语义理解也是人工作业时最容易出错的环节。第三类是合规性检查看文案和图片是否触犯平台规则。比如“全网最低价”“最舒适”“顶级音质”这类极限词图片上有没有明显的夸大宣传描述医疗器械类目使用普通商品包装这类类目错配问题。第四类是合理性检查针对单位、价格、数值范围的逻辑自洽。比如续航参数的“30 小时”和“播放时间 3 小时”是否矛盾重量单位是 g 还是 kg价格毛利率是否为负库存数量是否大于入库数量。之所以把这些维度单独列出来是因为我发现直接让模型“看一下有哪些问题”它给出的答案会很泛但明确告诉它按这四类去查它就像拿到了一张检查表输出质量完全不同。2.3 27 个问题是怎么分类统计的刚开始跑第一轮的时候模型输出的问题非常零散有的说得对有的明显是过度解读。我后来在 Prompt 里加了一个硬性要求所有问题必须按照“文件来源 严重级别 问题类型”的格式输出并且要通过 JSON 结构化返回这样我就能直接把结果喂进 Pandas 里做统计。最终那一轮的 27 个问题按严重级别划分是致命问题 3 个、严重问题 11 个、建议优化 13 个按类型划分是一致性问题 14 个、完整性问题 7 个、合规性问题 4 个、合理性问题 2 个。这个分布也符合我的预期——多个来源资料互相矛盾的场景就是最容易扎堆出问题的地方。3. 实操过程从资料入库到问题输出3.1 环境与模型接入代码环境我用的是 Python 3.10 加 Jupyter Notebook推理过程就在笔记本里完成方便边跑边看结果。模型接入走的是 Qwen3.8-Max 的 API用官方 SDK 安装依赖pip install qwen-sdk pandas openpyxl pdfplumberPDF 解析我用了 pdfplumberCSV 直接用 pandas 读取Excel 用 openpyxl 做后端解析。图片是直接把 JPEG 文件路径传给模型的多模态输入接口不需要额外转 base64——SDK 内部已经处理了。在实际调用之前我先把各份资料解析成统一的文本格式并且给每份资料加了一个“文档 ID”前缀比如[DOC1 商品标题]、[DOC4 质检报告]。这样做是为了让模型在输出问题时能够精确指向来源我后面做交叉验证也方便追踪。3.2 Prompt 设计的关键点这次项目里 Prompt 设计比我预想的更影响结果我前后迭代了五版才稳定下来。第一版只写了几句话让模型“检查商品资料并找出问题”结果它不仅把正确的信息误判成错误还漏掉了好几个真问题第五版我定义了一份 800 字左右的审核指令效果才真正可用。Prompt 的核心结构大概是三段式第一段是角色定义。“你是一位拥有 5 年经验的电商平台资深审核专家擅长商品资料合规审核和信息一致性校验。”这里强调年限和领域是为了让模型进入“专业审核员”的语言空间而不是“通用聊天助手”的应答模式。第二段是任务拆解。明确告诉模型要做四件事抽取信息、完整性检查、一致性比对、合规性判断并且要求它不要逐句分析而是锁定“关键字段”。第三段最重要是输出格式约束。我用 JSON Schema 的方式定义了输出结构要求每条问题包含severity、category、source_file、evidence、suggestion五个字段。其中evidence字段必须引用原始文本里的原文这是防止模型“凭空捏造问题”的关键设计——它需要给出证据链而不是只给结论。这个 Prompt 设计思路对任何类似审核工具都有通用性——你现在做的就是让模型扮演一个拥有特定判断标准的角色并给它一个严格的结果格式。3.3 一次性处理 6 份资料加 1 张图的输入构造方法所谓“一次性”处理并不是把 7 个文件全部原样堆给模型因为那样会超过上下文限制而且不同格式的原始文件尤其是 PDF 和 Excel模型直接读的效果并不好。我采用的方式是先解析、再拼接、后压缩。解析之后我把每份资料的关键信息提取出来保留最核心的数据字段和文本描述去掉无关的空白字符和格式标记。比如质检报告我只保留产品名、型号、检测标准、检测项目、结论和编号不把实验室信息和封面标题塞进去。这样 6 份文档加上图片描述最终拼成了一个大约 18000 字的组合输入序列。图片的部分我除了传原始图片让模型识别还在输入文本里附了一段图片内容摘要方便模型在做交叉比对时不用反复“回看”图片。实际上 Qwen3.8-Max 可以直接理解图片里的文字但配合摘要之后它定位图片与文本矛盾的速度明显变快了跑出来的结果也更准。from qwen_sdk import QwenClient client QwenClient(api_key你的key, modelqwen3.8-max) combined_input [DOC1 商品标题] Q3 Max 蓝牙耳机 无线运动降噪 超长续航30小时 深空蓝 [DOC2 详情页文案] ... [DOC6 库存台账] SKU-01 午夜黑 总入库500 已售320 可售180 SKU-02 深空蓝 总入库300 已售280 可售20 response client.chat.completions.create( messages[ {role: system, content: SYSTEM_PROMPT}, {role: user, content: [ {type: text, text: combined_input}, {type: image, image: main_product.jpg} ]} ], response_format{type: json_object}, temperature0.1 )温度参数我特意设置成 0.1审核任务需要的是稳定和一致不需要创造力和发散温度越低输出结果越接近确定状态。3.4 结果整理与报告生成模型返回的是一个 JSON 数组我把它直接转成 pandas DataFrame然后用几行代码做了统计分析。因为我在 Prompt 里做了严格的字段约束这一步几乎不需要清理数据个别字段为空的情况我用.fillna(未注明)处理一下就行。之后我按严重级别做了排序并生成了一个 Markdown 格式的体检报告。报告里包含问题清单、涉及的资料来源、修改建议以及一个汇总统计表格。整个流程从数据解析到报告输出在我本机上的耗时大约在 4 分钟左右其中模型推理占了绝大部分。让我意外的是中间真的发现了一个非常隐蔽的问题SKU 参数表里写着“蓝牙版本 5.3”而质检报告里的技术参数写的是“蓝牙版本 5.0”标题和主图上都没有标注蓝牙版本所以如果不做交叉比对这个问题根本不会被发现。人眼审核时大概率会只看参数表不会专门拿它和质检报告里的技术参数去逐个比对。4. 我用到的核心校验逻辑4.1 为什么不能只靠模型判断虽然模型的语义理解能力很强但我还是坚持在流程里加了一层基于规则的校验原因是模型存在两个天然问题一个是“过度解读”一个是“幻觉”。在审核场景里误报一个不存在的问题和生产事故一样讨厌因为你需要花额外的时间去验证每一条报告是否真实。我当时的做法是“规则定案、模型辅助”。能用正则解决的事情比如日期格式、数字范围、单位一致性、编号位数全部用规则来做。例如检测报告编号NO.2025-0712-011我用正则提取后再去和标题栏里的编号做匹配如果对不上就直接判定为问题不需要模型参与判断。而模型专注处理那些规则做不了的语义问题比如“详情页说支持七天无理由售后政策里却写着拆封后不支持退货”这种规则无法覆盖、需要理解上下文才能发现的矛盾。4.2 规则和模型怎么分工配合我设计了两层校验管线。第一层是纯规则的用 Python 脚本对结构化数据做字段级比对比如价格、库存、型号、SKU 编码、日期、单位换算。第二层是模型判断把规则层没有发现问题的字段、以及无法结构化的文本描述交给 Qwen3.8-Max 去做语义级审核。这两层的结果最后会合并去重。规则层发现的问题直接标记为准确定性问题模型层发现的问题需要让模型提供原文证据我再根据证据做一个简单的置信度判断。如果证据明确就直接采纳如果证据模糊或者模型自相矛盾就放进“待人工复核”列表。这套分工方式的效果很明显27 个问题里有 12 个是规则层直接定位的另外 15 个是模型从语义层面发现的两边的结果几乎没有重叠。如果我只靠模型虽然也能查出大部分问题但一定会出现误报如果我只靠规则那语义冲突的问题一个都跑不出来。4.3 具体问题拆解从现象到证据链我挑几个比较有代表性的问题说说实际输出长什么样。第一个是“SKU 参数表与主图信息矛盾”。SKU 表里标注的续航是“30 小时实验室条件50% 音量”而主图上写着“超长续航 30 小时”没有括号里的限制条件。这个问题模型判断为“合规风险”因为消费者看到主图会认为任何场景下都能达到这个续航实际上实验室条件和真实使用差距很大。模型给出的修改建议是“在主图或详情页显著位置补充测试条件”。这就是典型的语义判断规则再强也识别不了。第二个是“库存台账与价格设置表售罄标记冲突”。库存表显示“深空蓝可售 20 件”而价格设置表里深空蓝 SKU 的促销状态被设置成了“已售罄”这就导致消费者在商详页会看到这款有库存但不能买。这个问题的发现路径是规则层比对出来的库存和促销状态两个字段直接数值不一致。第三个是“质检报告产品名称与标题不一致”。质检报告上的产品名称是“无线蓝牙耳机 Q3 Max”标题里写的是“Q3 Max 蓝牙耳机 无线运动降噪”两者不完全一致。单独看每句话都觉得是同一个东西但严格从合规角度来说平台审核时可能因为资料主体不一致而驳回。每一类问题我都让模型在evidence字段里填上了原文出处这样形成一条完整的证据链不需要再打开原始文件去翻查。这个细节大大节省了后续的人工复核时间。5. 常见问题与排查技巧实录5.1 模型幻觉导致的误报怎么处理第一次跑通全流程时模型输出的问题清单里有两条非常离谱的记录——它说“SKU 参数表缺少蓝牙版本信息”但我回去看原始数据里面清清楚楚写着蓝牙 5.3。后来又试了几次发现它在处理长文本时偶尔会漏掉某些字段导致误判“缺失”。排查下来发现原因是上下文里的信息密度太高模型在遍历多份文档时注意力会被前面的内容占满。解决方法是两件事第一我把每份文档的关键字段做成了一个“字段核对表”放在输入序列的最前面让模型优先看到这个清单再逐项核对第二我在 Prompt 里明确要求“若某字段无法定位请标记为‘未找到’不要直接判定为缺失”这极大地减少了因为“没找到”而误报“缺失”的情况。5.2 图片里的文字识别不全有一张主图上的核心卖点是竖排文字还有一部分是艺术字体模型第一次识别时漏掉了“IPX5 防水”这几个字导致它没有把这个信息跟详情页里的“IPX4”做比对一个真实问题就这样被漏掉了。我的解决方式是给图片提供了一个辅助摘要就是在传给模型的文本信息里额外附加一段由 OCR 工具提取的图片文字内容。如果模型从图片里看不到某些文字它还能从 OCR 文本里读到相当于给模型增加了一路信息输入。这也带来一个额外发现OCR 文本和图片识别结果不一致的地方往往就是图片文字容易引发歧义的地方值得做二次检查。5.3 超过上下文限制怎么办如果商品资料特别多比如一个品牌系列有 20 个 SKU资料加起来超过 5 万字直接拼一个输入序列就会超长。我的处理方法是做“分层审核”——先对每个 SKU 单独跑一遍小范围体检生成一个精简版的 SKU 问题摘要再把多个 SKU 摘要汇总做第二轮的横向一致性检查。这样既避免了上下文超限又保留了横向对比的能力。5.4 模型输出格式不稳定的应对虽然我在 Prompt 里做了 JSON 输出约束但偶尔还是会出现个别字段缺失或者嵌套层级不对的情况。为了不让整个流程中断我加了一个简单的后处理函数import json def safe_parse(text): try: return json.loads(text) except json.JSONDecodeError: start text.find([) end text.rfind(]) 1 return json.loads(text[start:end])这里核心的思路是即便模型在输出前后加了一些解释性的语句只要找到第一个[和最后一个]通常都能提取出完整的 JSON 数组。个别字段缺失的问题直接在 DataFrame 阶段处理即可不用回到模型层重新跑。5.5 避坑清单总结审核类任务温度参数必须设低0.1 比 0.7 稳定得多。Prompt 里不要只说“找出问题”必须给判断维度和输出格式。模型层发现的问题必须要求提供原文证据否则默认不采纳。能用规则解决的问题不要交给模型准确率要求是 100% 的场景交给规则。多张图片时给每张图编号并在问题里返回图片编号方便追溯。最终结果必须人工抽检模型不能 100% 替代审核人员。6. 我的实操感受与扩展建议整套工具从设计到跑通我花了一个周末真正写代码的时间其实很少大部分时间都花在调 Prompt 和分析问题漏报率上。做下来我最深的体会是这类“体检助手”本身并不神秘本质上就是“信息抽取 规则比对 语义判断”三件事的组合Qwen3.8-Max 解决的是其中难度最高的语义判断部分。这 27 个问题不是一次跑出来的是经过三轮迭代才做到既没有明显漏报、又没有太多误报。如果你也想在自己的商品资料审核流程里试一下建议从单一品类、少量 SKU 开始跑先把 Prompt 和校验规则打磨稳定再逐步扩展到更多资料类型。我下一步打算把这个能力嵌入到商品上新审批的流程里做成一个自动触发的预检环节——运营上传资料包后自动跑体检有问题先拦截没问题的才进入人工审核。另外也想试试让它直接输出整改后的资料包草稿那样整个审核链路就能省掉更多来回沟通的时间。如果你平时也被商品资料里的各种不一致搞得头大建议你也用同样的思路试一下。别想着一步到位搞大而全的自动化系统先拿一个 SKU 跑通流程你就知道哪些环节值得继续深挖了。
用Qwen3.8-Max搭建电商商品资料包智能体检助手
我算是被电商商品资料折磨过很多轮的人。每次上架一个新SKU都要对着主图、详情页、参数表、证书、价格表、库存表来回翻人工核对一遍少说半小时还经常漏。后来我干脆用 Qwen3.8-Max 搭了一个商品资料包体检助手把 6 份资料和 1 张商品图一次性交进去一轮检查直接列出了 27 个具体问题从参数矛盾到图片违规词全覆盖。这篇文章就记录一下整个工具的设计思路、实现过程和我踩过的坑做电商运营、商品管理或者平台治理的同学应该都能直接用上。1. 这个工具到底解决什么问题1.1 电商商品资料审核的真实痛点先说一个大家都有体感的场景运营给到一份新品资料包里面有标题文案、详情页图片、SKU 参数表、质检报告、价格表、库存台账可能还有一张宣传主图。审核的人需要做的事情是——第一确认每份文件单独没毛病第二更关键的是确认文件之间互相没打架。比如标题写了“白色”详情页参数却标了“象牙白”比如主图上的净含量是 500ml证书里的规格却是 450ml再比如价格表里三个 SKU 分别定价但后台价格设置只同步了一个。这些问题单独看哪一份文件都不会被发现偏偏在交叉比对的时候才暴露。人工审核最尴尬的地方就在这里——不是不会查而是查一次的时间成本和出错概率都太高尤其是大促前同时上十几个 SKU 的时候基本就是赶工状态漏检是常态。我当时就想这种重复性的、规则清晰的比对工作不是正好应该让大模型来干吗关键是把资料喂对、把检查规则定义好让模型像一个认真耐心的审核员一样不眠不休地把每一行数据、每一张图的描述信息全部过一遍。1.2 为什么选 Qwen3.8-Max 来做这件事选择 Qwen3.8-Max 不是拍脑袋我对比过好几款主流模型最后是这几个原因让我定了它。第一个是中文语境理解能力。商品资料里的坑很多是中文语义层面的比如“支持七天无理由”“七天包换”“七天退货”这三句话规则上差别很大但人工扫一眼很容易忽略。Qwen3.8-Max 在中文表达颗粒度的识别上明显更有优势能分辨出微妙的承诺差异。第二个是多模态输入能力。电商资料包里图片是重头主图和详情页包含的信息量极大。我需要一个能同时读图、读文字、读表格的模型而不是把图片 OCR 成文本之后再做文字比对——那会丢失太多版面信息。Qwen3.8-Max 可以直接接收图片和文本混合输入我这边把资料包里的 JPG、PDF 和 Excel 导出的文本一起丢进去就行。第三个是长文本处理能力。一次输入 6 份资料加 1 张商品图数据量不小。我自己实测构造的输入序列大概有 20K-30K token 左右Qwen3.8-Max 处理下来上下文没有崩关键信息的召回率能维持在可用水平。另外就是 API 接入方便Python 里几行代码就能跑通没有额外部署成本对我这种偏业务向的工程师很友好。1.3 体检助手的整体设计思路做这个工具之前我把整个流程拆成了一段“看病”的逻辑这样设计的好处是每一步的输入输出都很清晰出了问题也知道去哪查。第一步是“采集”——把 6 份资料里的关键信息抽取出来分成结构化字段和文本描述两类。第二步是“化验”——对每项关键字段单独做合规性检查比如价格范围是否合理、认证编号格式对不对。第三步是“会诊”——把不同来源的同类信息放在一起做交叉比对找出互相矛盾的记录。第四步是“开报告”——把发现的所有问题按照严重级别分级并给出修改建议。整套流程下来Qwen3.8-Max 不只是个“聊天机器人”它更像是一个解析器加规则引擎加审查员的三合一。规则引擎负责处理能明确描述的问题大模型负责处理需要语义理解才能发现的问题两者结合之后27 个问题就是这么挖出来的。2. 我这边采集的资料清单与体检维度设计2.1 6 份资料分别是什么我这次处理的是一套蓝牙耳机的新品上架资料包在正式跑体检之前我对全部资料的格式和内容做了一次盘点。6 份资料分别是商品标题与卖点文案TXT 格式里面包含主标题、副标题、五点描述大概 800 字左右。详情页文案稿Markdown 格式包含产品参数、包装清单、售后政策、注意事项四大部分。SKU 参数表CSV 格式表格里是三个 SKU 对应的颜色、价格、库存、重量、尺寸、蓝牙版本、续航时间等字段。质检报告PDF 格式包含产品名称、型号、执行标准、检测项目、检测结果和报告编号。价格与促销设置表XLSX 格式包含日常价、促销价、活动时间、优惠券门槛等信息。库存台账CSV 格式记录了各 SKU 的总入库量、已售量、待发货量和当前可售库存。最后还有一张商品主图JPG 格式图上标注了产品型号、核心卖点比如“续航 30 小时”“蓝牙 5.3”、净含量这种信息。这里面有意思的点在于纯文本资料之间已经存在大量信息冗余而图片又是完全独立的信息源人眼核对时最容易忽略的正是图片里的文字和文档里不一致的情况——因为看图片的时候注意力都在视觉效果上很少有人会逐字比对图片里的数字。2.2 体检维度怎么定在写 Prompt 之前我先把“体检维度”列成了一个清单。我参考了电商平台商品抽检的高频违规项结合自己遇到过的运营翻车案例最终定下来四类检查维度。第一类是完整性检查看每份资料是否有关键字段缺失。比如 SKU 参数表里没有标注电池容量、质检报告里没有报告编号、价格表里没有促销价生效时间这些都属于“缺项”。第二类是一致性检查这是问题数量最多的类别。同一款商品标题、详情页、SKU 表、图片、证书、价格表、库存表之间的信息必须保持一致。比如蓝色 SKU 在参数表里写的是“深空蓝”详情页却叫“星空蓝”质检报告型号是“X3 Pro”标题却写着“X3”库存台账显示蓝色有 120 件可售价格设置表却已经把它标记为“售罄”。这一块非常依赖语义理解也是人工作业时最容易出错的环节。第三类是合规性检查看文案和图片是否触犯平台规则。比如“全网最低价”“最舒适”“顶级音质”这类极限词图片上有没有明显的夸大宣传描述医疗器械类目使用普通商品包装这类类目错配问题。第四类是合理性检查针对单位、价格、数值范围的逻辑自洽。比如续航参数的“30 小时”和“播放时间 3 小时”是否矛盾重量单位是 g 还是 kg价格毛利率是否为负库存数量是否大于入库数量。之所以把这些维度单独列出来是因为我发现直接让模型“看一下有哪些问题”它给出的答案会很泛但明确告诉它按这四类去查它就像拿到了一张检查表输出质量完全不同。2.3 27 个问题是怎么分类统计的刚开始跑第一轮的时候模型输出的问题非常零散有的说得对有的明显是过度解读。我后来在 Prompt 里加了一个硬性要求所有问题必须按照“文件来源 严重级别 问题类型”的格式输出并且要通过 JSON 结构化返回这样我就能直接把结果喂进 Pandas 里做统计。最终那一轮的 27 个问题按严重级别划分是致命问题 3 个、严重问题 11 个、建议优化 13 个按类型划分是一致性问题 14 个、完整性问题 7 个、合规性问题 4 个、合理性问题 2 个。这个分布也符合我的预期——多个来源资料互相矛盾的场景就是最容易扎堆出问题的地方。3. 实操过程从资料入库到问题输出3.1 环境与模型接入代码环境我用的是 Python 3.10 加 Jupyter Notebook推理过程就在笔记本里完成方便边跑边看结果。模型接入走的是 Qwen3.8-Max 的 API用官方 SDK 安装依赖pip install qwen-sdk pandas openpyxl pdfplumberPDF 解析我用了 pdfplumberCSV 直接用 pandas 读取Excel 用 openpyxl 做后端解析。图片是直接把 JPEG 文件路径传给模型的多模态输入接口不需要额外转 base64——SDK 内部已经处理了。在实际调用之前我先把各份资料解析成统一的文本格式并且给每份资料加了一个“文档 ID”前缀比如[DOC1 商品标题]、[DOC4 质检报告]。这样做是为了让模型在输出问题时能够精确指向来源我后面做交叉验证也方便追踪。3.2 Prompt 设计的关键点这次项目里 Prompt 设计比我预想的更影响结果我前后迭代了五版才稳定下来。第一版只写了几句话让模型“检查商品资料并找出问题”结果它不仅把正确的信息误判成错误还漏掉了好几个真问题第五版我定义了一份 800 字左右的审核指令效果才真正可用。Prompt 的核心结构大概是三段式第一段是角色定义。“你是一位拥有 5 年经验的电商平台资深审核专家擅长商品资料合规审核和信息一致性校验。”这里强调年限和领域是为了让模型进入“专业审核员”的语言空间而不是“通用聊天助手”的应答模式。第二段是任务拆解。明确告诉模型要做四件事抽取信息、完整性检查、一致性比对、合规性判断并且要求它不要逐句分析而是锁定“关键字段”。第三段最重要是输出格式约束。我用 JSON Schema 的方式定义了输出结构要求每条问题包含severity、category、source_file、evidence、suggestion五个字段。其中evidence字段必须引用原始文本里的原文这是防止模型“凭空捏造问题”的关键设计——它需要给出证据链而不是只给结论。这个 Prompt 设计思路对任何类似审核工具都有通用性——你现在做的就是让模型扮演一个拥有特定判断标准的角色并给它一个严格的结果格式。3.3 一次性处理 6 份资料加 1 张图的输入构造方法所谓“一次性”处理并不是把 7 个文件全部原样堆给模型因为那样会超过上下文限制而且不同格式的原始文件尤其是 PDF 和 Excel模型直接读的效果并不好。我采用的方式是先解析、再拼接、后压缩。解析之后我把每份资料的关键信息提取出来保留最核心的数据字段和文本描述去掉无关的空白字符和格式标记。比如质检报告我只保留产品名、型号、检测标准、检测项目、结论和编号不把实验室信息和封面标题塞进去。这样 6 份文档加上图片描述最终拼成了一个大约 18000 字的组合输入序列。图片的部分我除了传原始图片让模型识别还在输入文本里附了一段图片内容摘要方便模型在做交叉比对时不用反复“回看”图片。实际上 Qwen3.8-Max 可以直接理解图片里的文字但配合摘要之后它定位图片与文本矛盾的速度明显变快了跑出来的结果也更准。from qwen_sdk import QwenClient client QwenClient(api_key你的key, modelqwen3.8-max) combined_input [DOC1 商品标题] Q3 Max 蓝牙耳机 无线运动降噪 超长续航30小时 深空蓝 [DOC2 详情页文案] ... [DOC6 库存台账] SKU-01 午夜黑 总入库500 已售320 可售180 SKU-02 深空蓝 总入库300 已售280 可售20 response client.chat.completions.create( messages[ {role: system, content: SYSTEM_PROMPT}, {role: user, content: [ {type: text, text: combined_input}, {type: image, image: main_product.jpg} ]} ], response_format{type: json_object}, temperature0.1 )温度参数我特意设置成 0.1审核任务需要的是稳定和一致不需要创造力和发散温度越低输出结果越接近确定状态。3.4 结果整理与报告生成模型返回的是一个 JSON 数组我把它直接转成 pandas DataFrame然后用几行代码做了统计分析。因为我在 Prompt 里做了严格的字段约束这一步几乎不需要清理数据个别字段为空的情况我用.fillna(未注明)处理一下就行。之后我按严重级别做了排序并生成了一个 Markdown 格式的体检报告。报告里包含问题清单、涉及的资料来源、修改建议以及一个汇总统计表格。整个流程从数据解析到报告输出在我本机上的耗时大约在 4 分钟左右其中模型推理占了绝大部分。让我意外的是中间真的发现了一个非常隐蔽的问题SKU 参数表里写着“蓝牙版本 5.3”而质检报告里的技术参数写的是“蓝牙版本 5.0”标题和主图上都没有标注蓝牙版本所以如果不做交叉比对这个问题根本不会被发现。人眼审核时大概率会只看参数表不会专门拿它和质检报告里的技术参数去逐个比对。4. 我用到的核心校验逻辑4.1 为什么不能只靠模型判断虽然模型的语义理解能力很强但我还是坚持在流程里加了一层基于规则的校验原因是模型存在两个天然问题一个是“过度解读”一个是“幻觉”。在审核场景里误报一个不存在的问题和生产事故一样讨厌因为你需要花额外的时间去验证每一条报告是否真实。我当时的做法是“规则定案、模型辅助”。能用正则解决的事情比如日期格式、数字范围、单位一致性、编号位数全部用规则来做。例如检测报告编号NO.2025-0712-011我用正则提取后再去和标题栏里的编号做匹配如果对不上就直接判定为问题不需要模型参与判断。而模型专注处理那些规则做不了的语义问题比如“详情页说支持七天无理由售后政策里却写着拆封后不支持退货”这种规则无法覆盖、需要理解上下文才能发现的矛盾。4.2 规则和模型怎么分工配合我设计了两层校验管线。第一层是纯规则的用 Python 脚本对结构化数据做字段级比对比如价格、库存、型号、SKU 编码、日期、单位换算。第二层是模型判断把规则层没有发现问题的字段、以及无法结构化的文本描述交给 Qwen3.8-Max 去做语义级审核。这两层的结果最后会合并去重。规则层发现的问题直接标记为准确定性问题模型层发现的问题需要让模型提供原文证据我再根据证据做一个简单的置信度判断。如果证据明确就直接采纳如果证据模糊或者模型自相矛盾就放进“待人工复核”列表。这套分工方式的效果很明显27 个问题里有 12 个是规则层直接定位的另外 15 个是模型从语义层面发现的两边的结果几乎没有重叠。如果我只靠模型虽然也能查出大部分问题但一定会出现误报如果我只靠规则那语义冲突的问题一个都跑不出来。4.3 具体问题拆解从现象到证据链我挑几个比较有代表性的问题说说实际输出长什么样。第一个是“SKU 参数表与主图信息矛盾”。SKU 表里标注的续航是“30 小时实验室条件50% 音量”而主图上写着“超长续航 30 小时”没有括号里的限制条件。这个问题模型判断为“合规风险”因为消费者看到主图会认为任何场景下都能达到这个续航实际上实验室条件和真实使用差距很大。模型给出的修改建议是“在主图或详情页显著位置补充测试条件”。这就是典型的语义判断规则再强也识别不了。第二个是“库存台账与价格设置表售罄标记冲突”。库存表显示“深空蓝可售 20 件”而价格设置表里深空蓝 SKU 的促销状态被设置成了“已售罄”这就导致消费者在商详页会看到这款有库存但不能买。这个问题的发现路径是规则层比对出来的库存和促销状态两个字段直接数值不一致。第三个是“质检报告产品名称与标题不一致”。质检报告上的产品名称是“无线蓝牙耳机 Q3 Max”标题里写的是“Q3 Max 蓝牙耳机 无线运动降噪”两者不完全一致。单独看每句话都觉得是同一个东西但严格从合规角度来说平台审核时可能因为资料主体不一致而驳回。每一类问题我都让模型在evidence字段里填上了原文出处这样形成一条完整的证据链不需要再打开原始文件去翻查。这个细节大大节省了后续的人工复核时间。5. 常见问题与排查技巧实录5.1 模型幻觉导致的误报怎么处理第一次跑通全流程时模型输出的问题清单里有两条非常离谱的记录——它说“SKU 参数表缺少蓝牙版本信息”但我回去看原始数据里面清清楚楚写着蓝牙 5.3。后来又试了几次发现它在处理长文本时偶尔会漏掉某些字段导致误判“缺失”。排查下来发现原因是上下文里的信息密度太高模型在遍历多份文档时注意力会被前面的内容占满。解决方法是两件事第一我把每份文档的关键字段做成了一个“字段核对表”放在输入序列的最前面让模型优先看到这个清单再逐项核对第二我在 Prompt 里明确要求“若某字段无法定位请标记为‘未找到’不要直接判定为缺失”这极大地减少了因为“没找到”而误报“缺失”的情况。5.2 图片里的文字识别不全有一张主图上的核心卖点是竖排文字还有一部分是艺术字体模型第一次识别时漏掉了“IPX5 防水”这几个字导致它没有把这个信息跟详情页里的“IPX4”做比对一个真实问题就这样被漏掉了。我的解决方式是给图片提供了一个辅助摘要就是在传给模型的文本信息里额外附加一段由 OCR 工具提取的图片文字内容。如果模型从图片里看不到某些文字它还能从 OCR 文本里读到相当于给模型增加了一路信息输入。这也带来一个额外发现OCR 文本和图片识别结果不一致的地方往往就是图片文字容易引发歧义的地方值得做二次检查。5.3 超过上下文限制怎么办如果商品资料特别多比如一个品牌系列有 20 个 SKU资料加起来超过 5 万字直接拼一个输入序列就会超长。我的处理方法是做“分层审核”——先对每个 SKU 单独跑一遍小范围体检生成一个精简版的 SKU 问题摘要再把多个 SKU 摘要汇总做第二轮的横向一致性检查。这样既避免了上下文超限又保留了横向对比的能力。5.4 模型输出格式不稳定的应对虽然我在 Prompt 里做了 JSON 输出约束但偶尔还是会出现个别字段缺失或者嵌套层级不对的情况。为了不让整个流程中断我加了一个简单的后处理函数import json def safe_parse(text): try: return json.loads(text) except json.JSONDecodeError: start text.find([) end text.rfind(]) 1 return json.loads(text[start:end])这里核心的思路是即便模型在输出前后加了一些解释性的语句只要找到第一个[和最后一个]通常都能提取出完整的 JSON 数组。个别字段缺失的问题直接在 DataFrame 阶段处理即可不用回到模型层重新跑。5.5 避坑清单总结审核类任务温度参数必须设低0.1 比 0.7 稳定得多。Prompt 里不要只说“找出问题”必须给判断维度和输出格式。模型层发现的问题必须要求提供原文证据否则默认不采纳。能用规则解决的问题不要交给模型准确率要求是 100% 的场景交给规则。多张图片时给每张图编号并在问题里返回图片编号方便追溯。最终结果必须人工抽检模型不能 100% 替代审核人员。6. 我的实操感受与扩展建议整套工具从设计到跑通我花了一个周末真正写代码的时间其实很少大部分时间都花在调 Prompt 和分析问题漏报率上。做下来我最深的体会是这类“体检助手”本身并不神秘本质上就是“信息抽取 规则比对 语义判断”三件事的组合Qwen3.8-Max 解决的是其中难度最高的语义判断部分。这 27 个问题不是一次跑出来的是经过三轮迭代才做到既没有明显漏报、又没有太多误报。如果你也想在自己的商品资料审核流程里试一下建议从单一品类、少量 SKU 开始跑先把 Prompt 和校验规则打磨稳定再逐步扩展到更多资料类型。我下一步打算把这个能力嵌入到商品上新审批的流程里做成一个自动触发的预检环节——运营上传资料包后自动跑体检有问题先拦截没问题的才进入人工审核。另外也想试试让它直接输出整改后的资料包草稿那样整个审核链路就能省掉更多来回沟通的时间。如果你平时也被商品资料里的各种不一致搞得头大建议你也用同样的思路试一下。别想着一步到位搞大而全的自动化系统先拿一个 SKU 跑通流程你就知道哪些环节值得继续深挖了。