大模型实战：电商商品资料包智能体检助手，一次查出27个问题

作为一个常年跟电商后台、商品上传、平台审核打交道的人我太清楚“资料包”这三个字背后意味着什么了。一套完整的商品资料往往包含着主图画册、详情页文案、质检报告、授权链路、卖点提炼、规格参数表这些分散在不同人手里的文件到了上架前运营得像个校对员一样逐字逐句去抠图要清晰、字不能错、参数要对得上还得防着平台规则忽然更新。这个月我拿到了 Qwen3.8-Max 的内测体验资格第一反应就是拿它干这活儿——做一个“电商商品资料包体检助手”把手头一份真实商品的 6 份资料和 1 张商品主图扔进去一次性查出了 27 个问题从错别字到参数矛盾再到图片里的违规中文水印一个都没漏。这篇文章我就把整个搭建思路、跑通流程和踩过的坑原原本本写出来给同样被商品审核折磨过的朋友一个能直接抄作业的参考。1. 为什么非要让大模型来“体检”商品资料做电商运营或者商品管理的人应该都有感触商品资料的质量问题十个里有八个是“看起来没事仔细一看全是事”。传统做法是拿检查清单逐条对靠人眼去比对详情页里写的材质和质检报告里标的是不是一个东西这套流程又慢又费神而且非常依赖执行人的细心程度。我最初也想过用正则、关键词库去做规则校验后来发现根本堵不住语义层面的坑——比如详情页写了“头层牛皮”质检报告里写的是“牛皮革”这俩是不是一回事再比如主图角落里印着一个已过期的活动标人眼扫一眼能注意到靠死规则几乎没法识别。这时候大模型的优势就体现出来了它能把文字、图像、规则糅在一起做综合判断理解“不一致”和“有风险”这种模糊概念这恰好是商品资料体检最需要的核心能力。选择 Qwen3.8-Max 而不是自己微调一个小模型也是从成本和效果两个维度权衡过。商品资料这个东西格式五花八门PDF、Excel、Word、JPG 混在一起小模型很难通吃而 Qwen3.8-Max 这类大参数模型在指令理解、多模态识别、长文本上下文方面的底子足够扎实开箱就能用。更关键的是资料体检这件事本身不需要高频推理它不是每秒钟要响应几十次的线上接口而是运营/审核场景下一天跑几十份资料的批处理任务对实时性要求不高但对判断准确率的要求非常高。用大模型来做意味着可以在一个模型里同时完成文本抽取、图像理解、逻辑比对和风险点定位不用拼一堆小工具拼到代码开花了还漏检。我给这个助手定的岗位职责很明确它不是一个“给分机器”而是一个“挑刺专家”。我要求它对每一份商品资料逐项检查发现问题后必须输出清楚的问题类型、问题所在文件、涉及的关键字段、具体描述和修改建议这样运营同事拿到结果后不需要再去翻原始文档就能直接处理。整个体检的检查项目分为五大类资料完整性、信息一致性、合规风险、图片质量、文案质量。这五类基本覆盖了电商审核中绝大多数被驳回的理由也是我过去被平台打回次数最多、最让人抓狂的几个点。下面我把每类检查具体包含哪些子项展开聊聊你就知道为什么 27 个问题不是凑数凑出来的了。2. 体检助手怎么设计才能既懂规则又会变通整个助手的工作逻辑简单来说就三步先把所有资料的内容“读”进来再按五大类体检项逐一检查最后把发现的问题结构化输出。听起来好像没啥技术含量但实际设计的时候有三个难点必须解决不然出来的结果就是废话连篇或者干脆漏报。第一个难点是“怎么喂资料”。6 份资料 1 张商品图这里面既有 PDF 文档又有 Office 文件和图片格式不一样大模型不能直接一口吞下去。我采用的方案是给每份资料分配一个唯一的编号然后按编号把所有文件做预处理PDF 用解析工具提取文本和元数据Excel 把关键 sheet 转成表格结构的文本描述Word 文档直接抽取段落和表格图片则生成双份描述——一份是模型的直接视觉理解一份是 OCR 抽取出的所有可见文字。最终把所有这些内容按“文件编号 文件类型 内容摘要”的方式组装成一个结构化的输入包再交给 Qwen3.8-Max 去分析。这样既能保留原文的信息细节又不会因为把整份 PDF 的原始文本直接塞进去导致上下文过长、模型抓不住重点。第二个难点是“怎么定规则”。商品资料体检不像写作文不能光靠模型自己自由发挥得给它一套清晰的标准。我把五大类检查项拆成了可执行的细条。比如资料完整性检查的是授权链路是否缺失、质检报告是否过期、商标注册证是否在有效期内信息一致性检查的是各文件之间商品名称、规格、材质、产地、价格这些关键字段是否互相矛盾合规风险检查的是有没有极限词、违禁词、虚假宣传表述以及图片上有没有违规水印和未授权 logo图片质量检查的是清晰度、分辨率、有没有拉伸变形、是否存在大面积遮挡文案质量检查的是详情页有没有错别字、语病、标点混乱以及商品卖点描述是否逻辑通顺。这五类检查项我会在 prompt 里按结构化清单写清楚让模型逐条对照、逐条输出结论而不是让它笼统地“找找问题”。第三个难点是“怎么保证结果靠谱”。大模型偶尔会一本正经地胡说八道这在商品资料体检场景里是不能容忍的——它说某个文件缺失但实际文件明明在这种 false positive 会浪费运营大量时间。为了解决这个问题我给助手加了两道保险。第一道保险是事实校验对于“缺失”“过期”“不一致”这类结论我必须要求模型在输出时引用原始资料里的具体字段内容作为证据。第二道保险是人工抽检跑完体检后助手会生成一个汇总表我第一次跑的时候专门拿过去项目里人工审核过的历史资料做了 20 组的对照测试看 AI 查出问题跟人工查出问题的重合度。实测下来精准率还不错通过这个办法也把 prompt 里的判断标准打磨得更准确了。3. 六份资料一张图27 个问题到底是怎么查出来的为了让这篇文章不是空谈我直接拿我手头正在准备的一个家居商品项目开了刀。这套商品资料包含 6 份文件和 1 张主图商品详情页文案Word、产品规格参数表Excel、品牌授权书PDF、第三方质检报告PDF、商标注册证PDF、电商平台入驻资质文件PDF外加一张白底商品主图JPG。跑了第一轮体检助手一共输出了 27 个问题我把它们按五大类做了归拢这里挑最有代表性的几个说给你听。信息一致性是查出问题最多的类别共有 9 个占了大头。其中最典型的一个矛盾是规格参数表里写的产品尺寸是“50cm * 40cm * 30cm”但详情页文案里写的是“504040cm”高度差了 10 厘米。这种错误如果靠人工去逐行比对两个表格说实话真的很容易漏掉因为这两个数字不在同一页面上大脑的短期记忆很容易自动“修正”这种微小的不一致。还有一处是材质表述不统一详情页里写“优质密度板”质检报告里写“中密度纤维板MDF”虽然指的可能是同一种东西但平台审核人员有时候会很较真地要求全链路统一这类隐患提前查出来改掉总比被驳回强。合规风险查出了 6 个问题这里面最敏感的是一处“极限词”。详情页的标题卖点里有“全网销量第一”字样这个在现在的广告法语境下风险极高必须删掉。另外详情页里一处“环保无甲醛”的表述质检报告其实只检测了甲醛释放量符合标准但没有做“无甲醛”的定性检测这种表述存在夸大嫌疑。还有一个有意思的是授权书里授权范围写的是“线上全渠道”但入驻资质文件里申请的平台类目并不包含该商品所属类目这两个文件之间的矛盾非常隐蔽如果不是让模型做交叉比对我可能到最后提交审核才会被平台发现。图片和文案类的问题也不少。主图那张白底图被查出两处问题一是图片分辨率只有 800800但是平台要求主图至少 10001000放大后会模糊二是图片左下角有一个很小的“618 大促”水印而当前时间早就不在活动周期内了这种过期活动标一旦被平台识别出来轻则警告重则下架。文案质量方面详情页里有两处错别字一处把“安装”写成了“按装”一处把“承重”写成了“乘重”还有一个描述逻辑问题一段话前面说“适合小户型”后面又说“宽敞大气”两种定位放在一起会显得很别扭。资料完整性这块商标注册证上的商标图案和实际商品上使用的 logo 不一致属于注册商标和实际使用不符这个问题如果平台较真起来也够喝一壶的。我把这 27 个问题整理成了一张速查表包含问题编号、类型、所在文件、问题描述、修改建议。之所以要结构化输出而不是像聊天一样给一大段分析文字是因为运营同事要拿着这个结果去跟品牌方、设计、仓库等多方沟通表格形式方便他们直接派活。这也是我给这个体检助手定的一条硬性要求输出必须能让“看到结果的人”立刻知道下一步该干什么。4. 手把手拆解我是怎么让 Qwen3.8-Max 干活的前面说的都是思路层面的东西这一节我直接把整个实现链路摊开来讲从 Prompt 设计到代码调用再到输出解析一步步走一遍。4.1 Prompt 设计的核心套路整个对话的架构我采用的是“系统设定 分步指令”的组合。系统 prompt 里先给模型立人设和任务边界然后主体指令里再拆分具体操作步骤。这里给出一个精简版的系统 prompt 模板你在自己的场景里可以直接改改关键词就用上你是一名资深的电商合规审核专家拥有十年以上平台商品审核经验熟悉广告法、电商平台规则和各类商品资质要求。你的任务是对用户提供的商品资料包进行全面的“体检”发现其中可能影响审核通过率、引发合规风险、造成用户体验问题的隐患。 你必须严格按照以下流程工作 第一步仔细阅读并理解所有提供的资料内容建立资料之间的关联 第二步按照五类体检项逐一检查五类分别是资料完整性、信息一致性、合规风险、图片质量、文案质量 第三步只输出你确定有把握的问题不确定或者缺乏证据的问题不要输出宁可漏报也不可误报 第四步每一条问题必须包含问题编号、所属分类、所在文件名、具体问题描述、涉及的关键字段原文、修改建议。这个 prompt 的关键在于“宁可漏报也不可误报”这句话它极大地改变了模型行为。如果你不加这句模型为了显得自己聪明会倾向于多报一些模棱两可的问题产生一堆噪音。加了这句之后模型在“拿不准”的时候会选择沉默反而让最终结果的精准度提高了不少。4.2 多模态输入的组装方式我这次测试传入给模型的输入结构是这样的6 份资料的文本提取结果加上 1 张主图的视觉描述全部打包成一个结构化的文本块。PDF 和 Office 文件不能直接传所以文本文件我都做了预处理。比如规格参数表转出来的文本大概是这个风格文件编号FILE02 文件类型Excel 规格参数表 关键内容提取 产品名称多功能收纳柜 产品型号SN-003 外形尺寸50cm * 40cm * 30cm 主要材质中密度纤维板MDF 颜色胡桃木色 承重30kg图片部分我传的是图片本身让 Qwen3.8-Max 的视觉能力直接看图。实测它对图片上文字、画面元素的感知能力足够应付主图体检这种任务过期的活动水印、拉伸变形的 logo 都能识别出来。输入结构是刻意做了“压缩”的不是把整份 PDF 全文塞进去而是提取关键信息后组装。这个操作很关键因为上下文一旦爆炸模型的注意力会被稀释容易漏掉真正重要的问题。4.3 输出解析与结果沉淀模型返回的结果我要求必须是严格的 JSON 结构方便程序自动解析后落库。大致格式长这样{ summary: { total_issues: 27, by_category: { 信息一致性: 9, 合规风险: 6, 资料完整性: 4, 图片质量: 4, 文案质量: 4 } }, issues: [ { id: ISSUE-001, category: 信息一致性, file_name: FILE02-规格参数表.xlsx, related_file: FILE01-详情页文案.docx, field_name: 外形尺寸, detail: 规格参数表中外形尺寸为 50*40*30cm详情页文案中为 50*40*40cm两者不一致。, evidence: 规格参数表原文50cm * 40cm * 30cm详情页原文50*40*40cm, suggestion: 请确认实际产品尺寸并统一两处文件中的数据。 } ] }拿到 JSON 之后我写了一段轻量脚本把问题和对应的原始文件路径关联起来生成一张带超链接的 HTML 报告或者 Markdown 表格然后发到团队协作群里。整个过程自动化程度很高运营拿到报告后直接点进链接看原文不用再翻原始包效率提升非常明显。5. 绕不开的坑大模型体检也有翻车现场这个方案跑通了但我必须客观地说它远没有到“全自动无人值守”的程度。我在试用过程中踩了不少坑这里整理几个比较典型的你们后面做类似方案的时候可以直接避开。第一个坑是模型对文件格式的“幻觉”。一开始我偷懒没有做文本预处理直接把 PDF 的二进制内容转成 Base64 塞进输入里想让模型“自己想办法”。结果模型一本正经地告诉我“授权书内容为空”但实际上文件是好的问题出在我没有把内容解析成文本就喂了进去。后来我老老实实走了解析流程所有文档先转文本再进 prompt这个幻觉就基本消失了。这里也提醒大家多模态模型不等于万能解码器给模型它真正能理解的输入它才能做出有效判断。第二个坑是“过期时间”的判断精度问题。模型第一次跑的时候把质检报告的有效期看错了把“报告日期”当成了“有效期截止日”导致一个本来在有效期内的报告被误判成“已过期”。后来我在 prompt 里明确增加了规则“有效期相关字段必须从原文中提取具体日期并标明日期字段的原始含义不得自行推断”。加了这条约束之后关于时间过期类误判就少了很多。这个问题的本质在于大模型知道“质检报告会过期”这个常识但具体到某一份报告里哪个日期代表有效期模型没有领域知识只能靠 prompt 里的硬性规定来约束。第三个坑是文件之间的关联能力有时不够强。比如某个文件里的商品型号写的是“SN-003”另一个文件里写的是“SN003”中间少了一个横杠模型有时候会忽略这种细节上的不一致直接当成同一个型号给放过。后来我在信息一致性检查的 prompt 里专门加了一条“对型号、货号、SKU 编码等字段必须先做标准化处理后进行比对警惕因符号差异导致的不一致漏判”。虽然这类问题靠 prompt 也做不到 100% 抓住但模型的查全率确实提高了一些剩下的漏网之鱼只能靠样本积累不断调优。第四个坑是性价比问题。Qwen3.8-Max 能力很强但毕竟是有成本的大模型调用如果每次体检都把全套资料不加选择地塞进去token 消耗会很大。我做了个轻量级的分流先用关键词规则粗筛一遍把明显需要看全文的高风险文件交给模型精读其余文件只抽取关键段落交给模型做交叉比对。这样一个商品资料包的体检成本能控制在非常可观的范围内中小商家每天都跑也完全没问题。6. 实测之后我的一些真实体会这轮体验下来我的整体感受是用大模型做商品资料包的体检不是“能不能做”的问题而是“怎么做才能做得准”的问题。它的上限非常高因为能处理语义、能看图、能交叉比对、能解释判断依据这几乎就是一个人工审核员的核心能力它的下限也比较依赖你把 input 和 prompt 设计好否则就会变成漏报误报满天飞的可有可无的工具。我踩过几次坑之后最大的心得就是别急着让模型一下子干太多事。我第一版 prompt 里塞了密密麻麻二十多个检查项目结果模型反而什么都查不深。后来我把检查项收敛到五大类每个大类下再给定少数几个重点子项效果立刻上来了。这背后其实是一个很朴素的道理——大模型的注意力是一种稀缺资源你让它面面俱到它就会顾此失彼。再分享一个很实用的小技巧体检报告生成之后建议再加一道“复核”对话把模型自己生成的检测结论原封不动地发回给模型让它扮演一个“吹毛求疵的挑刺者”专门挑自己刚才判断里的漏洞。这一步相当于让模型做了一次自我反思经常能发现之前误判的地方。我试过几次有些原本标记为“信息不一致”的问题复核后被模型自己纠正为“表述不同但指向同一实体”这种纠错能力很惊艳。这个内容后续还可以扩展的方向挺多的比如接入定时任务每周自动对在售商品的全套资料做一次巡检新规则出来之后第一时间批量排查存量商品的风险点再比如把历史审核驳回原因收集起来反哺到 prompt 里做 few-shot 优化让助手的“经验”越来越接近真实平台审核的偏好。我已经在计划把第二版工具做出来了这次会加一个简单的规则引擎层用少量的硬规则去兜底大模型的软判断双保险跑起来应该会更稳。说到底工具是死的经验是活的。希望这篇文章能给正在跟商品审核斗智斗勇的朋友一些启发也欢迎你在评论区聊聊自己遇到过的最离谱的审核驳回理由我保证看到之后比你还能共情。