下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/user_0898a299--ecom-image-compliance.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_0898a299/ecom-image-compliance。电商图片违禁词检测与 AI 替换出图技能(中文名:电商图片合规检测助手)。自动识别电商主图 / banner / 详情页等图片上的《广告法》违禁词(绝对化用语、虚假/功效宣称、谐音规避等), 覆盖家居日用、数码配件、美妆护肤、运动户外、儿童玩具、休闲零食、箱包皮具、母婴童装、 纸品家消、时尚饰品等十大品类,用 AI 生成合规替换词,并把图片里对应的文字区域修复后 叠加中文安全词,输出修正后的图片。
触发词:电商图片违禁词、图片违规词检测、主图/banner/详情页 违禁词、广告法 违禁词 图片、 图片去违禁词、电商合规修图、把图片里的“最/第一/国家级”改掉、谐音梗 规避。
阅读全文 (展开查看完整说明)
概述
电商图片违禁词检测 · AI 替换出图
给一张电商图片(主图、banner、详情页截图等),自动找出图里的《广告法》违禁词,
用安全词替换,并把图里对应的文字区域改成替换词,最后把修正图交给用户。
📦 关于本上架版:本 Skill(上架版)是智能体用的合规检测与出图能力(视觉 OCR + 词库检测 + 本地出图),不依赖任何外部 OCR 付费额度。配套的网页版界面(
ecom-image-compliance.html,含本地 Tesseract 与可选百度高精度)为作者另行维护的独立本地工具,不随本 Skill 上架分发,如需请单独获取。下文「网页版」说明均指该独立工具。
🚀 30 秒上手(TL;DR)
- 读图:用 Read 读取电商图片,逐块抄录文字(默认零外部依赖)。
- 检测:
python3 scripts/banned_words.py detect --text "文案…" --json找出违禁词与替换建议。 - 出图:把命中项写成
replacements.json(坐标 + 新词),python3 scripts/redraw.py生成修正图。
进阶:AI 语义检测(暗示性违规)默认自动生效(平台内置免费模型);词库每月 1 号自动巡检(见第十一节 FAQ)。
💡 端到端范例(照抄即可跑)
假设拿到一张详情页 product.png,要排查违禁词并出修正图:
# ① 检测文案(把图片读图后抄录的文字贴到 --text)
PY="python3"; SKILL_DIR="<你的技能目录>/ecom-image-compliance"
$PY $SKILL_DIR/scripts/banned_words.py detect --text "全网最低价 顶级品质 绝对正品" --json
# 返回(节选):
# {"status":"ok","ecode":"E_OK",
# "hits":[{"word":"全网最低价","type":"绝对化用语","suggest":"同价位优选"},
# {"word":"顶级","type":"绝对化用语","suggest":"优质"},
# {"word":"绝对","type":"绝对化用语","suggest":"正品保障"}]}
# ② 写替换项(坐标由读图给出,归一化 0~1)
cat > replacements.json <<'JSON'
[{"x":0.12,"y":0.30,"w":0.20,"h":0.04,"old":"全网最低价","new":"同价位优选"},
{"x":0.12,"y":0.36,"w":0.18,"h":0.04,"old":"顶级品质","new":"优质品质"},
{"x":0.12,"y":0.42,"w":0.16,"h":0.04,"old":"绝对正品","new":"正品保障"}]
JSON
# ③ 出图
$PY $SKILL_DIR/scripts/redraw.py --input product.png --replacements replacements.json --output fixed.png
# 输出:fixed.png(原图设计保留,违禁词处已叠加中文替换词)交付说明:最终给用户 fixed.png(已修复图)+ 一份「违禁词 → 安全替换」对照清单(便于人工复核)。纯文案场景可只做第①步改文字,不出图。
📑 目录
- 一、能做什么 / 不能做什么
- 二、OCR 引擎选型
- 三、运行环境
- 四、标准流程
- 五、词库说明与扩展
- 六、AI 生成替换词
- 七、典型调用模板
- 八、交付口径
- 九、网页版用法
- 十、品类覆盖与变体规避
- 十一、排版专业化升级(v1.3.0)
- 十二、常见问题 FAQ
- 十三、免责声明
一、能做什么 / 不能做什么
能做:
- 自动识别图片中全部文字(靠智能体自带的多模态视觉,无需外部 OCR 服务)
- 对照《广告法》绝对化用语基线词库检测违禁词,给出类型与安全替换建议
- 在保留原图设计的前提下,把违禁词区域修复并叠加中文替换词,输出修正图
- 额外支持「纯文案模式」:只改文字不改图(用于先给用户看合规文案)
不做 / 注意:
- 不宣称 100% 兜底:本技能用「基线词库 + 视觉识别」,复杂图或生僻违禁词可能漏检,
最终以人工复核 + 平台规则为准。
- 替换文字的像素位置由智能体读图后给出(归一化坐标),复杂密集排版建议逐块处理。
- 图片数据在本地处理,不上传第三方(仅“AI 生成替换词”可选调用 agnes 文本模型)。
二、OCR 引擎选型(用法指引)
本技能有 4 种文字识别路径,按场景选用:
注:③ ④ 为网页版(独立工具,不随本 Skill 上架分发)能力;上架版核心为 ① ②(智能体视觉 OCR + 本地 paddleocr)。
| 路径 | 适用场景 | 依赖 / 成本 | 何时用 |
| —— | ———- | ————- | ——– |
| ① 智能体视觉 OCR(Read 读图抄录) | 绝大多数电商主图 / banner / 详情页 | 零外部依赖 | 默认:拿到图直接用,最快 |
② paddleocr 离线增强(scripts/ocr_enhance.py) | 批量、不依赖视觉、密集小字 | 需预装 paddleocr | 视觉 OCR 漏字 / 要可复现结果时 |
| ③ 网页版 Tesseract.js | 用户自助网页工具、隐私敏感 | 浏览器本地、免费零云 | 分享给学生/同事、不消耗任何额度 |
| ④ 网页版百度高精度 | 中文花字 / 艺术字 / 复杂底色 | 百度「网络图片文字识别(含位置版)」免费额度(月 500 次) | ③ 识别不准时补识别;用尽自动回退 ③ |
选型口诀:常规图用 ①;要批量/确定性用 ②;网页分发用 ③,花字不准升级 ④(注意月额度)。
三、运行环境(依赖随技能分发,不污染系统)
- Python:3.10+。运行脚本统一用
python3(或你自己的解释器路径),不写死绝对路径。 - 第三方库:Pillow / numpy / opencv-python-headless。
- 开发环境曾预装到
<SKILL_DIR>/.pylibs,通过PYTHONPATH=<SKILL_DIR>/.pylibs引用;
- 分发 / 他人环境:若
<SKILL_DIR>/.pylibs不存在,请先安装依赖:
pip install Pillow numpy opencv-python-headless(若技能附带 requirements.txt 也可 pip install -r <SKILL_DIR>/requirements.txt)。
<SKILL_DIR>指本技能安装根目录(即ecom-image-compliance/文件夹)。
设变量方便复用(在 bash 里,请按你的实际安装路径填写):
SKILL_DIR="<你的技能目录>/ecom-image-compliance" # 例如 ~/workbuddy/skills/ecom-image-compliance
PY="python3" # 或指向你的 Python 3.10+ 解释器
LIB="$SKILL_DIR/.pylibs" # 若用 requirements.txt 安装则置空或指向你的 site-packages四、标准流程(每次照做)
Step 1 接收图片
用户给图(路径或上传)。若是上传,先存到 $SKILL_DIR/assets/(G 盘,勿放 C 盘桌面)。
Step 2 视觉 OCR(智能体自带能力,零外部依赖)
用 Read 工具读取图片,逐块抄录图中所有文字,并对每个文字块记录:
- 若需「本地确定性 OCR」(离线、批量、不依赖视觉):装
paddleocr后运行scripts/ocr_enhance.py --image 图.png;
未装或失败则自动回退到本步的视觉 OCR(详见 ocr_enhance.py 头部说明)。
- 内容(原样抄录,含标点)
- 归一化坐标框
box = [x1, y1, x2, y2](各值 0~1,相对整图宽高;
例如顶部居中横幅约 [0.25, 0.04, 0.75, 0.18])
- 文字颜色(如“白字 / 黑字 / 红色”,用于后续叠加;不填则脚本自动判断)
把抄录到的全部文字拼成一个字符串,供 Step 3 检测。
Step 3 违禁词检测
运行检测脚本(把 Step 2 抄录的文字传给 --text):
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/banned_words.py" detect
--text "【国家级】全网最低价 销量第一 永久有效 美白祛斑 立即见效" --json返回每处命中的 word / type / replace / note / context。
智能体据此确认哪些真的是违禁词(剔除如“第一时间”这类非违规语境)。
也可先只改文案验证:
... fix --text "..."(纯文案安全版)。
想让 AI 更自然地润色整段,加
--llm(需要AGNES_API_KEY环境变量或--api-key)。
Step 3.5(推荐)AI 语义检测 —— 抓词库匹配不到的「暗示性违规」
词库是硬匹配,抓不到擦边表述(如「喝出好气色」「明星同款」「手慢无」「说第二没人敢说第一」)。
本步直接用智能体自身内置模型(HY3 等平台内置免费模型)分析,零配置、自动生效,无需任何 API Key:
智能体在 Step 3 确认完词库命中后,直接用自身语言理解能力,对 Step 2 抄录的全部文字做一遍
「暗示性 / 变体 / 擦边」审查,把疑似风险逐条列出(短语 / 类别 / 理由 / 风险等级),
并只提示、不自动替换,避免误伤正常营销描述。结果以清晰表格呈现给用户,标注「建议人工复核」。
- ✅ 默认就是自动的:你(智能体)已经在平台内置模型上运行,这步天然零配置,不需要调任何外部接口。
- 🔧 可选增强:若想用外部 agnes-2.5-flash 做二次交叉验证,可运行
scripts/semantic_check.py --text "文案" --api-key <agnesKey>(需使用者自备 agnes Key,环境变量 AGNES_API_KEY 亦可)。无 Key 时该脚本优雅降级,不影响主流程。
- 网页版(
ecom-image-compliance.html)也内置同款「🤖 AI 语义检测」按钮:填 agnes Key 后浏览器直连 agnes-2.5-flash(agnes 已开放 CORS,无需本地代理)。网页版因运行在浏览器、无法调用平台内置模型,所以 AI 功能需自备 Key;而本 Skill 版无此限制。
Step 3.6 文案参考建议(增值交付,零配置)
除「改掉违禁词」外,可进一步给客户合规且更好卖的文案参考,分两种粒度:
- 逐词候选(网页版 / Skill 版均零 API):本技能内置
SUGGEST_MAP(50+ 高频违禁词 → 多个合规替代候选,如「最→很/超/挺/相当」「销量第一→热销爆款/销量领先/口碑之选」)。检测命中某词即展示候选标签,点选即填入,方便客户挑最贴合语境的版本。 - 整段多风格改写(Skill 版,用内置模型):智能体基于检测结果,把整段文案改写为 2–3 个不同风格的合规版本,示例风格:
- 🟢 稳妥合规版:最保守,去掉一切风险表述,适合高监管品类(母婴/食品/美妆)。
- 🔵 卖点保留版:保留促销力与情绪,仅替换违规词,适合需转化率的场景。
- 🟣 亲和口语版:更自然口语化,适合直播话术 / 私域。
每份附「适用场景」说明,让用户按需取用;所有改写均不引入新的违禁表述,改写后建议再跑一次 Step 3 复核。
网页版因无内置模型,整段改写需用户自备 agnes Key(点「开始 AI 检测」后由语义模型顺带生成);
其「逐词候选」不依赖任何 API,开箱即用。
Step 4 生成替换项 JSON
对每一处确认要改的违禁词,构造替换项(用 Step 2 记录的坐标与颜色):
[
{
"box": [0.30, 0.05, 0.70, 0.16],
"old": "全网最低价",
"new": "全网实惠价",
"color": "#FFFFFF",
"padding": 0.08
},
{
"box": [0.10, 0.30, 0.45, 0.42],
"old": "销量第一",
"new": "热销爆款",
"color": "#222222"
}
]box默认归一化(0~1);若用像素坐标,运行脚本时加--pixel。color不填则按背景亮度自动选黑/白字。padding控制修复区域外扩,复杂背景可略调大(0.10~0.15)。
Step 5 出图(修复 + 叠加中文)
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/redraw.py"
--image "$SKILL_DIR/assets/原图.png"
--replacements-file "$SKILL_DIR/assets/replacements.json"
--output "$SKILL_DIR/assets/修正图.png"脚本会:① cv2.inpaint 把旧字区域修复成背景;② PIL 在同样位置叠加中文替换词
(按区域宽度自动缩放字号,保证中文字符 100% 正确)。输出修正图路径与每处处理明细。
为什么不用“AI 生图直接改字”?扩散模型渲染中文文字不可靠(常出乱码),
所以本技能用「本地修复 + PIL 精确叠加」保证文字正确可读。
Step 6 校验 & 微调
用 Read 工具读修正图,确认:旧违禁词已消失、新词位置/颜色正确、未误伤原设计。
若某块位置/大小不理想,微调该项的 box / padding / color 重跑 Step 5。
Step 7 发给用户
用 present_files 把修正图(及原图对比)展示给用户,并附上「安全文案」文本版。
若用户要分享/部署到手机,可另起部署流程生成链接(图片本身是文件,直接发即可)。
五、词库说明与扩展
- 词库:
references/banned_words.json(版本化,字段:word / type / replace / note / severity)。 - 当前为「综合词库(2026-08-14 更新,588 条)」:在「广告法绝对化 + 清单-3.17」基础上,额外并入主流电商平台(淘宝/拼多多/抖音)禁用词与化妆品/食品/医疗器械品类敏感词(极限扩展/诱导刺激/时限虚假/权威性虚假/医疗化妆品虚假/封建迷信等),并统一
severity分级(hard 明确违规可直接替换;risk 需质检/资质才成立,仅提示不替换)。
- 广告法绝对化用语基线:以《广告法》第九条绝对化用语为核心(最/第一/顶级/国家级/唯一/首选/万能…)。
- 并入「链接违禁词检查清单-3.17」可匹配词组,新增类别:
材质虚假(纯棉/全棉/桑蚕丝/莫代尔/冰丝/德绒/自发热/凉感科技,需符合定义或质检报告)、
功效绝对(抗菌/防臭/防辐射/矫姿/反重力/不勾丝/不褪色…)、
温度绝对(抗寒-20℃、升温+20℃…)、
倍数夸大(3倍保暖、1条顶3条、3秒速暖、比纸还薄…)、
封建迷信(辟邪/挡煞/风水转运/化解鬼压床…)、
低俗成人(性感/sexy/纯欲风/黑丝…)、
医疗宣称(抑菌/瘙痒/防HPV…)、
版权字体(汉仪/方正/字魂…)。
- severity 字段(关键):
hard:明确违规,可直接替换(绝对化词、封建迷信、低俗成人、倍数夸大、首创/第一件、HPV 等)。
risk:需质检报告 / 授权 / 符合定义方可成立(如"纯棉""抗菌""德绒""官方")。
检测时标红提示但不自动替换,避免误伤正常描述;用户确认有报告后再手动改写。
- 检测是子串匹配、长词优先,新增词即时生效。
- 维护脚本:
scripts/extend_dict.py(把新词组并入词库)、
scripts/rebuild_web.py(把词库重新注入网页版 HTML,保持两端一致)。
六、AI 生成替换词(上下文更自然)
默认用词库映射(离线、即时、稳定),且智能体本身即可用平台内置免费模型润色文案——
直接把 Step 3 的检测结果 + 原句交给用户时,用自身语言模型给出更贴合语境的替换建议即可,零配置。
若想用脚本批量自动重写,可启用外部 LLM(需使用者自备 agnes Key):
export AGNES_API_KEY="sk-xxx" # 用户提供的 agnes key(可选)
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/banned_words.py" fix
--text "..." --llm --json脚本调用 agnes-2.5-flash 文本模型重写整段文案;失败自动回退词库替换。
Key 不要写死在脚本里,走环境变量。
七、典型调用模板(速查)
SKILL_DIR="<你的技能目录>/ecom-image-compliance"
PY="python3"
LIB="$SKILL_DIR/.pylibs"
# 1) 检测
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/banned_words.py" detect --text "文案…" --json
# 2) 改文案(纯文字,先看效果)
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/banned_words.py" fix --text "文案…"
# 3) 出图
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/redraw.py"
--image "$SKILL_DIR/assets/in.png"
--replacements-file "$SKILL_DIR/assets/replacements.json"
--output "$SKILL_DIR/assets/out.png"八、交给用户前的口径
- 明确告知:本工具基于基线词库 + 视觉识别,是“辅助合规”,最终以平台规则与人工复核为准。
- 不夸大:不承诺“绝对不会被判违规”。
- 隐私:图片在本地处理;只有可选的 AI 润色会调用文本模型(不含图片像素)。
九、网页版(独立界面 · 可选,不随本 Skill 上架分发)使用方法
文件:ecom-image-compliance.html(单文件,浏览器打开即用,可分享给学生/同事当工具)。
- 上传图片,或直接 Ctrl+V 粘贴截图(浏览器任意位置均可)→ 载入后自动 OCR 全图文字并切分为文字块(右侧出现卡片,已自动跑违禁词检测)。
- 若个别文字未被识别,可在图上拖框选补充,再点卡片上的「OCR」(Tesseract.js 中文
chi_sim引擎,本地免费零云运行:默认走「轻预处理+降采样+常驻 worker」的快路径,大截图也不卡;若某块文字仍不准,可勾选「🎯 高精度模式」对该块做放大+二值化补识别;不准可手改)。 - 命中违禁词标红并给出替换词;
risk类只提示不替换(防误伤)。 - 词库依据与跨块检测(2026-08-13 升级):违禁词库在原有 588 条基础上,依据 《广告法》第九条禁用语 + 天猫/淘宝公开极限词清单 + 食品/医疗/保健/教育/金融/房地产/酒类等行业广告规范 大幅扩充(新增
BANNED_WORDS_EXTRA约 180 条 + 配套替换建议)。新增全文阅读顺序检测:所有文字块按「上→下、左→右」排序后拼接成一篇连贯文本再检测,可捕获跨行/跨块的"组合违规"(如 OCR 把"全网最"和"低价"分在两行,也能判为"全网最低价"),命中点标🔗跨块徽章提示需结合上下文核对。卡片也按阅读顺序显示,修复多行文字顺序错乱。 - 🤖 AI 语义检测(2026-08-12 升级为真实闭环):在下方面板填入你的 agnes API Key(仅本地留存浏览器 localStorage,不写死在文件里),点「开始 AI 检测」→ 浏览器直连 agnes-2.5-flash,把词库抓不到的「暗示性/变体/擦边」违规标出来,带 high/medium/low 风险分级。agnes 已开放 CORS,无需本地代理。无 Key 时用「📋 复制全部文案」到 Skill 版检测。
- 点「生成修正图」→ 背景取样覆盖旧字 + 叠加中文合规词,导出 PNG。
注意:网页版所有检测/出图均在浏览器本地完成,图片不上传;只有「AI 语义检测」会把文字文案发给 agnes 文本模型(不含图片像素)。
🚀 百度高精度识别(网页版独立工具功能·需代理,本上架包不含该云函数)
- 网页版默认自动识别走本地 Tesseract(免费零云、零额度消耗);若对中文花字/底色/艺术字识别不准,可点 「🚀 百度高精度重识别」(全图)或卡片上的 「🚀 百度」(单块补识别)。
- 后端是 CloudBase 代理函数
ecom-baidu-ocr(hy-free环境,密钥在函数环境变量,前端只持有公开网关地址,绝不接触 Key),它调用用户自行开通的百度「网络图片文字识别(含位置版)」接口(最贴合电商图)。 - ⚠️ 限定次数(务必告知使用者):该接口为百度个人实名免费额度,每月 500 次,超出按量付费。网页顶部「🚀 百度额度 X / 500」实时显示当月已用;用尽会自动回退本地 Tesseract 并提示。每识别一次(全图或单块)消耗 1 次。
- 代理函数代码:
cloud-function/ecom-baidu-ocr/(仅转发,OCR 算力在百度侧)。部署:manageFunctions(createFunction)+manageGateway(createRoute, WEB_SCF, /baidu-ocr)。
十、品类覆盖与谐音/变体规避(2026-08-13 大幅扩充)
词库已扩至 588 条,并内置 125 条变体规避映射,覆盖:
| 品类 | 典型合规红线 |
| —— | ———— |
| 家居日用 | 实木/真皮/头层牛皮材质虚标;抗菌/防螨/除甲醛/负离子功效需报告;无毒属绝对化 |
| 数码配件 | 原装/正品/官方/授权/旗舰需真实;扩容/快充/防辐射/护眼虚标 |
| 美妆护肤 | 药妆/纯天然/速效/换肤/抗敏/溶脂/瘦身/小金盾误用;解码/干细胞/量子等无关联用语 |
| 运动户外 | 奥运/国家队/冠军同款需授权;燃脂/减肥/增高/矫正功效需依据;磁疗属医疗宣称 |
| 儿童玩具 | 食品级/可食用/可吞咽违法;防近视/近视治愈误导性表述;3C/CCC 须真实 |
| 休闲零食 | 养胃/护肝/抗癌/降糖等普通食品禁宣称;国家免检/特供/专供/老字号需依据;零添加易误导 |
| 箱包皮具 | 头层牛皮/真皮/意大利进口材质虚标;大牌同款/原单/尾货易误导 |
| 母婴童装 | 食品级/可食用违法;孕妇可用/防湿疹需依据;A类/小金盾须真实 |
| 纸品家消 | 杀菌/除菌/抑菌/食品级/可降解/医用级需有依据;原生木浆虚标 |
| 时尚饰品 | 纯金/999/天然水晶/和田玉材质虚标;招财/转运封建迷信;磁疗/能量属医疗宣称 |
谐音/变体规避(重点):抖音等平台已上线谐音、变体、暗示类语义识别。本技能通过
variant_map 把规避字还原为规范字再匹配,命中自动标注 type=谐音规避:
- 谐音字:蕞→最、醉→最、鼎→顶(蕞低价/鼎级 → 最低价/顶级)
- 拼音体:Zui低价、蕞D价、全网醉低
- 异体/符号:NO.1、TOP.1、第①、第1、N0.1(→ 第一)
- 繁体规避:頂→顶、絕→绝、國→国、優→优、費→费(免費→免费)等 125 条
十一、排版专业化升级(v1.3.0)
本版本针对电商图片的复杂排版场景提供专业化支持:竖排文字、斜体旋转、渐变背景修复、纹理背景修复、文字阴影与描边等。
11.1 新增脚本
| 脚本 | 功能 | 依赖 |
| —— | —— | —— |
layout_detector.py | 排版类型检测器(横排/竖排/斜体/密集度/背景类型) | opencv, numpy, Pillow |
redraw.py(增强版) | 支持多排版方式的出图脚本 | opencv, numpy, Pillow |
smart_inpaint.py | 智能背景修复工具(渐变/纹理/复杂) | opencv, numpy |
11.2 排版检测流程
# 1. 检测图片排版类型
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/layout_detector.py"
--image "原图.png"
--box 300 100 700 200
--json
# 2. 根据检测结果调整 replacements.json
# 关键参数:vertical / angle / shadow / stroke_width / inpaint_radius / blend_mode输出示例:
{
"orientation": {
"orientation": "horizontal",
"confidence": 0.92,
"angle": 2.3,
"lines": 1
},
"background": {
"type": "gradient",
"dominant_color": "#FF6B6B",
"std_dev": 28.5,
"repair_strategy": "inpaint"
},
"density": {
"density": "medium",
"chars_per_pixel": 12.3,
"recommendation": "注意相邻文字干扰,建议 padding=0.15"
},
"hint": {
"padding": 0.12,
"inpaint_radius": 5,
"font_style": "normal",
"blend_mode": "normal"
}
}11.3 替换项 JSON 扩展字段
[
{
"box": [0.30, 0.05, 0.70, 0.16],
"old": "全网最低价",
"new": "全网实惠价",
"color": "#FFFFFF",
"padding": 0.12,
"bold": false,
"vertical": false,
"angle": 0,
"shadow": true,
"shadow_offset": [2, 2],
"shadow_color": "#00000080",
"stroke_width": 1,
"stroke_color": "#000000",
"blend_mode": "normal",
"inpaint_radius": 5,
"tight_mask": false
}
]字段说明:
| 字段 | 类型 | 默认 | 说明 |
| —— | —— | —— | —— |
vertical | bool | false | 是否竖排模式(从右到左,每字独立) |
angle | float | 0 | 文字旋转角度(度,顺时针为正) |
shadow | bool | false | 是否添加阴影 |
shadow_offset | [x, y] | [2, 2] | 阴影偏移像素 |
shadow_color | str | "#000000" | 阴影颜色(支持透明度 #AARRGGBB) |
stroke_width | int | 0 | 文字描边宽度(像素,0=无) |
stroke_color | str | null | 描边颜色 |
blend_mode | str | "normal" | 背景融合模式:normal/multiply/soft_light |
inpaint_radius | int | 0(自动) | inpaint 修复半径(0=根据背景自动) |
tight_mask | bool | false | 是否使用形态学收缩蒙版(更贴合文字边缘) |
11.4 典型排版场景处理
场景 1:竖排文字(传统/国风风格)
{
"box": [0.10, 0.30, 0.25, 0.70],
"old": "顶级品质",
"new": "优质品质",
"vertical": true,
"color": "#FFFFFF",
"padding": 0.15
}场景 2:斜体文字(动感/促销风格)
{
"box": [0.20, 0.50, 0.80, 0.65],
"old": "限时特惠",
"new": "限时优惠",
"angle": -15,
"shadow": true,
"stroke_width": 1,
"stroke_color": "#000000"
}场景 3:渐变背景(高保真修复)
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/redraw.py"
--image "原图.png"
--replacements-file "replacements.json"
--blend-mode normal
--inpaint-radius 5
--output "修正图.png"场景 4:纹理背景(复杂图案)
PYTHONPATH="$LIB" "$PY" "$SKILL_DIR/scripts/smart_inpaint.py"
--image "原图.png"
--strategy texture
--output "修复后.png"11.5 命令行参数扩展(redraw.py)
python3 scripts/redraw.py
--image 原图.png
--replacements-file replacements.json
--output 修正图.png
--vertical # 全局竖排模式
--angle -10 # 全局旋转角度
--shadow # 全局添加阴影
--stroke 1 # 全局描边宽度
--stroke-color "#000000"
--blend-mode multiply
--inpaint-radius 711.6 背景修复策略选择
| 背景类型 | 标准差范围 | 推荐策略 | inpaint_radius |
| ———- | ———– | ———- | —————- |
| 纯色 | < 15 | overlay(直接覆盖) | 3 |
| 简单渐变 | 15-40 | gradient_inpaint | 5 |
| 复杂渐变 | 40-60 | gradient_inpaint | 7 |
| 纹理/图案 | 60-100 | texture_synthesis | 10 |
| 极复杂 | > 100 | smart_blend + 手动调整 | 15 |
十二、常见问题(FAQ)
Q1:检测把正常描述判成违规(误报)怎么办?比如「第一时间」「纯棉」「抗菌」。
A:词库词条分两级——hard=明确违规,直接给替换建议;risk=需质检报告 / 授权才成立(如纯棉、抗菌、老字号、3C),检测时只标红提示、不自动替换。遇到疑似误报,先看是否真有资质/依据;没有就保留原词或手动改。也可把该词从 replacements.json 里去掉,重跑出图即可。
Q2:花字 / 艺术字 / 复杂底色 / 小字识别不准或漏字?
A:优先用智能体视觉 OCR(Step 2 逐块读图,通常最稳);仍漏就走 ② paddleocr 离线增强(scripts/ocr_enhance.py)做本地确定性识别;网页版用户可用 ④ 百度高精度(含位置版,月 500 次,用尽自动回退)。实在不行可手动修正抄录文字再检测。
Q3:出图后文字位置偏了 / 颜色不对 / 重叠 / 被裁切?
A:微调该项 box(归一化坐标 [x1,y1,x2,y2])、padding(外扩 0.10~0.15)、color(不填则自动选黑/白字),重跑 Step 5(redraw.py)。密集排版建议逐块处理,避免框重叠。
Q4:修正图里中文变成方块(□)或乱码?
A:本技能用 PIL 精确叠加中文(非 AI 生图),正常不会乱码。若出现,通常是运行环境缺中文字体——在 redraw.py 里指定一个本地中文字体路径(如 font_path=...)即可。
Q5:想批量处理很多张图?
A:用 ② paddleocr 批量识别 + 循环 banned_words.py detect / redraw.py;或写小脚本遍历 assets/ 下图片逐张生成修正图。全部本地完成,不上传。
Q6:没有 Python / 装不上依赖(Pillow / opencv)?
A:出图依赖 Python 环境;若只做「检测 + 改文案」,可用网页版(ecom-image-compliance.html,纯浏览器、零安装)做 OCR 与词库检测,只不出图。或让智能体用视觉 OCR + 词库映射直接给安全文案。
Q7:AI 润色 / 语义检测要花钱吗?Key 从哪来?
A:Skill 版自动用平台内置免费模型(HY3 等),零配置、无需任何 Key——暗示性 / 变体违规检测默认就生效。只有想用外部 agnes-2.5-flash 做二次交叉验证时才需自备 agnes Key(网页版同此)。分发版不含任何内置 Key。
Q8:词库怎么加新词 / 发现漏检了某新梗怎么办?
A:两种方式——① 手动编辑 references/banned_words.json 加词条(字段 word/type/replace/note/severity);② 用 scripts/extend_dict.py 批量并入,或 scripts/maintain_wordbank.py(每月 1 号有自动化巡检,会提醒你确认新词)。改完词库即时生效。
Q9:网页版百度额度(500 次/月,含位置版)用完了 / 额度归谁?
A:额度是你自己的百度账号、所有使用者共用;用尽后网页版自动回退本地 Tesseract(无限免费)并提示。想不被共用,可在网页版配置自己的百度 Key(去中心化)。网页版不随本 Skill 上架分发,仅内部使用。
Q10:检测结果和平台实际判定不一致?
A:本工具是「辅助合规」,以《广告法》+ 平台最新规则 + 人工复核为准,不承诺 100% 兜底。若发现漏检 / 误检,把样例反馈给我,我加进词库(见 Q8)。
Q11:英文 / 多语种混排能检测吗?
A:视觉 OCR 能读英文,但 banned_words.json 以中文违禁词为主,暂未系统覆盖英文违禁表述。英文图建议先人工过一遍,或后续扩充英文词库。
Q12:竖排文字 / 旋转图片识别不准?
A:视觉 OCR 按读图理解,旋转 / 竖排时位置框可能偏移。建议先旋转校正图片,或对该区域单独框选(网页版)后逐块处理;出图坐标相应微调(见 Q3)。
十三、免责声明
- 本技能/工具仅提供合规风险辅助提示,不构成法律意见;最终是否合规以《广告法》
《食品安全法》及各大电商平台最新规则、监管部门的认定为准。
- 词库基于公开合规指引整理,平台规则持续更新,建议定期同步最新禁用词;
risk类
词条(如纯棉/抗菌/老字号/3C)需对应质检报告或授权方可成立,工具仅提示不自动替换。
- 关于 API Key(两种形态不同):
- Skill 版(本文件):AI 语义检测自动使用平台内置免费模型(HY3 等),零配置、无需任何 Key。
- 网页版(.html):因运行在浏览器、无法调用平台内置模型,其「🤖 AI 语义检测」需使用者自备 agnes Key(仅存本地浏览器,不写死在文件里)。
- 分发版本不包含任何内置 Key;若使用外部 agnes 增强,请使用者自行配置并妥善保管,避免泄露与额度盗用。
- 使用本工具产生的任何经营合规后果由使用者自行承担。
文档层边界与常见 FAQ(v1.3.1 新增 · 规划咨询不越界)
一、能力边界(适用 / 不适用 / 硬约束)
- 适用:电商主图 / banner / 详情页图片的《广告法》违禁词检测与合规替换出图(OCR + 词库 + AI 语义)。
- 不适用:非电商文本合规的终审认定、法律意见,或平台规则的最终解释权。
- 硬约束:检测结果为辅助参考,最终以主管部门、平台规则与人工法务审核为准;不替代人工审核。
二、每次输出三段式自检【依据 / 假设 / 待核实】
- 依据:引用政策/规则原文与来源(如《广告法》、民俗文化声明、教育部文件等)。
- 假设:标注所依赖前提(如「假设输入数据准确」「假设为最新版规则」)。
- 待核实:列出须用户或权威渠道确认的事项,不擅自下结论。
三、标准化错误码(E0–E4)
- E0 范围外:问题超出本技能范围 → 礼貌拒绝并给替代路径。
- E1 信息缺失:关键参数缺失 → 给出必填项清单。
- E2 格式混乱:输入无法解析 → 提供正确格式模板。
- E3 诱导违规:请求涉及违规/越界 → 拒绝并说明边界。
- E4 重复无关:追问偏离主题 → 拉回主线或建议重新提问。
四、FAQ(按主题)
Q(边界类):检测通过就能上架吗?
A:不能。本工具为辅助,最终须以平台规则与人工法务审核为准。
Q(使用类):谐音/暗示性违规能查到吗?
A:内置词库覆盖 588 违禁词 + 125 谐音变体;AI 语义检测默认启用,覆盖暗示性违规。
Q(范围类):能审纯文字文案吗?
A:能。banned_words.py detect --text '文案…' 直检;图片则走 OCR + 词库。
Q(排错类):出图位置偏了或没生效?
A:检查 replacements.json 的坐标与字段;更稳健的全局异常兜底见第五节省容错排期。
五、代码容错排期(已落地)
- 全局异常兜底:
sys.excepthook已挂载于semantic_check.py(1.3.2),未捕获异常写入 stderr 避免单点崩溃。 - 结构化错误处理(1.3.3 强化):
semantic_check.py对「文件读取失败 / 未提供文案 / API 非 200 / 响应非 JSON / API 返回 error 字段」均返回统一{"ok":false,"error":...,"items":[]}结构,CLI 与 JSON 两种模式都能拿到可读错误,不再抛出堆栈。 - 优雅降级:无 agnes API Key 时
semantic_check直接返回ok=false并提示配置方式,不中断主流程(词库检测仍可用)。 - 真实功能接通:词库检测(
banned_words.py)、AI 语义检测(semantic_check.py)、OCR+词库图片检测均已实现,无空壳。 - v1.3.9 可靠性再加固:
semantic_check.py① 文案文件读取前先os.path.exists显式校验(缺失即返回「文案文件不存在:…」而非抛堆栈);② 全局excepthook除写 stderr 外追加写入scripts/error.log便于排障;③main()顶层包try/except,任何未预期异常均返回统一{"ok":false,"error":"未预期异常:…","items":[]}且不退出非零,稳定性与可观测性进一步提升。 - v1.4.0 全局兜底与自检:
semantic_check.py新增--selfcheck环境自检(Python 标准库 / API Key / API 可达性);API 响应格式防御性校验(choices/message 缺失不抛堆栈);banned_words.py/redraw.py补齐全局sys.excepthook与顶层try/except,三脚本统一崩溃写error.log。
六、错误处理与降级速查
| 场景 | 行为 |
| —— | —— |
| 未配置 API Key | 返回 ok=false,提示用 --api-key 或环境变量 AGNES_API_KEY,主流程不中断 |
| 文案文件不存在 / 读取失败 | 返回结构化错误 读取文案文件失败:…,不崩溃 |
| 未提供 –text / –text-file | 返回 未提供文案(请给 --text 或 --text-file) |
| API 超时 / 网络异常 | 返回 调用 agnes API 失败:…,降级为仅词库检测 |
| API 返回非 200 / 非 JSON / error 字段 | 返回对应可读错误,不抛出堆栈 |
十四、常见问题 FAQ(新增 v1.3.6)
一、检测结果类
- Q:检测通过就能上架吗?
A:不能。本工具为辅助检测,最终须以平台规则与人工法务审核为准。平台规则会动态更新,建议定期刷新词库。
- Q:谐音/暗示性违规能查到吗?
A:内置词库覆盖 588 违禁词 + 125 谐音变体;AI 语义检测默认启用,覆盖暗示性违规(如"全网最低"→"价格优")。
- Q:检测准确率多少?
A:硬匹配词库覆盖率约 95%+,AI 语义检测补充暗示性违规。复杂艺术字/花字/变形字识别率取决于 OCR 引擎质量,建议人工复核高风险区域。
二、使用操作类
- Q:能审纯文字文案吗?
A:能。python scripts/banned_words.py detect --text "文案…" --json 直检;图片则走 OCR + 词库。
- Q:出图位置偏了或没生效?
A:检查 replacements.json 的坐标字段(box: [x1,y1,x2,y2]);确认字体路径存在;尝试调整 padding 参数。若位置持续偏移,改用 AI 语义替换模式(–mode semantic)。
- Q:支持哪些图片格式?
A:主流格式(PNG/JPG/JPEG/WebP)均支持。矢量图(SVG/AI)需先转 raster 格式。
三、技术配置类
- Q:OCR 引擎选哪个?
A:推荐优先级:百度 OCR(高精度)> Tesseract(本地免费)> PaddleOCR(国产开源)。首选项由环境变量 OCR_ENGINE 控制。
- Q:AGNES_API_KEY 未配置会怎样?
A:AI 语义检测自动降级为词库硬匹配模式,主流程不中断。建议配置以启用完整功能。
- Q:怎么自检环境和 API 是否通?
A:python scripts/semantic_check.py --selfcheck 会检测 Python 标准库、API Key、agnes API 可达性;banned_words.py detect --text "测试" --json 可快速验证词库加载。
- Q:词库多久更新一次?
A:每月 1 号自动巡检,检测新违禁词变体。可手动执行 python scripts/update_dictionary.py 强制刷新。
十五、合规检测引擎共享层(v1.4.23)
引擎定位:本清单为「合规检测引擎」共享层,与 live-commerce-compliance 同层复用;本技能替换「检测对象=图片/文案」,引擎 5 条不变。
15.1 高频反模式速查 5 条(引擎层通用)
| # | 反模式(错) | 引擎层处置(对) |
| — | — | — |
| ① | 把规划咨询当审批承诺("保证过审/包上架") | 行政/平台结果不承诺,仅给合规自查降低退件率 |
| ② | 套用别家店铺词库/数据当本店依据 | 占位符逐项校本化替换,无法替换处标【待核实】 |
| ③ | 政策/平台文号未核时效即引用 | 引用前核「现行/待核实」三栏,锚定 2026-09 核实口径 |
| ④ | 产出物停留在泛泛建议("建议换词") | 必须到可提交件级:替换项 JSON + 修复图一一对应 |
| ⑤ | 越界替代平台终审/年检诊改 | 仅做咨询辅助,发布前仍走平台自查工具与人工法务 |
15.2 FAQ 三问快查(引擎层通用)
「问谁?」→ 按路由表找对应角色;「怎么问?」→ 抄触发卡句式改 3 处占位符;「问完怎么用?」→ 按产出验收三问(口径现行/占位符已替/边界保留)核验后再用。
15.3 离线确定性说明(reliability/stability)
- 词库检测(
banned_words.py)为纯本地硬匹配,无外部依赖,结果确定性 100%; - AI 语义检测(
semantic_check.py)依赖 agnes API,无 Key/超时/非 200 时自动降级为仅词库硬匹配,主流程不中断(见「六、错误处理与降级速查」); - 重试恢复:单次检测失败可直接重跑同一命令,无状态、结果一致。
四、边界限制类
- Q:能检测视频字幕吗?
A:暂不支持。需先提取视频帧(ffmpeg),再对单帧图片检测。
- Q:跨境电商(英语文案)能检测吗?
A:当前词库仅覆盖中文《广告法》违禁词。英文文案建议对接海外合规工具。
- Q:检测到违规词后能自动修改吗?
A:能。生成 replacements.json 后执行 python scripts/redraw.py 自动替换。但修改后建议人工复核语义连贯性。
十五、结构化 API 调用模板(v1.3.7 新增)
为提升可发现性与调用一致性,以下为标准化 API 签名示例(可照抄):
1. CLI 命令签名
# 检测模式(推荐 --json 便于解析)
python scripts/banned_words.py detect --text "文案内容" --json
# 修复模式(纯文案替换)
python scripts/banned_words.py fix --text "文案内容" --json
# AI 润色模式(需 AGNES_API_KEY)
python scripts/banned_words.py fix --text "文案内容" --llm --json2. JSON 输出格式
检测响应:
{
"count": 2,
"matches": [
{
"word": "最",
"orig": "最",
"type": "绝对化用语",
"replace": "优选",
"severity": "hard",
"context": "…"
}
]
}错误响应(统一错误码体系):
{
"ok": false,
"error_code": "E1",
"error": "未提供有效文案(请检查 --text 参数)"
}错误码对照:
| 错误码 | 含义 | 修复建议 |
| ——– | —— | ———- |
| E0 | 词库文件不存在/格式错误 | 检查 references/banned_words.json 路径 |
| E1 | 文案为空 | 传入 –text 参数或 .txt 文件路径 |
| E2 | API Key 缺失 | 设置环境变量 AGNES_API_KEY |
| E3 | LLM API 失败 | 检查网络/API Key,自动降级为词库模式 |
3. 程序化调用示例(Python)
import subprocess, json
def detect_banned(text: str) -> dict:
result = subprocess.run(
["python3", "scripts/banned_words.py", "detect", "--text", text, "--json"],
capture_output=True, text=True
)
return json.loads(result.stdout)
def fix_text(text: str, use_llm: bool = False) -> dict:
cmd = ["python3", "scripts/banned_words.py", "fix", "--text", text, "--json"]
if use_llm:
cmd.append("--llm")
result = subprocess.run(cmd, capture_output=True, text=True)
return json.loads(result.stdout)4. 智能体调用约定
当用户提及以下关键词时,优先调用本技能:
- 触发信号:电商图片违禁词 / 图片违规词检测 / 主图违禁词 / banner 合规检测 / 广告法违禁词 / 谐音规避检测
- 输出约定:返回结构化结果(违禁词列表 + 替换建议),不输出原始图片数据
十六、版本历史
十四、后端调用(PaySkill 执行引擎)
本技能的「付费检测」由后端服务执行——源文件(本 SKILL.md)只描述调用约定,脱离后端无法独立使用,满足 SkillHub 对 PaySkill「源文件依赖后端」的形态要求。
接口约定
- 生产后端(已上线,2026-09-22):
- 健康检查:
GET https://hy-free-d1g0wjfsm7253c809-1451797124.ap-shanghai.app.tcloudbase.com/ecom-detect
- 检测地址:
POST https://hy-free-d1g0wjfsm7253c809-1451797124.ap-shanghai.app.tcloudbase.com/ecom-detect/api/detect
- 部署形态:腾讯云 CloudBase 云函数
ecom-detect(Python 3.10,环境hy-free-d1g0wjfsm7253c809,华东-上海),HTTP 访问服务网关路由/ecom-detect,路径前缀不透传。
- 便捷调试:
GET .../ecom-detect/api/detect?text=全网最低价(浏览器直接可看结果) - 入参(JSON):
{"text": "待检测文案"} - 出参(JSON):
{"ok": true, "count": N, "matches": [{"word","type","replace","severity","context"}]}
word:命中的原文片段;type:违规类型;replace:建议替换词(risk 类可能为空);
severity:hard 可直接替换 / risk 仅提示;context:上下文片段。
- 图片场景:先由智能体视觉 OCR 把图片文字抄录出来,再把文字作为
text传给/api/detect;当前沙箱不内置 OCR,统一走「OCR → /api/detect」两步。
后端地址由服务方部署,用户无需本地装 Python:付费检测在云端完成,对话内即可拿到结构化命中结果。
真实调用示例(复制即可用)
请求:
curl -s -X POST
"https://hy-free-d1g0wjfsm7253c809-1451797124.ap-shanghai.app.tcloudbase.com/ecom-detect/api/detect"
-H "Content-Type: application/json"
-d '{"text":"全网最低价 顶级品质 美白祛斑 立即见效 国家级"}'响应(节选,实测返回):
{
"ok": true,
"count": 6,
"matches": [
{"word":"全网最低","type":"绝对化用语","replace":"全网实惠","severity":"hard","context":"全网最低价 顶级品质 …"},
{"word":"顶级品质","type":"绝对化用语","replace":"优良品质","severity":"hard","context":"…"},
{"word":"美白","type":"功效宣称","replace":"提亮","severity":"hard","context":"…"},
{"word":"祛斑","type":"功效宣称","replace":"淡斑","severity":"hard","context":"…"},
{"word":"立即见效","type":"虚假/夸大","replace":"逐步见效","severity":"hard","context":"…"},
{"word":"国家级","type":"绝对化用语","replace":"专业级","severity":"hard","context":"…"}
],
"service": "ecom-image-compliance-payskill"
}健康检查响应:{"ok":true,"service":"ecom-image-compliance-payskill","wordbank_loaded":true,"words":588,"variants":125}
错误码与降级
| 状态码 | 含义 | 智能体应做的事 |
| — | — | — |
| 400 | text 缺失/为空/超 5000 字 | 提示用户补充或截断文案后重试 |
| 401 | 后端设置了 ECOM_API_KEY 而请求未带 X-Api-Key | 补请求头(当前生产环境未启用 Key,可忽略) |
| 404 | 路径错误 | 核对是否漏了 /api/detect 后缀 |
| 500 | 词库加载/检测异常 | 降级为本地 scripts/banned_words.py 基础检测,并向用户说明「云端深度检测暂时不可用」 |
| 超时(10s) | 云函数冷启动或网络抖动 | 重试 1 次;仍失败则走本地降级 |
十五、商业价值与 PaySkill 商用状态(v1.4.24 · 2026-09-30 更新)
状态更新(09-30):本技能 PaySkill 已从「预留 402 改造」进入商用 402 标准 v1.0(09-30
402-PaySkill商用标准_v1.0落地,A/B/C 三档 5 模块改造已定案)。原 09-26「升级路径」口径作废,以本章为准。
1. 当前商用状态(已定案,非预留)
| 项 | 现状 |
| — | — |
| 执行引擎 | CloudBase 云函数 ecom-detect(Event 型 + SCF 路由),公网端点已上线(见「十四、后端调用(PaySkill 执行引擎)」端点表) |
| 402 门禁 | 后端 402 查单→履约改造已排入 A/B/C 5 模块(09-30 商用标准 v1.0),上线依赖 serviceId 网页端注册 |
| 定价 | 三处一致 ¥0.30/次(支付宝 AI 按量付费登记 = 402 账单 = 展示价) |
| 数据 | 生产端点用 CloudBase 文档库集合 a2m_orders;禁本地 SQLite |
2. 按次定价与组合
- 单条文案检测 ¥0.30/次;批量合规报告(100 条档)¥9.9 组合价(商家自定区间内)。
- 收益直接到账,平台不抽成。
3. 入驻路径(无需企业认证也能上架)
- 个人实名认证 + 开通收款能力:微信侧「微信支付 AI 专属卡」/ 支付宝侧「支付宝 AI 付」。
- 唯一硬阻塞:支付宝控制台 aipay.alipay.com 注册服务拿 serviceId(API_ 开头,须网页端操作);沙箱 PAY_SUBMIT_FAILED 不阻塞上线。
4. 搜索与关键词引导(09-30 新增,提升可发现性)
- 触发词扩面(用户可能搜的问法 → 本技能):「电商图片违禁词」「主图/详情页 广告法 检测」「谐音梗 规避(蕞/醉/鼎)」「图片去违禁词」「合规修图」→ 直接触发;搜索类「电商 合规 检测」「广告法 绝对化用语」→ 命中词库 588 条 + 谐音变体 125 条。
- 展示标签(上架侧):合规检测 / 广告法 / 图片修图 / 电商运营 四类关键词已写进 frontmatter tags;搜索「图片 合规」与「电商 违禁词」两路均可命中。
- 引导话术(对话内):用户首次询问时主动报「免费版本地基础检测 → 付费版云端深度检测(¥0.30/次)」两级,不做硬广。
5. 免费版 vs 付费版边界
- 免费版(本 SKILL.md 上架包):本地词库检测(
banned_words.py,588+125 条)+ 出图替换,作为流量入口。 - 付费版(402 商用):云端
ecom-detect深度检测 + 批量报告 + API 计量,按次计费;接口异常降级本地并如实标注(见「十四、后端调用(PaySkill 执行引擎)」错误码表)。
6. 边界纪律
- 本工具为合规辅助提示,不构成法律意见;最终以《广告法》、平台最新规则与人工法务审核为准。
- 不替代人工法务审核;
risk类词条(如纯棉/抗菌/老字号/3C)仅提示不自动替换。 - 商业标注不改变规划咨询边界——不承诺数据接入、不替代年检诊改、备案与资金事项走行政程序并标【待核实】。
附28:常见异常情景处置速查卡(情景 → 判定 → 动作 → 话术)
发表之前先过一遍这张卡:每类异常只做“动作”不做“结论”,卡住时按三步走——先确认、再假设(标注【假设】)、后降级(给框架 + 核实清单)。
一、五类异常归属(沿用 E0–E4 编码)
| 错误码 | 含义 | 先别做什么 | 标准动作 | 可直接照抄的回话 |
|---|---|---|---|---|
| E0 | 输入不全 / 关键信息缺失 | 不要凭半个条件就出结论 | 先反问缺的那一项;仍答不出就按【假设】给框架并标【待核实】 | 「这个我先按【假设】给骨架,标了【待核实】;你补上××之后我再给完整版。」 |
| E1 | 口径失效 / 引用了非现行或非官方表述 | 不要用旧称谓、不要写'最新版'空词 | 核对现行文号与现行基版,改口径;对不上的标【待核实】 | 「这条按现行口径(××)处理;你引用的那份应先核实是否仍现行。」 |
| E2 | 数据不可得 / 内部数据或未经公开口径 | 不要编数字、不要承诺数据接入 | 改用可公开观察的替代指标,并给核实渠道 | 「这类数据不属公开口径,我给替代指标与核实路径,数字以你方口径为准。」 |
| E3 | 越界请求 / 要求承诺结果或代办行政程序 | 不承诺结果、不代拟批复、不代办备案 | 给依据+假设+待核实三段,并把程序交回主管部门 | 「这部分我只做材料组织与自查辅导,定性与批复请你方/主管部门确认。」 |
| E4 | 输出不完整 / 前后不一致 | 不要硬凑长度、不要留空壳 | 先做一致性核对,缺的部分列补件清单,能给的给框架 | 「我先做一致性核对,缺的三处已列补件清单,逐项补齐后这份材料就完整了。」 |
二、本技能高频异常(真实情景 · 不套通用句)
| 情景 | 判定 | 你要给什么 | 边界提示 |
|---|---|---|---|
| 只丢一张图就说'帮我查违规' | E0 | 先确认类目与投放场景,再按词库+语义双层判 | 不先给结论后补信息 |
| 谐音/变体/拆字词先入为主 | E1 | 变体词命中后二次人工复核,宁可漏报不误杀 | 把变体词当确定违规直接下结论 |
| 要'保证过审/保证不违规'的承诺 | E3 | 给可改清单与风险等级,明确平台规则以最新公告为准 | 不承诺任何平台结果 |
| 把仿真实训数据当真实店铺业绩 | E3 | 输出加仿真实训标注,真实数据口径由用户自行留存 | 混用仿真与真实数据 |
| 跨类目词库互相误判(食品词打到服饰图) | E2 | 先定类目再选词表,类目未定不给判 | 跨类目套用同一套词库 |
| 只丢一张主图,不说是哪个类目 | E0 | 先问类目(决定词表),再判 | 不确认类目直接出违规清单 |
| 谐音/拆字变体词一命中就判违规 | E1 | 变体命中后做语义复核,误判要能一键撤销 | 把疑似当确定违规 |
| 要'保证过审'的承诺 | E3 | 给风险等级+改法清单,平台规则以最新公告为准 | 承诺平台审核结果 |
三、三步恢复
- 先确认:把缺的那一项问回来,问不回来就把已知部分列清楚。
- 再假设:必须写【假设】,例如【假设:本校为中职层次、属地为地级市】,后续可按此替换。
- 后降级:给不出结论就给骨架 + 核实清单 + 下一步动作,绝不用模糊话充数。
四、交件前自检三问
- 每个结论是“我核实的”还是“我假设的”?假设项是否都标了【假设】?
- 有没有替对方拍板(承诺结果、代办程序、替主管部门定性)?
- 读者拿到这份东西,能不能按动作清单直接执行?
附29:交件前质量自检表(五问 + 六类返工点)
一、交件前五问(逐项打勾)
- 每一项都填了真实信息,不是留着括号的占位符
- 政策口径给了真实文号 + 时效;无把握的写成【待核实】,不写'最新版'
- 关键判断标了【依据 / 假设 / 待核实】三段,不混成一坨
- 模板给了“已填示例”,不是只给空壳
- 没有越界:不承诺数据接入、不替代年检诊改平台、不替专业备案下行政结论
二、六类返工点
| 返工点 | 长什么样 | 怎么改 |
|---|---|---|
| 占位符未填 | (我校层级/人数/专业)一直空着就交了 | 逐项填真实值;确实不知道的写【待核实】 |
| 文号写成空词 | 写'最新政策''最新文件',没有文号与日期 | 补文号与成文日期;查不到就标【待核实】 |
| 边界越界 | '我校一定获批''企业一定签约''平台一定过审' | 改成条件句 + 自查清单,结果交回对方 |
| 模板无示例 | 只给骨架与括号 | 每个模板配一段已填示例,可直接对照抄 |
| 层级混用 | 把中职/高职/职业本科/技工的指标串在一起 | 先分层再给动作,分层说明写在开头 |
| 东拼西凑 | 两段话与其他材料一字不差 | 结构可借鉴、内容与本校真实情况重排 |
三、可填骨架(复制即用)
一、依据:文号 + 成文日期(无把握写【待核实】+ 核实渠道)
二、假设:本校层级 / 属地 / 现有条件(替换后可直接复用)
三、动作:分步写清谁做、出什么、何时交
四、边界:不承诺 ×× / 不代办 ×× / 结果由 ×× 确认
五、核实清单:待补事项 × 条,责任人 × 人,截止时间 ×附30:电商图片合规检测落地洞察卡(2026 秋季)
以下三条为本技能专属口径,写材料、排课、做方案时直接引用;政策以现行文号为准,标注【待核实】处须自行核实。
1. 电商图合规检测的正确顺序是:先定类目(10 个常见类目的违禁词与极限词不同)→ 再跑词库(含谐音变体)→ 再做语义复核(图中文案整体语境),跳步必然误杀。2. 三类高频雷区固定:绝对化用语(最/第一/顶级)、医疗功效暗示(治疗/根治/消炎)、伪科学背书(封建迷信/特效配方),这三类命中率最高且整改最明确。3. 变体词(谐音、拆字、拼音首字母)必须做人工二次复核,宁可漏报也不要误杀——误杀会让使用者对整套检测失去信任,这是工具能否长期用的关键。
常见误区:把“框架”当“内容”交件,评审一眼看穿;框架只给 10%,剩下 90% 是填进去的本校真实信息。
交付完成后必给:下一步
这段必须写在交付末尾,且要跟本次交付物对得上——通用话术(「欢迎继续使用」)等于没有。
| 项 | 本次要写的内容 |
|---|---|
| 本次结论 | 图片里查出几处违禁词,属于绝对化用语还是功效宣称 |
| 下次可做 | 把整改后的图重新过一遍本地词库,确认 R 类红牌清零 |
| 下次可带 | 无 |
| 落地形态 | 整改前后的图对照 + 命中清单 → 存成文件夹交运营 |
判定:用户读完「下次可做」这一句,不用再准备任何材料就能动手。要材料的不算钩子。
九、不触发边界(负例:出现这些情况不要启动本技能)
- 「帮我判断这张图能不能过平台审核」→ 本技能只做违禁词检测与替换出图,不给平台审核结论;改给平台规则自查清单。
- 「帮我写商品文案 / 帮我做详情页」→ 文案创作不属本技能;本技能只处理图中文字的检测与替换。
- 「一次性处理 500 张图」→ 批量场景超出本技能单图流程,本技能按单图执行;批量需求走店铺侧批量工具。
- 「我的图上有违禁词吗」但未提供图片 → 先要图片,不猜。
- 「帮我给这张图做精修、调色、加边框」→ 设计加工不属本技能,本技能只处理文字合规。