P paper2skillsPlaybook
AI 路线图 →
① 问题 ② 算法 ③ 场景 ④ 代码 ⑤ 关联 ⑥ 价值

Listing Compliance Auto Repair — AI 驱动违规 Listing 自动修复

Skill-Listing-Compliance-Auto-Repair · 21-合规决策

causalexperiment广告与投放客服与VOC数据采集与治理风控与合规WF-B 广告优化WF-C 客服分诊WF-E Review监控WF-G Listing内容优化WF-I 智能体工程WF-K 全域风险防御
收录于跨境合规全链路新品冷启动手册
年化 ROI¥20-60 万
实现难度⭐⭐☆☆☆
业务视角
适用角色合规负责人 / 选品负责人 · CEO · 供应链负责人
适用平台美国 CPSC/ASTM · 欧盟 CE/EN71 · Amazon 类目合规要求 · 德国/英国/中东市场
什么情况下用新品上架前不确定在美国/欧盟是否需要认证，怕因合规问题被下架；产品被平台下架但不清楚哪里出了问题
成功是什么样的上架前自动完成合规预扫描，0 合规下架事故，新市场合规准备时间从 3 个月缩短到 2 周
业务痛点
产品被下架说是合规问题不知道目标市场需要什么认证EU/US 合规要求不一样怎么处理母婴产品安全标准太严怕踩雷

1. 解决的问题

黑五前35个SKU需要合规修复人工每条需30分钟共需3-5天错过上架窗口——LLM驱动自动修复规则引擎30秒完成一条批量处理节省2-4天上架时机保护旺季GMV10-30万元并防止Amazon账号警告

2. 核心算法逻辑

检测（Flag）→ 修复（Fix）的完整闭环：

3. 业务应用场景

业务问题：黑五前 35 个 SKU 要更新 Listing（加促销词），每次更新都需要合规检查。运营经验不足，往往加了违规词（"clinically proven boost"，"#1 rated in America"），被 Amazon 发警告后才发现。一次修复需要 3-5 天，错过最佳上架时机。

数据要求： - Listing 草稿文本（标题/要点/描述/A+） - 目标市场（US/DE/UK） - 待修复时间限制（24小时内完成35个 SKU）

预期产出： - 每个违规点的 AI 修复建议（原文→修复版对比） - 修复置信度评分（高置信度可自动接受，低置信度需人工确认） - 批量修复后的合规重扫描结果

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

  • ROI 预估：
  • 修复效率提升 10-20x（人工 30min/条 → AI 30s/条）：节省人力 ¥5-15 万/年
  • 黑五前批量修复 35 个 SKU：提前 2-4 天上架，挽回旺季 GMV ¥10-30 万
  • 防止 Amazon 账号警告：每次警告影响广告排名，保护持续收入
  • 年化综合 ROI：¥20-60 万
  • 实施难度：⭐⭐☆☆☆（规则引擎版 1 周可实现；LLM API 集成约 2 周；全量测试需要真实 Listing 样本）

7. 代码模板

代码块数量：3 · 路径：未检测到

"""
Listing Compliance Auto Repair
LLM 驱动违规 Listing 自动修复系统
"""
import re
from dataclasses import dataclass
from typing import Optional


@dataclass
class RepairResult:
    original: str
    repaired: str
    rule_id: str
    confidence: float   # 0-1，修复置信度
    change_type: str    # replace / remove / soften


# 修复规则库（规则→修复映射）
REPAIR_RULES = [
    {
        'rule_id': 'FDA-HC-001',
        'patterns': [
            (r'clinically\s+proven\s+to\s+(\w+)', 'designed to help {1}'),
            (r'clinically\s+(proven|tested|verified)', 'thoughtfully designed'),
            (r'(cure|treat|heal)\s+(\w+)', 'support {2} wellness'),
            (r'fda\s+(approved|cleared)', 'designed with safety in mind'),
            (r'medical\s+grade\s+(pump|device)', 'hospital-strength {1}'),
            (r'(increase|boost)\s+milk\s+supply', 'designed for efficient milk expression'),
        ],
        'confidence': 0.85,
        'change_type': 'replace',
    },
    {
        'rule_id': 'FTC-AD-001',
        'patterns': [
            (r'#1\s+(best\s+)?(rated|selling|pump)', 'highly rated {2}'),
            (r'scientifically\s+proven', 'thoughtfully engineered'),
            (r'guaranteed\s+to\s+(\w+)', 'designed to {1}'),
            (r'(\d+)%\s+(better|more\s+efficient|quieter)\s+than', '{1}% {2} with advanced technology'),
        ],
        'confidence': 0.80,
        'change_type': 'soften',
    },
    {
        'rule_id': 'AMZN-TOS-001',
        'patterns': [
            (r'visit\s+(our\s+)?(website|store|instagram|facebook)[^.]*\.', ''),
            (r'(contact|reach)\s+us\s+(before|first|directly)[^.]*\.', ''),
            (r'leave\s+a\s+(review|feedback)[^.]*\.', ''),
        ],
        'confidence': 0.95,
        'change_type': 'remove',
    },
    {
        'rule_id': 'SUPERLATIVE-001',
        'patterns': [
            (r'\bperfect\b', 'excellent'),
            (r'\bamazing\s+(quality|performance|results)', 'outstanding {1}'),
            (r'\bincredible\s+(\w+)', 'impressive {1}'),

8. 论文来源

  • 2406.14823