三剪客 · 出海本地化小组
## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑一两条)。
拿到后填进环境变量A7W_API_KEY,或直接传给--key参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。
产品线 L3(多智能体协作型)。 与 L1「一稿多平台改写」的分界不是"多了个翻译步骤",
而是三件在单角色改写里结构上不存在的事:跨语言、术语一致、文化风险。
能做什么
给一份源语言材料 + 一个目标市场,四个立场不同的角色各自独立审一遍,
一条命令出成品:译文 + 术语表 + 四席裁决 + 互否全过程记录。
| 角色 | 目标函数 | 产出物 | 否决权 |
|---|---|---|---|
| 译审 | 意思准不准、有没有漏译错译 | 译文 + 逐句回译对照 | 能打回(意思错就得重译) |
| 文化适配 | 目标市场的文化能不能接受 | 文化风险清单(禁忌/宗教/颜色/数字/幽默失效/政治敏感) | 能否决(踩红线必须改) |
| 术语官 | 术语全篇一致、与行业惯例一致 | 术语表 + 不一致清单(全部出现位置) | 能打回(同词多译必须统一) |
| 合规 | 目标市场的广告法 / 平台规则 | 风险裁决(放行 / 可替换 / 打回 / 一票否决) | 一票否决 |
零成本看这张表:
python3 scripts/run.py roles
为什么这不是"一个模型演四个角色"
| 常见做法 | 本包 |
|---|---|
| 一个模型分四次扮演角色,共享同一份上下文 | 四个角色各有字段白名单,看不到什么被写死成结构(ROLES[...]["inputs"]) |
| 译审知道文化适配觉得哪里有问题 | 译审的提示词里没有文化适配的任何文字,也没有合规裁决 |
| 合规顺着前面几席的结论走 | 合规的提示词里明写「本小组内部没有给出任何风险结论,你不得假设前道已经放行」 |
| 口头约定"互相独立" | assert_isolation 在每次调用前做文本级扫描,提示词里出现别的席位的结论标记词就退出码 3,一分钱不花 |
| "改了三轮,应该差不多了" | 轮次用尽仍有打回/否决 → 带未决项产出、退出码 6,逐条写明是哪一席在第几轮否了什么 |
打回是有向的(本包最关键的设计)
某一席打回时,下一轮重译的提示词里只带它自己的可执行要求(ask),
带的是"改成什么",不带"谁在什么立场上说了什么"、也不带它的理由:
第 1 轮:译审 ─┐ 文化适配 ─┐ 合规 ─┐ (四席各自独立调用,互相看不到)
│ │ │
└── 打回要求(去立场化)──┐
▼
第 2 轮:译审重译(提示词里只有"要求",没有提要求的席位与理由)
这样两件事同时成立:打回真的生效(要求必须落实,产出里要写 feedback_applied),
下一轮的译审仍然是独立判断(它不知道是谁提的,也就不会顺着别人的结论走)。
本包真正的技术含量:术语一致 + 数字单位
这两件事单角色翻译结构上做不到,也不是"提示词里写一句求模型配合"就能解决的:
术语一致性(本地算,不看模型自报):
- 按句子找术语表里每个源词在源文里的出现位置
- 用译文返回的逐句对齐(源句 ↔ 译句)定位每一处对应的目标句
- 逐处检查该目标句里有没有规范译法的变体
- 判定:有≥1处用了规范译法、又有≥1处没用 → 同词多译(硬闸门);
一处都没用但该词出现多次 → 术语表未落地(硬闸门)
归一化必须先做:Short Drama / short-drama / short dramas 在术语一致这件事上
是同一个译法,不归一就会把格式差异报成"同词多译",闸门立刻被刷爆、没人看了。
数字与单位保全:
| 源文 | 目标市场 | 期望值 | 判什么 |
|---|---|---|---|
| 3 斤 | 美国(英制) | 约 3.31 lb(=1.5 kg) | 数字还在吗?换算对吗? |
| 5 平方米 | 美国 | 约 53.82 sq ft | 同上 |
| 25 摄氏度 | 美国 | 77 ℉ | 同上 |
| 88 元 | 美国 | 要 --fx-rate 才换算 | 不给汇率就不猜,只查数字在不在 |
判定口径(这里返工过一次,写清楚免得再想错):需要换算时,换算后的值在就等于
这个事实在(3 斤 → 3.31 lb 不该判"丢了 3");需要换算、原数字在、换算值不在
→ 这是没本地化 / 算错,不是丢数字。数字整条消失才是"丢了"。
七道硬闸门
硬闸门 = 命中即拦截 + 标红 + stderr 汇总 + 非 0 退出码。不许只警告。
| # | 闸门 | 判什么 |
|---|---|---|
| 1 | 合规 | 源语言侧 + 目标市场侧分开扫。源文(材料侧)全扫高/中/低;译文与各席裁决文书(产出侧)只查高风险,并排除"引用材料"与"警告语境"两类正常写法,被排除的全部留原因 |
| 2 | 占位符残留 | {} / [待填] / XXX / (此处省略) / TODO |
| 3 | 照抄提示词示例 | 三条判据(去标点相同 / 二元组 Jaccard ≥ 0.75 / 覆盖度 ≥ 0.60)+ 相对长度守卫 max(6, len(示例)//2) |
| 4 | 锚点到句子 | 每条意见必须引用真实原文;本地校验引文能不能在原文里找到,编造的引文剔出;未锚定率 > 40% 判定位失败 |
| 5 | 术语一致性(本包核心) | 同一源词全篇必须同一译法;不一致 → 标红 + 列出全部出现位置 |
| 6 | 数字与单位保全(本包核心) | 数字/日期/货币/规格必须还在且单位正确换算;丢了或没本地化 → 拦 |
| 7 | 裁决完整性 | 打回/否决必须留可读理由;不许假装谈拢(四席有人否决而最终写"放行" → 拦;有未决项却出现"综合评估后放行" → 拦) |
prompt_echo 的覆盖度判据必须加适用窗口(目标长度 ≤ 示例长度 × 3.0,
且示例归一后 ≥ 8 字):长文对短示例会饱和误报,覆盖度会虚假地冲到 1.0。
合规为什么分"材料侧"与"产出侧"
同族 review-board 踩过一次:合规官写「本稿禁止使用 guaranteed、best 这类绝对化用语」,
这是在要求删除,不是自己在做违规宣称 —— 而 guaranteed / best 都被当成命中拦下了。
所以产出侧收紧成三条能解释的规则:
- 只查高风险;中低风险项与
最X列进contextual_only提示人工看,不拦 - 该词在源文/译文里本来就有 → 判为引用材料,不计命中
- 命中所在的整个小句里有禁止/举证/风险类标记词 → 判为提到/在禁止,不计命中
—— 但标记词必须落在命中词本身之外(否则「本方案必须保证过审」里的"保证"
会把自己豁免掉,闸门就没牙了)
被排除的条目全部保留在案(带 not_counted_reason),不静默丢弃。
材料侧(源文)照查,只豁免登记的普通用法(如「这笔账里最大的一块」)。
退出码(可直接用于 CI)
| 码 | 含义 |
|---|---|
| 0 | 四席全部放行,且没有硬闸门命中 |
| 1 | 未预料异常(--json 下给 kind:"internal" 信封 + 完整 traceback 到 stderr) |
| 2 | 用法/配置错误(文件不存在、市场名错、--outdir 在包内、给了 --budget 没给单价、术语表与源文对不上) |
| 3 | 硬闸门命中(合规/占位符/照抄示例/锚点/术语不一致/数字单位/裁决不完整/信息隔离被破坏) |
| 4 | 调用失败(网络 / 鉴权 401 / 点数 402 / 模型名 404) |
| 5 | 预算超限,已就地中止(未发起下一次调用) |
| 6 | 轮次用尽仍有打回/否决(未决项如实报出,产出带未决项落盘) |
| 130 | 用户中断 |
怎么用(命令行)
第 0 步:获取 API Key
到 api.a7w.cn 注册,创建一个 API Key(形如 sk-...)。
第 1 步:装依赖
零依赖。 只要机器上有 Python 3.7+:
python3 --version
包里自带的 scripts/a7w.py 是零依赖客户端(只用 urllib / json / mimetypes),scripts/run.py 也只用标准库。
第 2 步:填 Key
# Linux / macOS
export A7W_API_KEY=sk-你的key
# Windows PowerShell
$env:A7W_API_KEY="sk-你的key"
也可以存进配置文件反复用(推荐):
python3 scripts/a7w.py login --key sk-你的key
第 3 步:先做零成本自检(不联网、不花点数)
# 看四个角色的职权、隔离白名单、支持的市场与语言
python3 scripts/run.py roles
# 报价:这一趟大概花多少 token(金额要你自己填单价)
python3 scripts/run.py cost --file 源文.md --rounds 1 --price-in 1000 --price-out 2000
# 只看将发送的提示词,不调模型不花钱
python3 scripts/run.py translate --file 源文.md --target-lang en --market us --dry-run
第 4 步:一条命令出成品
python3 scripts/run.py run --file 源文.md \
--target-lang en --market us --rounds 1 \
--outdir /tmp/localize-out --json --out /tmp/localize-out/run.json
--outdir 里会落:final.md(定稿译文)、final.json、glossary.json / glossary.md、translation.md(逐句回译对照)、REPORT.md(总报告:四席裁决 + 互否轨迹 +
隔离证据 + 两道特色闸门 + 未决项 + 成本)、log.json、localize-state.json(断点)。
同一个 --outdir 重跑,命中断点的步骤只会打印"跳过(零成本)"。
分子命令(每一席都能单独跑)
# 1) 抽术语表(源词 → 目标语规范译法)
python3 scripts/run.py glossary --file 源文.md --target-lang en --market us --outdir /tmp/lc
# 2) 译审出译文 + 逐句回译对照
python3 scripts/run.py translate --file 源文.md --target-lang en --market us \
--glossary /tmp/lc/glossary.json --outdir /tmp/lc
# 3) 文化适配(能否决)
python3 scripts/run.py culture --file 源文.md --market us \
--translation /tmp/lc/translation.json
# 4) 术语一致性核对(**纯本地,可零成本重跑**)
python3 scripts/run.py glossary_check --file 源文.md --market us \
--translation /tmp/lc/translation.json --glossary /tmp/lc/glossary.json
# 4b) 对一份已有译文跑**全部本地闸门**(术语 + 数字单位 + 占位符 + 照抄示例 + 锚点)
# 改完译文反复跑的就是这个 —— 同样零成本
python3 scripts/run.py check --file 源文.md --market us \
--translation /tmp/lc/translation.json --glossary /tmp/lc/glossary.json
# 5) 合规裁决(可否决 / 一票否决)
python3 scripts/run.py compliance --file 源文.md --market us \
--translation /tmp/lc/translation.json
# 6) 读回全过程:谁在第几轮打回了什么、引用了哪句
python3 scripts/run.py log --outdir /tmp/lc
完整工作流(含预算控制)
# 1) 先算钱(不调模型)。没给单价就只报 token,不给金额
python3 scripts/run.py cost --file 源文.md --rounds 1
# 2) 给单价后算点数;配上 --budget 就是硬上限
python3 scripts/run.py cost --file 源文.md --rounds 1 --price-in 1000 --price-out 2000 --budget 40
# 3) 带预算跑。超了就地中止,退出码 5,不会把钱花出去
python3 scripts/run.py run --file 源文.md --target-lang en --market us \
--price-in 1000 --price-out 2000 --budget 40 --outdir /tmp/lc --json
# 4) 用真实 token 数核算(不是估算)
python3 scripts/run.py cost --from-result /tmp/lc/run.json --price-in 1000 --price-out 2000
直接用 curl 调(不依赖本包脚本)
curl -sS -X POST "https://api.a7w.cn/api/v1/chat/completions" \
-H "Authorization: Bearer $A7W_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-chat",
"messages": [{"role": "user", "content": "把下面这段翻成英文,只输出 JSON:……"}],
"temperature": 0.7,
"max_tokens": 1500,
"response_format": {"type": "json_object"}
}'
成功响应不带
code字段。 实测成功时返回的就是标准 OpenAI 形态
(id/object/created/model/choices/usage),"code" in payload为False。code==1那套信封只用于生成应用的响应,
不适用于本端点 —— 别拿code判成败。
查在架模型(免费):
python3 scripts/run.py models
参数说明
全局
| 参数 | 说明 |
|---|---|
--key | 临时指定 Key;优先级最高。别把它写进脚本或文档 |
--json | 以 JSON 输出,写在子命令前面或后面都可以;JSON 模式下 stdout 只有一个完整 JSON,进度与人读文案走 stderr |
--out <文件> | 把结果写到文件 |
--model | 模型名,默认 deepseek-chat(实测可用)。用 models 现查在架模型 |
--temperature | 采样温度,默认 0.7 |
--max-tokens | 最大输出 token,默认 8192 |
--dry-run | 只打印将发送的提示词,不调模型、不花钱 |
--no-json-mode | 不要求上游返回 JSON 对象(个别模型不支持 response_format 时用) |
源文与目标
| 参数 | 说明 |
|---|---|
--file <文件> / --text "正文" | 源文。自动剥 UTF-8 BOM;两者同时给时以 --text 为准 |
--source-lang | 源语言代码,默认 zh |
--target-lang | 目标语言代码,默认 en。可选:zh / zh-tw / en / ja / ko / es / pt / fr / de / ar / th / vi / id / ru |
--market | 目标市场,默认 us。可选:us / eu / jp / sea / me / br。它同时决定文化适配的规则包与合规的法域,所以进断点 key —— 换市场而复用上一次的合规结论是这类工具最危险的静默复用 |
--glossary <文件> | 复用一份术语表。会核对源文摘要与目标语言,对不上直接拒绝(退出码 2) |
--fx-rate | 人民币→目标货币汇率(外部输入)。不给就不换算货币,只查数字在不在 |
各子命令
| 子命令 | 关键参数 |
|---|---|
roles | 零成本;--out 落盘 |
glossary | 抽术语表;--outdir 落 glossary.json / glossary.md |
translate | --target-multiple(译文目标长度 ≈ 源文 × 该系数,默认 1.0;英译中可给 1.6) |
culture | --translation(必填) |
glossary_check | --translation + --glossary;纯本地零成本,判定不看模型自报 |
check | --translation(--glossary 可选);纯本地零成本,一次跑全部本地闸门(术语 + 数字单位 + 占位符 + 照抄示例 + 锚点 + 篇幅),改完译文反复跑的就是它 |
compliance | --translation(必填) |
run | --rounds(默认 1,上限 5)、--target-multiple、--outdir(默认 %TEMP%/localize-out)、--force |
log | --outdir(必填) |
cost | --file / --text / --from-result、--rounds、--price-in / --price-out / --budget |
models | --type(默认 text,传 all 看全部) |
成本口径
- 只出 token,不编金额:文本模型网关不公布单价,
/api/v1/models里也没有价格字段,
chat/completions 的成功响应里 usage 只有 prompt_tokens / completion_tokens /total_tokens,没有点数。所以拿不到可信的文本模型单价,本包拒绝凭空编一个 ——
token 数我们估(实测标定),金额必须由你给单价。
- 字符 → token 标定(同族实测值,是估算不是账单):输入 1 token ≈ 1.61 字符;
输出 1 字符 ≈ 1.11 token。平台口径:1 元 = 100 点。
- 真机实测(本包):187 字中文材料 → 英文(美国市场)、
--rounds 1,
4 次调用共 6871 token(入 4925 / 出 1946),单席耗时 2.2~3.5 秒。
排错
| 现象 | 原因 | 怎么办 |
|---|---|---|
Missing or invalid relay API key(HTTP 401) | Key 无效、过期或写错 | 到 https://api.a7w.cn/ 重新领取;确认没把 Bearer 重复写进环境变量 |
| 点数不足(HTTP 402) | 账号点数用完 | 到 https://api.a7w.cn/ 充值后重试 |
| 模型不存在(HTTP 404) | 模型名写错或已下架 | run.py models 现查在架模型名 |
译审返回里没有可用的译文 | 外层 JSON 坏了 / 模型换了键名 | 脚本已把原始返回存到 <outdir>/raw/,直接看它;报错信息里也会打出顶层键是哪几个与 finish_reason |
!! 信息隔离被破坏 | 某一席的提示词里出现了别的席位的结论标记词 | 这是代码 bug(模板串了上下文),不是模型问题。报出来 |
术语表针对的不是这一版源文(退出码 2) | 拿别的源文的术语表来续跑 | 这就是它该做的:拒绝静默复用。重新跑 glossary |
| 术语一致性标红 | 同一源词在不同位置用了不同译法 | 看 glossary_check 输出的全部出现位置;改术语表或改译文后重跑(这个子命令零成本) |
| 数字与单位标红「丢数字」 | 译文里数字整条消失 | 看报告里的上下文;真丢就重跑,或把数字写进 --glossary 之外的要求里 |
| 数字与单位标红「未本地化」 | 原数字还在,但没按目标市场换算(3 斤 → 3 kg) | 提示词里已要求换算;模型没做就给 --market 明确的市场,或人工改 |
成本超过 --budget(退出码 5) | 预估或真实累计超了预算 | 跑单席、调低 --max-tokens,或提高预算 |
| 退出码 6 | 轮次用尽仍有席位打回/否决 | 这是设计行为:分歧如实报出,没有假装谈拢。看 REPORT.md 的未决项,人工决定是改还是不发 |
unrecognized arguments: --out | 本包不允许长选项前缀缩写(故意的:--out 曾被静默吃成 --outdir) | 写全 |
| Windows 下中文乱码 | 控制台代码页不是 UTF-8 | chcp 65001,或加 PYTHONIOENCODING=utf-8 |
| 原稿第一个字是乱码 | UTF-8 BOM | 脚本已自动剥掉 BOM;若仍异常,另存为「UTF-8 无 BOM」 |
收集排错信息时请附上:完整命令、--dry-run 的输出、原始报错文本、退出码、
以及 <outdir>/raw/ 里的原始返回。不要在报错信息或截图里带上你的 API Key。
文件结构
sanjianke-localize-crew/
├── SKILL.md 本文件
├── README.md 给人看的说明(含 L3 定位与分界表)
├── LICENSE.md MIT,署名三剪客
├── references/
│ ├── 角色与职权.md 四席的目标函数、产出物、否决权、隔离白名单
│ ├── 本地化与文化风险.md 术语一致判定、单位换算表、六个市场的文化红线
│ └── 成本与排错.md 成本口径、退出码、断点 key、真机踩过的坑
└── scripts/
├── a7w.py api.a7w.cn 零依赖客户端(逐字节与全族一致)
└── run.py 十一个子命令(零第三方依赖)
端点速查
| 用途 | 方法 | 地址 |
|---|---|---|
| 大模型对话(本包全部能力都走这个) | POST | https://api.a7w.cn/api/v1/chat/completions |
| 在架模型清单 | GET | https://api.a7w.cn/api/v1/models |
协议是 OpenAI 兼容:Authorization: Bearer <Key>,请求体用model / messages / temperature / max_tokens / response_format。
--json 输出契约
- 成功:结果对象里多一个
"ok": true;顶层是数组时包成{"ok": true, "data": [...]} - 已经吐出结果之后才出问题(例如闸门命中):
"ok": false写在那个结果对象里,
退出码语义不变
- 失败且本次还没吐过结果:stdout 输出一个 JSON 信封,形如
{"ok": false, "exit": 3, "error": {"kind": "gate", "message": "…"}},kind 取 gate / usage / budget / call / unresolved / interrupt / internal
internal是没预料到的异常(代码 bug)的兜底:stdout 给信封、
完整 traceback 原样打到 stderr、退出码固定 1 —— 报 bug,不藏 bug
--json写在子命令前面或后面都可以
主动偏离(与同族模板不一致的地方)
| 偏离 | 为什么 |
|---|---|
parse_first_json 先按括号配平切第一个完整的顶层值,再退回逐个 { 试 | 真机踩到:外层 JSON 坏掉时,旧实现从 "pairs": [ 里的句子对象解出一个 dict 交出去,上层报"返回里没有译文",真因(外层 JSON 坏了)被"成功解出一个对象"盖住了 —— 报错指向了错误的方向,比坏响应本身更麻烦 |
记录并打出 finish_reason(进 REPORT.md 的成本表、进报错文案) | 它是区分"该加大 max-tokens"(length)与"模型写错了 / 响应在路上断了"(stop / None)的唯一判据。本包最初没记它,于是只能拿长度去凑解释 —— 那次错误归因就是这么来的 |
模型返回形状不对时把原始返回存到 <outdir>/raw/ | 那次调用已经花钱了,不存下来等于白花;而且只有原始返回 + finish_reason 能区分"max_tokens 截断 / 模型语法错 / 传输被切断 / 键名不同 / 空返回" |
| 合规产出侧加一条标记词不许落在命中词自己身上 | 「本方案必须保证过审」被判成"在禁止承诺"而放过 —— 因为 保证 既是命中词又是标记词。这正是闸门失去牙的那种误报 |
_ctx_window 从固定 24 字改成整个小句(不跨句末标点) | 24 字对「本稿禁止使用 guaranteed 这类绝对化用语」不够(命中词与标记词隔了 8 个字左右,长一点就超出),会把"在禁止"误判成"在主张" |
| 各席输出强制写短(最多 6 条、每条 ≤30 字) | 输出越长,越容易撞上 max_tokens(finish_reason=length),也越容易碰上坏 JSON。上限不是越大越好 |
back_translation 只要求含数字/单位/术语的句子填 | 全篇回译会让响应变长(更容易撞上限或出坏 JSON);而它的用途(核对漏译与数字)本来就只需要那几句 |
glossary_check / check 是纯本地子命令,不花钱 | 术语判定与数字单位判定本来就该是确定性的:靠模型自报"我觉得不一致"不可复现,也没法零成本重跑 |
没能确认的事(诚实标注)
① max_tokens 截断已确证(实测 finish_reason=length,content 停在字符串中间);
② 模型语法错已由外部对照实测确认(finish_reason=stop,content 有正常收尾、坏在中间);
③ 传输被切断只是推断 —— 本包留下过两份"内容没写完"的原始返回
(EOF 处 depth=1, in_str=True,长度 2739 / 2781),但当时没有记录 finish_reason,
所以分不清它是 ② 的另一面还是 ③。现在 finish_reason 已进台账,下次能判。
⚠️ 本轮撤回的一个错误归因:我曾写过"网关在 2600~2900 字符处有固定上限",
并把它当实测写进文档。那是错的 —— 同一端点实测能拿到 3984 字符的完整内容
(finish_reason='stop',以}]}正常收尾),而本包自己失败的那几次长度各不相同
(1921~2781),根本没有固定长度这条线。那个说法来自"只看到解析失败就去猜长度",
已从全部文档与代码注释里撤掉。
- 货币换算只做了"数字还在不在"这一层:不给
--fx-rate就不换算(不猜汇率)。
给了汇率也只对 us / eu / jp 三个市场做 CNY 换算,其余组合仍只查数字。
- 术语一致性的"合理意译"识别有限:只出现一次且译法不同的判为提示、不拦;
同一源词在 3 处以上出现两种译法才会稳定判为不一致。更细的语义等价判断没做。
- 文化风险清单的本地闸门只覆盖可枚举项(宗教/政治/颜色/数字/禁售品类)。
"幽默失效"这类只能靠那一席的模型判断,本地没有兜底。
- 违禁词表与六个市场的规则都是启发式自检,来自公开经验整理,
不构成法律意见,也不等于任何平台的官方审核标准。医疗、保健食品、金融、
儿童、化妆品等高风险类目必须人工复核。
联系我们
- 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
- 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
- 更多 AI 插件与接口:AI 插件市场。
相关链接
- 算力集市 api.a7w.cn(注册领 Key):https://api.a7w.cn/
- 四席的职权与隔离白名单:
references/角色与职权.md - 术语判定、单位换算表、六个市场的文化红线:
references/本地化与文化风险.md - 成本口径、退出码、断点 key、真机踩过的坑:
references/成本与排错.md
免责声明:本包内置的违禁词表、市场规则与文化风险口径是启发式自检工具,
来自公开经验整理,不构成法律意见,也不代表任何平台的官方审核标准
(官方标准不公开、且会变)。内容的使用与合规责任由使用者承担;
医疗、保健食品、金融、母婴、特殊化妆品等高风险类目必须人工复核。