＜p＞先说个真实案例。＜/p＞
＜p＞我们一款 LED 化妆镜，日本站标题原本是：＜/p＞
＜p＞LED化粧ミラー ライト付き 三色調光 ＜b＞触摸＜/b＞スイッチ 携帯式＜/p＞
＜p＞字符数 39/50，看起来完全合规。但「触摸」是中文词，日语应该写「タッチ」。日本买家扫一眼就知道这是国内卖家机翻的——不一定因此不买，但信任感掉一格。＜/p＞
＜p＞这问题我自己踩过两次。第一次用 AI 批量改，12 条里冒出来 1 条；第二次重跑，换了个 SKU 又混进去「便携」。＜/p＞
＜p＞＜b＞为什么这么难查？踩了三个坑。＜/b＞＜/p＞
＜p＞＜b＞坑一：字级黑名单永远漏＜/b＞＜br /＞第一版我建了个简体中文特有字表（带/镜/丝/应/购/价/质），扫到就报错。结果「触摸」直接漏了——因为「触」和「摸」这两个字，日语里都有。字表只能抓简体特有字，抓不到「日语里有、但这个语境下是中文词」的情况。＜/p＞
＜p＞＜b＞坑二：交给模型复核，模型自己也有盲区＜/b＞＜br /＞第二版加了 LLM 复核，让它判断有没有不属于日语的词。它确实抓到了东西，但抓的是「USBタイプC 少了半角连字符」这种细节，真正的「触摸」还是漏了。模型的注意力会被看起来更技术性的问题吸走。＜/p＞
＜p＞＜b＞坑三：只有对照表能硬堵＜/b＞＜br /＞第三版直接在 prompt 里给死中日对照：触摸→タッチ，充电→充電，便携→携帯，带灯→ライト付き，三色→3色，镜→ミラー。加了这张表之后这类问题基本清零。＜/p＞
＜p＞结论：语言纯净度这事，规则和模型都只能兜底，真正有效的是把高频错误词的对照表硬编码进提示词。＜/p＞
＜p＞＜b＞顺带说个更值钱的认知：翻译不等于本地化。＜/b＞＜/p＞
＜p＞同一款镜子，三个站：＜br /＞美区：买家搜 Vanity Mirror，不搜 Makeup Mirror，直译根本搜不到。＜br /＞德语：Schminkspiegel 才是正解，Make-up-Spiegel 德国人不用；标题要写精确尺寸、重量、电池容量，语气不能带感叹号。＜br /＞日语：标题硬上限 50 个全角字符，很多人不知道，超了直接上不了架。＜/p＞
＜p＞我把这套做成了批量工具：CSV 进去，多站点 Listing 出来，出库前过三层质检（规则校验 / 语言纯净度 / 模型复核），不过关自动重写，三轮还不过就进人工复核清单，不混进交付文件。＜/p＞
＜p＞实测 4 个 SKU × 3 语言 = 12 条：全部通过质检，耗时 50-70 秒，单条 API 成本 0.0015 元。＜/p＞
＜p＞说实话这技术含量不高，值钱的是那三层质检和踩过的坑。翻译谁都会做，做出来能直接上架不出丑才是门槛。＜/p＞
＜p＞有兄弟也在搞多站点、或者手上有一批 SKU 要改，可以聊聊，我这套能跑。也欢迎拍砖——日语和德语这块我把握还不如英语站。＜/p＞