用本地大模型搭建电商文案自动生成系统（Qwen3-8B实战）

MCP工具匠
4 阅读4分钟

前言

做跨境电商的朋友都知道，Listing优化是个反复打磨的苦活。一个产品要写英文标题、5点描述、后台关键词，还要翻译成西班牙语、德语、法语——外包给人写一套几百块，自己写又耗时间。

最近Qwen3-8B开源了，8B参数量在本地跑毫无压力，生成质量对于电商文案场景完全够用。我花了两天搭了一套自动生成系统，分享一下思路和核心代码。

技术栈

  • Ollama — 本地模型运行时，一行命令拉模型
  • Qwen3-8B — 通义千问开源模型，中英双语能力强
  • Python — 胶水语言，调API + 生成文档
  • python-docx — 生成格式化的Word交付文档

第一步：部署Qwen3-8B

```bash

安装Ollama（Windows/Mac/Linux都支持）

官网: ollama.com

拉取Qwen3-8B模型（约5GB）

ollama run qwen3-8b ```

跑起来后，本地会开一个API服务在 `localhost:11434`，和OpenAI的API格式兼容。

第二步：设计Prompt

电商文案生成的关键不是模型多强，而是Prompt设计得多细。直接说"帮我写个标题"，出来的东西没法用。

我的做法是结构化约束输出——明确告诉模型输出JSON格式，每个字段有字数限制和规则：

```python prompt = f"""You are an expert e-commerce listing copywriter.

Product: {product} Category: {category} Description: {description}

Output ONLY valid JSON: {{ "english_title": "SEO-optimized, max 200 chars, high-volume keywords first", "bullet_points": ["BENEFIT IN CAPS: detail...", ...5 items], "backend_keywords": ["long-tail-kw1", ...10 items, no duplicates from title], "spanish_title": "native quality translation", "german_title": "native quality translation", "french_title": "native quality translation", "short_description": "2-3 sentence SEO summary" }}

Rules:

  • Title: keywords first, natural reading flow
  • Bullets: CAPS benefit opener, then proof/detail
  • Backend keywords: only terms NOT in title
  • Translations: native speaker quality""" ```

几个关键设计点：

  1. 强制JSON输出 — 方便程序解析，不需要人工整理
  2. 每个字段有明确规则 — 模型不会自由发挥跑偏
  3. 后台关键词去重 — 明确说"不要和标题重复"，避免浪费
  4. 翻译要求native quality — 不是机翻，是本地化

第三步：调用与解析

```python import requests, json, re

def call_qwen(prompt): resp = requests.post("http://localhost:11434/api/generate", json={ "model": "qwen3-8b", "prompt": prompt, "stream": False, "options": {"temperature": 0.6, "num_predict": 4096}, }, timeout=600) text = resp.json().get("response", "") # Qwen3有思考标签，需要去掉 text = re.sub(r'.*?', '', text, flags=re.DOTALL).strip() return text

def extract_json(raw): """从模型输出中提取JSON，容错处理""" m = re.search(r'{[\s\S]*}', raw) if m: return json.loads(m.group()) return json.loads(raw) ```

注意两个细节：

  • timeout=600 — 8B模型在CPU上生成4K token可能要5-10分钟，别用默认超时
  • 去掉think标签 — Qwen3会输出思考过程，需要正则清理

第四步：生成Word文档

```python from docx import Document from docx.shared import Pt, RGBColor

doc = Document() doc.add_heading('Product Listing Report', level=0) doc.add_heading('Optimized Title', level=1) doc.add_paragraph(data['english_title'])

doc.add_heading('Key Features (5 Bullets)', level=1) for b in data['bullet_points']: doc.add_paragraph(b, style='List Bullet')

多语言标题用表格展示

table = doc.add_table(rows=1, cols=2) table.style = 'Table Grid' for lang, key in [('Spanish','spanish_title'), ('German','german_title'), ('French','french_title')]: row = table.add_row().cells row[0].text = lang row[1].text = data[key]

doc.save(f"listing_{product}.docx") ```

生成的Word文档直接可以发给客户，格式清晰专业。

实际效果

我用这套系统跑了几个品类的测试：

蓝牙耳机

Ultra-Thin Wireless Bluetooth Earbuds with Active Noise Cancellation - 40H Battery Life, IPX5 Waterproof, Touch Control, USB-C Fast Charging, Premium Sound Quality for iPhone & Android

瑜伽垫

Extra Thick Non-Slip Yoga Mat 72"x24" with Alignment Lines - Eco-Friendly TPE, Double-Sided Texture, Free Carrying Strap, Perfect for Home Gym Pilates Fitness (6mm)

标题关键词自然、卖点突出、没有堆砌感。Bullet Points每条以大写利益点开头，后台关键词和标题完全不重复。

中文电商文案也能做

同样的思路，换个Prompt就能生成淘宝/拼多多的文案：

```python prompt = f"""你是资深电商文案专家。 商品：{product} 类目：{category} 卖点：{selling_points} 输出JSON： {{ "main_title": "主标题30字以内", "sub_title": "副标题15字以内", "main_image_copy": ["主图文案1(8字内)", ...5条], "detail_first_screen": "详情页首屏3-5句", "search_keywords": ["关键词1", ...8个] }}""" ```

总结

本地大模型做电商文案生成，核心在于：

  1. Prompt结构化，约束输出格式
  2. 容错解析，模型输出不一定完美
  3. 自动化文档生成，减少人工排版

整套系统零API费用，一台普通电脑就能跑。

如果你懒得自己搭，或者需要更专业的优化（我们会人工审核每份文案），可以看看我们团队的服务：

  • 跨境电商Listing优化（英文标题+5点描述+10关键词+3语种翻译+Word交付）：¥49 → 面包多
  • 电商标题文案优化（主标题+副标题+5张主图文案+详情页首屏+8关键词）：¥29 → 面包多

24小时交付，3个真实样例可以免费看。有问题评论区聊。

avatar
文章
阅读
粉丝