这个项目是被真实需求逼出来的：我在做 AI 内容运营实习时，团队一天要出十几条千川带货脚本，条条得过广告法，纯手写又慢又容易踩词。我就自己搭了这个 Agent——选模板、点按钮一键出稿，爆款框架保留、细节自动改写，出稿自动过合规校验。
📂 源码：
技术源码/agent/（Python 包，9 个模块）·技术源码/tests/（4 个测试文件）·data/（原稿库 / 模板 / 合规规则）·examples/（HTML/CSV/JSON/Markdown 四格式导出示例）
先交代口径，免得数字看着像编的：在实习团队小范围灰度一周、3 人样本（团队周报口径）——人均日产从 7-9 条提到 15-18 条，单条脚本 8-12 分钟降到 2-3 分钟，素材过审率约 70% 提到 82%。
- 网页版（推荐）：单 HTML 文件，双击打开即用，零环境零依赖
- 模板模式：零第三方依赖，Python 3.9+ 直接运行，可复现（seed 控制）
- LLM 模式：对接 OpenAI 兼容 Chat API（默认火山方舟 / 豆包），生成后仍强制过一遍本地合规引擎
- 合规引擎：广告法绝对化用语检测 + 医疗品类功效夸大强校验 + 自动替换修正
项目介绍见 docs/项目说明.md； 给网页版加自己的爆款稿见 docs/新增原稿操作说明.md； 运行、配置与数据文件说明见 docs/使用与调试指南.md。
主交付文件：电商爆款脚本生成智能体-一键出稿版.html（与 README 同级）
双击用浏览器打开即可，全程图形化操作，不需要 Python、命令行或联网。
- 选择模板分类：痛点直击型 / 效果反差型 / 真实场景型（三选一）
- 点「生成 1 条新脚本」或「批量生成 3 条」
- 右侧直接出稿：完整带货脚本 + 合规校验结果，可一键复制 / 下载
内置能力：
- 原稿库：内置 19 篇真实爆款原稿（痛点直击 6 / 效果反差 6 / 真实场景 7），分五段模块管理
- 改写引擎：模块重组 + 同义替换 + 语序/语气微调，框架 100% 保留、细节不重复（与原稿和历史稿重复率 ≤60%）
- 合规自动化：出稿自动替换违禁词、追加医疗合规提示语，输出即合规
- 原稿库管理：左下角面板可直接粘贴自己的爆款稿入库，立即参与改写；支持导出/导入备份
旧版可视化演示版（脚本生成智能体-可视化演示版.html）保留并存，供对比参考。
# 1. 进入项目目录
cd 技术源码
# 2. 跑通内置示例（肠胃贴 + 蓝牙耳机，各 5 条）
python -m agent demo
# 3. 查看生成结果
# examples/demo/草本温灸肠胃贴.md / .html / .csv / .jsonpython -m agent generate \
--product "暖颈贴" \
--category "医疗保健" \
--price 29.9 \
--medical \
--points "恒温发热" --points "轻薄无感" \
--pains "低头族脖子酸痛" --pains "空调房受凉" \
--audience "上班族" \
--promo "买二送一" \
--count 5 --seed 42 \
--out examples/generated --prefix my_product生成的文件默认包含 4 种格式：Markdown（可读）/ JSON（结构化）/ CSV（表格）/ HTML（可视化页面）。
| 命令 | 说明 |
|---|---|
| python -m agent demo | 跑通内置示例商品，输出到 examples/demo/ |
| python -m agent generate ... | 根据商品信息生成脚本（模板模式） |
| python -m agent check --text "..." --medical | 单独检测一段文案的合规性 |
| python -m agent templates | 查看内置爆款结构模板库 |
| python -m agent products | 查看内置示例商品 |
# 复制 .env.example 并填写
# ARK_API_KEY=...
# ARK_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
# ARK_MODEL=doubao-pro-32k
pip install -r requirements.txt
python -m agent generate --product "草本温灸肠胃贴" --medical \
--points "草本恒温发热" --points "持续温灸8小时" \
--pains "肚子着凉胀气" --pains "久坐胃胀" \
--mode llm --count 5LLM 模式通过系统提示词注入「结构要求 + 合规红线」，生成结果仍会再过一遍本地合规引擎，双重保障。模型负责写，规则负责拦——这是我做这个项目时刻意分开的两件事。
选模板（痛点直击 / 效果反差 / 真实场景）
│
▼
┌──────────────────────────────────────────────┐
│ 原稿库（data/original_scripts/*.json） │
│ · 每类 ≥5 篇真实爆款原稿，分五段模块 │
│ · hook 钩子 / pain 痛点 / product 卖点 │
│ · trust 背书 / cta 结尾 │
└──────────────────────────────────────────────┘
│ 模块重组 + 轻量改写（同义替换/语序/语气）
▼
┌──────────────────────────────────────────────┐
│ 合规引擎（data/compliance_rules.json） │
│ · 广告法绝对化用语检测 │
│ · 医疗品类功效夸大强校验 │
│ · 自动替换 + 合规提示语附加 │
└──────────────────────────────────────────────┘
│ 去重校验（与原稿/历史稿重复率 ≤60%）
▼
输出：完整带货脚本 + 合规结果（可复制/下载）
作品集-爆款脚本生成智能体/
├── 00-项目展示首页.html # 作品集展示首页（HR 先看这个）
├── 电商爆款脚本生成智能体-一键出稿版.html # 主交付：网页版一键出稿（双击即用）
├── 脚本生成智能体-可视化演示版.html # 旧版可视化演示（并存）
├── data/
│ ├── original_scripts/ # 爆款原稿库（pain/reverse/scenario 三类）
│ ├── templates.json # 爆款结构提示词模板库
│ ├── compliance_rules.json # 合规规则与自动替换表
│ └── products.json # 内置示例商品
├── examples/ # 已生成的示例输出（温胆胃肠贴/蓝牙耳机）
├── 截图/ # 作品集展示截图（首页内嵌同款）
├── docs/
│ ├── 演示说明.md # 100 字极简演示说明（作品集用）
│ ├── 新增原稿操作说明.md # 怎么加自己的爆款稿
│ └── 项目说明.md # 项目介绍（一页纸）
└── 技术源码/ # 可选：Python 命令行引擎 + 测试
├── agent/
│ ├── cli.py # 命令行入口
│ ├── models.py # 数据结构（商品/脚本/分镜/合规问题）
│ ├── templates.py # 模板库加载
│ ├── compliance.py # 合规校验引擎
│ ├── generator.py # 模板模式生成器
│ ├── llm.py # LLM 模式生成器
│ └── exporters.py # Markdown/JSON/CSV/HTML 导出
├── tests/ # unittest 测试（27 个用例）
└── requirements.txt # LLM 模式依赖
- 通用层：最好/第一/国家级/全网最低 等广告法绝对化用语，一律检测并给出替换建议；
- 医疗品类层：根治/治愈/药到病除/一贴见效 等功效夸大表述，强校验拦截；
- 自动修正：可修复表述自动替换（如 一贴见效 → 温和调理），并附加合规提示语（如「本品为日常用品，不能代替药物」）；
- 可测试：27 个单元测试覆盖模板完整性、合规检测/修正、生成器输出、导出器格式。
说句实话：合规引擎拦的是「已知的高频坑」，不能替代法务意见。真实投放前，还是得以平台最新审核规则和法务确认为准。
python -m unittest discover -s tests -v- 网页版可视化一键出稿（单 HTML，开箱即用）
- 接入素材库联动（脚本 → 画面提示词 → 出图/出片）
- 更多行业合规规则包（美妆/食品/服饰）
- A/B 效果数据回流，自动迭代模板库
E-commerce Viral Script Agent (Qianchuan Ads Edition) — born from a real internship problem: a content team needed 10+ compliant short-video sales scripts per day. The agent bundles a library of 19 real viral scripts, a five-part template system, and a local compliance engine (China Ad-Law absolute-claim detection + mandatory medical-category checks + auto-rewrite). Ships as a zero-dependency single-HTML web app (double-click to use, no install), plus an optional Python CLI with an LLM mode (OpenAI-compatible API) whose output is still force-checked by the local compliance engine — the model writes, the rules block. 27 unit tests included.
👉 Live demo: https://jin2004-cmd.github.io/ecom-script-agent/
如果这个思路对你有用，欢迎 ⭐ Star 一下——「模型负责写，规则负责拦」值得被更多做 AI 内容的人看到。