Listing I18n

在 OpenClaw 中把中文产品 Excel 或 CSV 本地化为 Amazon 和 Shopify 的多语言 Listing。适用于翻译产品、跨境电商 Listing 本地化、Amazon listing、Shopify listing、localize products 等场景。

这个 skill 运行在 OpenClaw 上：

• 翻译和本地化改写由 OpenClaw 当前会话中的 LLM 完成
• 模板生成、输入检查、Excel 输出、结果校验由本地 Python 脚本完成

不要把这个 skill 当成独立翻译程序。它是“LLM 工作流 + 本地辅助脚本”的组合。

可用脚本

• python3 generate_template.py [output.xlsx] 生成输入模板
• python3 inspect_input.py <input.xlsx|csv> [--sheet SheetName] 检查输入文件结构，列出字段和样例数据
• python3 build_output.py <translations.json> [output.xlsx] 按约定 JSON 结构生成最终 Excel
• python3 validate.py <output.xlsx> 校验输出文件是否满足平台限制

工作流

1. 用户没有产品文件

运行：

bash

python3 generate_template.py

告诉用户填写 Products sheet 第 3 行起的数据，再继续。

2. 用户提供了产品文件

先运行：

bash

python3 inspect_input.py <input_file>

基于脚本输出完成三件事：

1. 告诉用户检测到的列名和前 3 行样例
2. 确认以下字段映射
3. 如果缺少必填字段，要求用户补齐

必填字段：

• product_id
• brand
• product_name
• category
• specs
• selling_points
• keywords_cn
• package_includes

可选字段：

• custom_attributes
• images_note

3. 确认平台和目标市场

如果用户没有特别说明：

• 平台默认 Both
• 目标市场默认 en_US

支持的目标市场：

• en_US
• en_UK
• de_DE
• ja_JP
• es_ES
• fr_FR
• it_IT

4. 由 LLM 执行逐产品翻译

对每个产品、每个目标市场、每个平台分别生成内容。

Amazon

• title 最长 200 chars，建议不超过 150
• bullet_point_1 到 bullet_point_5 共 5 条，每条建议 150-250 chars
• description 建议 150-300 词
• backend_keywords 最长 249 bytes，小写、空格分隔、不含品牌名

Shopify

• title 最长 100 chars
• description_html 建议 100-400 词，只用基础 HTML 标签
• seo_title 最长 70 chars
• seo_description 最长 320 chars
• tags 8-15 个，逗号分隔，小写
• product_type 英文品类路径，用 > 分隔

翻译要求：

• 不是直译，要做目标市场本地化
• Amazon 偏搜索导向，Shopify 偏品牌叙事
• 避免绝对化营销词，如 best、#1、guaranteed
• custom_attributes 的 key 保持英文，value 翻译成目标语言
• 美国站优先使用美式计量单位；英国、德国、日本按本地习惯表达

5. 生成输出文件

先把翻译结果组织成 JSON，再运行：

bash

python3 build_output.py <translations.json> [output.xlsx]

输出 workbook 需包含：

• Amazon_<lang> sheet
• Shopify_<lang> sheet
• Source_CN sheet

Amazon sheet 列顺序必须是：

text

product_id
brand
title
bullet_point_1
bullet_point_2
bullet_point_3
bullet_point_4
bullet_point_5
description
backend_keywords
custom_attributes
source_product_name

Shopify sheet 列顺序必须是：

text

product_id
brand
title
description_html
seo_title
seo_description
tags
product_type
custom_attributes
source_product_name

6. 校验并汇报

生成 Excel 后运行：

bash

python3 validate.py <output.xlsx>

向用户汇报：

• 处理了多少个产品
• 生成了哪些平台和语言版本
• 输出文件路径
• 校验结果中有哪些 error 和 warning

translations.json 结构

build_output.py 读取如下结构。仓库里还提供了可直接参考的 translations.example.json：

json

{
  "sheets": [
    {
      "name": "Amazon_en_US",
      "headers": [
        "product_id",
        "brand",
        "title",
        "bullet_point_1",
        "bullet_point_2",
        "bullet_point_3",
        "bullet_point_4",
        "bullet_point_5",
        "description",
        "backend_keywords",
        "custom_attributes",
        "source_product_name"
      ],
      "rows": [
        [
          "SP-001",
          "SoundPulse",
          "SoundPulse Noise Cancelling Earbuds",
          "【NOISE CANCELLATION】...",
          "【HI-RES AUDIO】...",
          "【ALL-DAY COMFORT】...",
          "【SWEAT RESISTANCE】...",
          "【IN THE BOX】...",
          "Long description...",
          "wireless earbuds bluetooth earbuds sports earbuds",
          "color:black | connectivity:bluetooth 5.3",
          "SP-Pro 主动降噪真无线蓝牙耳机"
        ]
      ]
    },
    {
      "name": "Source_CN",
      "headers": ["product_id", "brand", "product_name"],
      "rows": [["SP-001", "SoundPulse", "SP-Pro 主动降噪真无线蓝牙耳机"]]
    }
  ]
}

注意

• 依赖：python3 和 openpyxl
• 建议每批不超过 20 个产品
• 日语和德语输出建议母语者最终复核