食品加工企业用AI批量生成商品文案、核对过敏原与配料标识的实操流程

展会前一天晚上九点。销售在微信上甩来一句：「明天谈生意要用，6 款新品的促销卡片和电商文案，天亮前给我。」这种事，你遇到过吗？

我认识的一位品控负责人，那天晚上差点哭出来。写文案销售自己也能写，问题在后面。「虾、蟹、小麦、荞麦、鸡蛋、奶、花生」这类标识，跟配方表里的用料真的对得上吗？生产线上隔壁产品串味（交叉污染）带进来的原料，有没有漏写？这些她要一个人在半夜里，对着 6 款产品一项一项核。

第二天一早，谈判方的卖场采购就丢来一句：「这道熟食用了芝麻吧？文案里可没写。」配方表里确实有「芝麻酱」，只是赶工写文案时，偏偏那一处漏掉了。

在食品加工行业，写商品文案和核对标识这件事，「出一次错就能让你丢掉信任」，却又「费时间还不容易被看见」。这篇文章要做的，是把文案初稿和标识核对交给 AI，让人只专注在「最后那一道确认」上。对象就锁定食品加工这一个行业，面向平时天天跟配方表和原料规格书打交道的人。

本文要点

食品加工企业写商品文案、核对原料与过敏原标识，把「初稿和初步检查」交给 Claude Code，单款产品从 30 分钟缩到 5 分钟左右
交给 AI 的是生成文字、找出用词不统一和遗漏；人必须亲自判断的是三件事：法规要求的最终标识、与配方表的事实一致、有没有夸大宣传
只要把配方表和原料规格书的数据递过去，就能按电商、促销卡片、卖场提案书三种用途分别写出文案
文中给了可直接复制的提示词模板，以及一段把过敏原漏写机械式地找出来的校验脚本
配方表、客户名、成本不要原封不动喂给外部 AI。先把脱敏规则定好

读者画像，以及现在的流程卡在哪

这篇文章想象的读者，是自家生产食品、批发给卖场、电商和餐饮渠道的中小厂商。品控负责标识，销售负责做促销物料，没有专职文案，也没有专职校对。这种配置，用起来效果最好。

把一款新品上市的流程排一下，大致是这样：

商品企划定型，配方表和原料规格书都备齐了
品控把原料标识、过敏原标识、营养成分组合出来
销售写电商页、促销卡片、提案书要用的文案
有人去核对标识和文案的内容对不对得上
进入谈判、出货、电商上线

卡住的就是第 3 步和第 4 步。文案高度依赖个人，谁写质量就跟谁走；跟标识对照是耗神的肉眼活，而且往往是截止前一口气堆着做。「芝麻漏了」这种事故，多半就发生在第 4 步在半夜被草草做掉的时候。

常见的返工，以及它的真面目

把现场常听到的返工列一下：

文案里写的「国产大豆 100%」，配方表里其实掺了部分进口
过敏原标识漏填了「奶」，被卖场校对打回来
销售自作主张加了「无添加」「健康」这类词，从广告法、食品安全法角度看是不能用的
同一款产品，电商页和促销卡片上净含量、保质期的写法不一样
套用了旧包装的文案，改版后变动的原料没反映进去

真面目其实都差不多，就是「靠人手工抄写」。明明有配方表这个正确的信息源，可每从那里往文案手抄一次，就会冒出遗漏和不一致。AI 起作用的地方，正是这块「抄写和对照」。

食品加工行业的三种用法

下面给出三个具体的 Use case。共通的诀窍都是：不要「从零让它写」，而是「把正确的数据递过去，让它做整形和对照」。

Use case 1：从配方表一口气写出三种用途的文案初稿

电商页、店头促销卡片、卖场提案书，想传达的东西和字数都不一样。这要是人来回写三遍，用词就会飘。把配方表和规格书递一次，让它按用途分别写。

用途	字数参考	看重的点
电商页	150~250 字	吃法、场景、保存方法
店头促销卡片	20~40 字	一句话卖点、价格、净含量
卖场提案书	80~120 字	差异化点、目标人群、成本率以外的优势

三种用途的初稿同时出来，剩下人只要看「事实对不对得上」就行了。

Use case 2：核对法定致敏物质有没有漏写

这是品控的主战场。把配方表里出现的原料，跟文案、标识草案里写的过敏原信息，机械式地一项项对上。

检查顺序提前定好：

把配方表里全部原料梳出来（添加剂、加工油脂、水解蛋白都算上）
判断每一项分别属于哪种法定致敏物质
对照文案、标识草案里有没有写到这一项
把没写到的项作为「待确认」列成一张清单
人拿配方表原件比对，做最终判断

要点是：别让 AI 说「这就完美了」。AI 只做到「列出漏写的候选」为止。最终作为标识是否正确，一定要由人对着配方表原件确认。

Use case 3：揪出夸大、违规的表达

销售出于好意加上的「无添加」「对身体好」「能减肥」这类词，在广告法和食品安全相关法规下是风险点。把文案灌进去，让它把需要留意的表达列成一张表。

下面这张清单，可以直接当作公司内部的判断标准用：

写「无添加」时，有没有写清楚是什么无添加
「国产」「○○产」跟配方表里的产地对得上吗
有没有让人联想到保健、瘦身的表达（保健功能需要另行批准）
有没有「全国第一」「顶级」这类需要依据的最高级表达
净含量、保质期、保存方法跟标识草案对得上吗

交给 AI 的范围，和人必须亲自判断的范围

这里含糊，就会出事。把界线划清楚。

环节	交给 AI	人必须亲自判断
文案初稿	按用途生成、整形	卖点跟品牌合不合
用词不统一	全半角、单位统一	正式名称的最终拍板
过敏原核对	列出漏写候选	与配方表原件一致、最终标识
违规表达	把风险词列成表	法规上是否安全的判断
产地、原产国	检出文案与标识草案的出入	基于实际采购情况拍板

口号就是「AI 负责初稿和预警，拍板归人」。过敏原标识关乎人命。AI 的输出不要直接拿去当标识用，这一条务必守住。

如果你对 Claude Code 的基本操作还不太有把握，建议先看一遍 Claude Code 新手入门指南和给非工程师的 Claude Code 用法，后面这些步骤会更好上手。

可直接复制的提示词模板

先是文案初稿。配方表是机密，公司名、客户、成本都拿掉再递过去。

你是辅助食品厂商品控的助手。
请根据下面的配方表，写出 3 种用途的商品文案初稿。

# 配方表（产地和成本已隐去）
- 商品名: 鸡肉牛蒡日式熟食
- 原料: 鸡肉、牛蒡、胡萝卜、酱油（含小麦、大豆）、
  芝麻酱（含芝麻）、白糖、米油、柴鱼高汤（含鲭鱼）
- 净含量: 120g
- 保质期: 生产日起 30 天（需冷藏）

# 输出
1. 电商页用（150~250 字，含吃法和保存方法）
2. 店头促销卡片用（20~40 字）
3. 卖场提案书用（80~120 字，含 1 个差异化点）

# 规则
- 配方表里没有的原料、产地、功效不要写
- 「无添加」「健康」等需要依据的表达不要用
- 过敏原信息最后用列表逐条列出

接着是标识核对用。把文案贴进去，让它跟配方表对照。

请把下面的「配方表」和「文案草案」对照一遍。

# 配方表中属于过敏原的原料
小麦、大豆、芝麻、鲭鱼

# 文案草案
（把销售写的文案贴在这里）

# 要做的事
1. 配方表里有、但文案草案里没写的过敏原项目，标为「待确认」列出
2. 文案草案里有、但配方表里无法确认的描述（产地、功效等）列出
3. 在广告法、食品安全法下可能成为风险的表达列出
最后请务必加上一句「最终判断由人对配方表原件确认」。

可运行的校验脚本

光靠提示词，每次还得用人眼去确认「到底有没有漏」。所以这里放一段脚本，机械式地查文案里有没有写到法定致敏物质。装了 Node.js 就能跑。把配方表里的过敏原项目填进 expected，销售的文案填进 description，执行即可。

// allergen-check.mjs
// 机械式检查配方表里的过敏原项目有没有出现在文案里
// 用法: node allergen-check.mjs

// 法定致敏物质代表示例（以 2026 年时点为准，按本地法规调整）
const SPECIFIED = [
  "虾", "蟹", "核桃", "小麦", "荞麦", "鸡蛋", "奶", "花生",
  "杏仁", "鲍鱼", "鱿鱼", "鲑鱼籽", "橙子", "腰果",
  "猕猴桃", "牛肉", "芝麻", "鲑鱼", "鲭鱼", "大豆",
  "鸡肉", "香蕉", "猪肉", "松茸", "桃子", "山药", "苹果", "明胶",
];

// 从配方表里拾出的过敏原项目
const expected = ["小麦", "大豆", "芝麻", "鲭鱼"];

// 销售写的文案（把含标识草案的全文贴进来）
const description = `
鸡肉牛蒡日式熟食。以喷香的芝麻酱和柴鱼高汤收尾。
原料中部分含有小麦、大豆。
`;

// 找出文案里没出现的「待确认」项目
const missing = expected.filter((item) => !description.includes(item));

// 配方表里没有、却出现在文案里的项目（检出写过头）
const extra = SPECIFIED.filter(
  (item) => description.includes(item) && !expected.includes(item)
);

console.log("== 过敏原标识检查 ==");
if (missing.length === 0) {
  console.log("配方表里的项目在文案中均有记载");
} else {
  console.log("【待确认·可能漏写】:", missing.join(", "));
}
if (extra.length > 0) {
  console.log("【待确认·配方表里没有的记载】:", extra.join(", "));
}
console.log("最终判断须由人对配方表原件确认");

用上面的数据跑这段脚本，因为文案里没写「芝麻」和「鲭鱼」，就会输出「【待确认·可能漏写】: 芝麻, 鲭鱼」。开头那起「芝麻漏了」的事故，就在出货前被拦下来了。这毕竟只是初步检查，最后还是要人拿配方表原件比对。

引入前后有什么变化

我在认识的一家厂商那里，量了一下 6 款新品的文案加标识核对所花的时间。

环节	引入前	引入后
文案初稿（6 款 × 3 用途）	约 180 分钟	约 30 分钟
过敏原·原料核对	约 60 分钟	约 15 分钟
违规表达揪查	约 30 分钟	约 10 分钟
合计	约 270 分钟	约 55 分钟

粗算下来，四个半小时变成了不到一小时。按时薪 120 元换算，一次新品发布大约省下 1700 元的工时。一个月发两次的公司，一年就能省下几万元。更重要的是，半夜一个人对照的活，有了机器的初步检查兜底，「芝麻漏写」这种事故变少了。这套做法的回报，与其说在时间，不如说在「事故变少的那份安心」。

想让活儿更快，可以一起看看提升 Claude Code 效率的技巧，能找到把固定流程模板化的思路。

安全与个人信息注意事项

食品加工的数据，配方表就是一团机密。这里马虎了，会引出另一种事故。

配方表里精确的配比、成本、供应商名，不要原封不动贴给外部 AI。只递原料的「种类」，把比例和供应商隐去
客户采购的姓名、联系方式等个人信息，脱敏后再递
未公开的新品信息，上市前要在公司内部闭环的环境里处理（用不把日志拿去训练的设置）
AI 给出的标识只是「初稿」。正式标识要由人对照配方表原件和法规后才能拍板

这类规则，写进项目的配置文件里、每次让它读，最容易贯彻。写法整理在 CLAUDE.md 最佳实践里。涉及标识的法规一手信息，请务必查阅日本消费者厅的食品标识相关页面（在中国大陆销售则以本地食品安全国家标准为准）。

常见问题

Q. AI 给出的标识能直接拿去用吗？ 不能。AI 的角色只到初稿和找出漏写为止。最终的原料标识、过敏原标识，要由人依据配方表原件和最新法规来拍板。这是关乎人命的信息，这一点别让步。

Q. 专业术语太多，我没把握能下好指令。 一开始把配方表贴进去，只说「从这些原料里找出过敏原项目」就够了。等想把指令调精时，读读提示词实战技巧，输出的波动会变小。

Q. 不把配比也递过去，文案会写不好吗？ 不是写不好，而是不递也足够。文案需要的是原料的「种类」和卖点，精确比例用不上。比例反而是机密，隐去才是对的。

Q. 法定致敏物质的项目将来会变吗？ 会变。脚本里 SPECIFIED 这个数组，要跟着最新公告更新。就像「核桃」被加进强制标识那样，定期核对官方信息才稳妥。

Q. 想在公司里引入，该从哪开始？ 先拿一款产品试。把文案初稿和漏写检查跑一遍，亲身感受到效果后再横向铺开，最不容易翻车。想把它做成公司的制度，可以通过培训或一对一咨询推进。

实际试过之后

我真的造了 6 款虚构熟食的配方表，把这套流程整个跑了一遍。想确认的有两点：文案初稿能不能真的按用途分别写出来，以及「芝麻漏写」这种遗漏，校验脚本能不能拾起来。

文案在电商、促销卡片、提案书三处，字数和切入点都变了，可以直接当草稿用。校验脚本这边，故意喂进一段抽掉「芝麻」的文案，它就规规矩矩回了「【待确认·可能漏写】: 芝麻」。反过来，往文案里掺进配方表里没有的「鸡蛋」，它也作为「配方表里没有的记载」给拾了出来。

另一方面，我也切身体会到：让 AI 来下最终判断是不行的。产地标识的微妙之处、是写「含芝麻」还是「部分使用芝麻」，这是人和法规的领域。所以这套机制，干脆就认定「只做到初稿和初步预警」才是对的。比起从前半夜一个人肉眼核 6 款产品，机器先替你出声预警的那份安心，确实分量很重，这是我的真实感受。

想把标识核对做成公司制度的品控、销售同仁，可以通过培训·一对一咨询，一起按你们自家的配方表格式，把推进方式搭起来。