输入一版中国创意，输出多个国家"接地气"的本地版本——不只是翻译，连语气、梗、审美都做本地适配。
Hello World 团队 · 2026 AI先锋未来人才大赛 · 易点天下命题
现有 AI 本地化工具（翻译/配音/字幕流水线）解决了"快"和"多"，但只做形式转换——同一条创意换个语言铺多国，本质是一稿多投。本项目定位在创译（Transcreation）层：先拆解创意内核，再基于国家文化画像重新创作，让产出"像当地人写的"。
学术依据：GPT-4o 广告转译对照实验中，带文化上下文的 Prompt 在 20 条中的 17 条上优于裸 Prompt（Unbabel, MT Summit 2025）；四个前沿 LLM 在跨文化创译基准上无一超过 75/100 分（Kocaman, Kenyon College 2025）——裸模型搞不定文化共鸣，需要结构化文化上下文与验证机制。完整调研（行业现状/竞品扫描/开源同类项目/五篇学术文献）见 docs/research-review.md，验证方案见 docs/experiment-design.md。
中文创意
↓
[1] 创意解构层 LLM 拆解：卖点 / 情绪钩子 / 文化梗 / 人群 / CTA
↓
[2] 重创作层 "本地创意人" Agent × 国家文化画像 × 品牌规则
│ 产出：本地语文案 + 中文回译 + 适配说明 + 画像引用清单
↓
[3] 保真回检层 产出反向解构 ↔ 源要素逐项比对（闭环）
│ 要素回收率 < 70% 自动打回重做，附丢失要素提示
↓
[4] 禁忌质检层 画像禁忌条目逐条审查 + 清单外风险扫描
↓
交付 结构化 JSON，final_status: pass / needs_review
| 机制 | 解决什么问题 |
|---|---|
| 画像条目元数据化（置信度/时效/来源/ID） | 流行梗三个月一换，禁忌基本永久——时效字段让过期梗自动退场；置信度决定人工校准优先级 |
| 画像引用追溯（used_entries） | 产出被评"不地道"时，直接定位到具体画像条目，归因从猜变成查 |
| 保真闭环回检 | 重创作最大的风险是为了本地化把卖点弄丢——管线自检，不达标不出厂 |
| 品牌术语锁定（brand_context） | 防止品牌名被"本地化"、数字卖点被改写（参考 Brand-Loom 的 brand_context 设计与 Tower of Babel 的术语锁定模式） |
| A/B 对照基线（baseline.py） | 不假设方案有效：裸 Prompt 对照组 + 母语者盲测验证管线增益 |
| 四层安全防线（输入/传输/响应/数据） | Prompt 注入防御 + 令牌桶速率限制 + JSON Schema 响应校验 + 画像文件 SHA256 验签——管线在设计阶段就将安全视为基础设施而非后装补丁 |
pip install -r requirements.txt
cp .env.example .env # 填入你的 LLM API Key（默认 DeepSeek，兼容 OpenAI 接口）
python pipeline.py # 单条演示：中文创意 → 泰国版
python baseline.py # A组对照：裸Prompt直出
python batch.py examples/creatives.json th # 批量 + 生成盲测集输入（含4处中文网络梗）：
这个夏天，别让手机先中暑！CoolClip散热背夹，3秒降温15度，开黑五连坐照样稳如老狗。学生党福音，一杯奶茶钱，游戏体验直接起飞。
泰国版（examples/thailand_demo.json，final_status: pass）：
- "开黑"→ RoV（泰国国民手游），"稳如老狗"未直译（泰语直译冒犯）转为"五人连坐不卡顿"
- 自动加入 COD 货到付款（泰国主流支付习惯，画像条目 th-006）与 TikTok 风格标签（th-007）
- 品牌名 CoolClip 与数字卖点"3秒降温15度"经术语锁定原样保留
- 保真回检：5 项源要素 + 2 项保护术语全部通过，回收率 100%
日本版（examples/japan_demo.json，final_status: needs_review——质检层真的拦了东西）：
- "一杯奶茶钱"→ コンビニのアイスより安い（便利店冰淇淋价格锚点），"开黑"→ APEX/原神五排场景，融入 推し活/タイパ 流行词与拟声词（ひんやり）
- 保真回检 100%，但禁忌质检标出 3 处 medium 风险：「安い」单独作卖点未绑品质证据、「最高/絶対」式表述涉嫌夸大断言（均触景品表示法，画像条目 jp-001/jp-002），以及清单外扫描发现的游戏名版权风险
- 这正是管线的价值：不合规的产出不会带着 pass 出厂，人工只需终审被标记的条目
跨品类验证（examples/thailand_demo_c02.json，美妆类）：
- C02 口红文案（"早八人""纯欲天花板""气场两米八"），首轮解构后重创作品质不达回收率仅 62%，低于 70% 阈值触发保真闭环自动打回重做
- 重做后回收率 100% 通过——保真闭环不是针对 3C 品类单独调优的，跨品类仍然有效，且打回重做机制真的会触发
pipeline.py 四层管线主体
baseline.py A组对照（裸Prompt）
batch.py 批量模式：多创意×多市场，输出盲测集+揭盲表
model.py LLM 抽象层（OpenAI 兼容，多厂家切换）
profiles/ 国家文化画像库（泰/日/美，带元数据，日美为冷启动版待盲测校准）
docs/ 调研综述（行业/竞品/开源/学术）+ 对照实验设计
examples/ 品牌上下文示例 / 源创意样本 / 泰日两市场真实产出存档
outputs/ 批量产出（git 忽略）
- 四层管线 MVP（解构/重创作/保真闭环/禁忌质检）
- 画像元数据化 + 引用追溯 + 品牌术语锁定
- A/B 对照组生成 + 盲测集混排
- 泰/日/美三市场画像 v0.1（日美为冷启动版）
- 母语者盲测执行（泰/日/美 3 市场，判定标准已前置锁定，见 docs/experiment-design.md）
- 评分回灌：盲测数据按维度归因到画像/Prompt/规则库
- 飞书多维表格交付层 + 批量并发
- 模型路由（按市场×内容类型挂载基座模型，依据 EC Innovations 2026 基准）
Hello World（x³）：乔唯一（技术/管线）· 唐启程（跨境电商业务/海外盲测渠道）· 孙文洁（文化画像/评分标准）