1、立项原因，旨在解决什么产品问题：
无货源店群卖家、自媒体工作室每天需要处理大量包含商品标题、订单信息的 Excel/CSV 表格。传统人工处理存在三大痛点：一是容易漏掉平台“极限词/违禁词”导致店铺被罚款；二是重复铺货导致权重降低；三是直接调用大模型批量洗稿的 API 费用过于高昂。本项目旨在打造一款零配置、双击即用的本地化桌面处理工具，解决数据合规、批量去重和低成本 AI 文本重构的问题。
2、行业场景，业务背景：
电子商务日常运营、订单打单预处理、自媒体矩阵内容批量制作。该场景对数据的隐私安全性要求极高（不能随意上传云端），且操作人员大多非技术出身，需要极其简单直观的客户端界面。
项目有哪些具体功能模块：
数据标准化模块： 一键剔除文本中的隐形换行符、特殊符号，自动对手机号、邮箱、网址进行正则脱敏打码。
本地合规与风控模块： 内置通用违禁词与电商极限词库，提供“替换打码”、“删除整行”、“高亮预警”三种物理处理模式。支持自定义异常订单（如退款、刷单）关键词标黄。
智能排重与解析模块： 支持中国收货地址的“省/市/区/详细”五级正则智能拆分；提供 0-100% 可视化调节的模糊去重滑块。
AI 算力调度模块： 无缝对接 DeepSeek/OpenAI 接口，内置多套电商专属洗稿 Prompt，实现大批量文本的语义级重构。
2、项目的主要功能描述：
用户通过深色现代风格的 GUI 界面导入需要处理的表格文件，配置好清洗强度与违禁词策略后，点击启动。引擎会在本地物理级别直接操作单元格（如精准保留并高亮部分字体），并在处理前自动生成安全快照，最后输出标准化、已去重、高原创度的成品数据文件。
“我”负责哪些具体任务：
本项目由本人采用 Vibe Coding 模式独立全栈开发。负责产品原型设计、CustomTkinter 现代化界面搭建、底层正则表达式清洗逻辑编写、Openpyxl 单元格物理级操作集成，以及最终的 PyInstaller 单文件环境打包。
2、项目使用了哪些技术栈、架构，实现上亮点、难点：
技术栈： Python、CustomTkinter、Openpyxl、Difflib、Threading。
难点 1（大文件解析导致的 UI 假死）： Python 原生 GUI 处理大表格时主线程易阻塞。解决： 引入 threading 守护线程异步处理耗时 I/O 操作，配合状态机锁实时将处理进度回传至前端进度条，实现极佳的软件阻尼感。
难点 2（去重漏网与精度控制）： 传统去重无法识别同义换行和母子句包含。解决： 重写 NLP 切片算法，在查重前强制剥离隐形字符；使用 difflib.SequenceMatcher 配合可调动态阈值公式（前端0-100强度转换为底层0.5-1.0比对率），去重准确率提升至 99%。
亮点（Token 成本优化拦截）： 为节省客户调用 API 的费用，自研了“本地预处理拦截器”。短文本或纯字符直接在本地放行免流，有效拦截超 30% 的无效网络请求，并在面板直观展示为客户节省的 Token 算力费用。
评论