一句定义
定制订单清洗 = 把客户原始定制信息（备注、选项、图片、上传文件）整理成工厂能直接生产的中文字段、素材和审核记录。
它是定制类目的「最后一公里」，也是最容易出错的一公里。客户能写、平台能存、系统能解析，但能不能让工厂照做不出错——这才是清洗要解决的问题。
适用场景
所有 Amazon Custom 类目卖家：刻字饰品、个性钱包、定制 T 恤、纪念品、宠物牌、家居刻字、节日礼品等。
POD 平台订单：Printful / Gooten / Printify 等 POD 平台的订单数据规范不统一，需要清洗后才能进自有工厂。
多模板工厂排产：你不只有一家工厂，每家要的 Excel 列、字段名、格式都不一样——清洗后必须自动适配。
有客服补充的订单：客户先下单后改单，客服在备注里补「换成礼盒」——这部分增量信息也要进清洗流程。
输入输出示例
输入 1（混杂英文备注）：Cup color black, back text 「Mom 2026」, please engrave inside ring as well, ship by 6/15, image uploaded — gift!
输出 1：颜色 = 黑色 / 背面文字 = Mom 2026 / 内侧刻字 = Mom 2026 / 包装 = 礼品包装 / 交付 = 6/15 前发货 / 客户上传图 = uploaded（待绑定订单号）/ 原文 = 完整保留。
输入 2（Amazon Custom 嵌套 JSON）：surfaces[0].areas[0].text = 「Sarah」 / areas[1].fontFamily = 「Anton」 / areas[2].colorHex = 「#FFD700」 / 上传图 UUID = 8f0001-...jpg。
输出 2：背面文字 = Sarah / 字体 = Anton / 颜色 = 金色（rgb #FFD700）/ 客户上传图 = order_102-7345891_back.jpg / 审核 = 通过。
定制订单清洗 vs 普通订单处理——同样叫「订单处理」，做的事完全不同：
| 维度 | 普通订单处理 | 定制订单清洗 |
|---|---|---|
| 核心输入 | SKU + 数量 + 地址 | SKU + 数量 + 地址 + 定制文本 + 选项 + 上传图 + 备注 |
| 字段数量 | 5-8 个 | 12-30 个（按品类） |
| 是否要保留原文 | 否（结构化即可） | 必须（客诉证据） |
| 是否要审核 | 极少（地址异常才看） | 高频（刻字 / 加急 / 缺图 / 敏感词必审） |
| 出错代价 | 改地址、补发 | 整单报废、重做、平台扣分 |
| 自动化目标 | 100% 全自动 | 80% 自动 + 20% 人审兜底 |
定制订单清洗的瓶颈不是「能不能全自动」，而是「能不能在 20% 必审里精准拦截」。
常见误区
误区一：只抽取关键词。客户说「内侧刻 Mom 2026」，正则匹配能拿到「Mom 2026」，但识别不出「内侧」这个位置标签——工厂会刻在外侧。
误区二：完全交给 LLM 自由翻译。LLM 会把「back text」当成「背面文字」是对的，但也可能把「Black rgb #000000」翻译成「黑色 RGB 0 0 0」丢掉 hex 信息。
误区三：清洗后丢原文。客户投诉「我写的是 Sliver 不是 Silver」时，没原文你赔不起。
误区四：所有订单一刀切自动通过。刻字、加急、敏感词、缺图必须有人工审核兜底——通过率 99% 的代价可能是 1% 的整单报废。
Koru 如何处理
保留原文 + 结构化字段双轨：每条订单的最终输出既有结构化字段（工厂用），也有客户原始字符串（争议时用）。
人工修正 = 团队资产：你这次把「Mom 2026」从「背面文字」改到「内侧刻字」，下次遇到「内侧」「inside」「inner」等词系统就知道往内侧字段归。
高风险字段强制审核：刻字内容、加急、上传图、敏感词四类必须有人确认才能进 Excel。
行动建议
第一步：先建立 4-6 个核心字段（颜色 / 字体 / 文本 / 位置 / 尺寸 / 包装）。
第二步：每个核心字段配 1 个审核策略——「什么情况必须人工看」「什么情况可以自动通过」。
第三步：用近期 20 条真实订单跑一次完整清洗，对比清洗前后的 Excel——这是评估系统的最快办法。
第四步：把清洗规则写到「业务约定」文档里，新人接手时半天能理解。