工作中有一个需求，就是将Google play / Apple store 里面app的描述内容做本地化语言+关键词优化，这个比较自然的就想到AI 是个很好的工具，但从流程中，比较容易想到，是很难一次prompt就完成的，正好发现了coze这个工具，可以流程化的使用LLM以及一些插件。
工作流程梳理：
输入：原始描述 / 希望添加的关键词 / 目标语言 / 目标地区 / 产品名称 / 检查语言
做一下解释，
【希望添加的关键词】: 是通过一些seo工具（我使用的semrush），希望添加的一些本地化词汇，比如竞品词之类的，这部分一般都是已经本地化的词汇了，当前主要工作是将关键词融入到翻译好的原始描述中。
【目标语言/目标地区】：希望翻译成什么语言，这里增加了一个地区，是因为在google/apple上都是对同语言的不同地区有区分的，比如Porugese(Braizl) 或者 Portugese(Portugal)，显然，这几个地区关键词明显是不同。
【产品名称】：这里特意指出，是因为可能在翻译过程中，如果你的产品词是一个比较通用的词汇，那么有一定的概率会被直接翻译成其他内容。可以特意声明这个变量，然后再prompt中声明，避免在翻译中被翻译。
【检查语言】：检查语言主要是指翻译并添加过关键词的内容，可以翻译成你熟悉的语言，再检查一遍。避免一些错误，比一些竞品词汇，比较容易被误添加为”你可以查看xxxx，来及时获取信息！“之类的，这里就没有在关键词分类中细致处理了！理论上可以做一遍关键词cluster，单独有一个prompt再处理这部分！
中间流程
Summary Keywords : 因为关键词比较多，有些重复的词汇出现（只是长尾词不同），可以做一次关键词汇总，这里的处理也是比较简单的，可以更细致的分类。
Generated Content: 这个是主要LLM一次梳理模块，将原始内容添加关键词，并做翻译。
Check Content with your languages：这里的处理是将翻译过的内容翻译成你熟悉的语言，输出一次，这样就可以做一次人工的检查，如果有需要再做一些调整。
Short description generated: 因为google play有单独的short description, 可以再走一个LLM，去生成一个短描述
整体流程图如下：
因脱敏原因，就不将具体的测试数据，和生成数据展示了！
总体而言，这个用户使用还是比较友好的，也能用到当前比较新的模型，比如chatgpt-4o，不过不知道过多久这个模型就也不”新“了，更新的令人兴奋的快速！