去年第三季度，我们一个家居类目店铺被亚马逊合并了两个 Listing：一个是我们的，评分 4.3、评论 187 条；另一个是竞品的，评分 3.9、评论 60 多条。合并后页面显示 4.1 分，48 小时内我们的转化率从 11.4% 掉到 6.8%。排查了三天广告、库存、Review 政策，最后定位到最不起眼的地方，UPC：我们从一家低价码商买的批次里，有 17 个 UPC 和另一个卖家的在售商品码完全一致。
那次事故直接损失约 4.2 万元销售额，间接的品牌评分损失到现在还没完全恢复。
从那以后，我把 UPC 的选择标准从”便宜、能过审”升级成一套可核验的编码规范评估流程，并在后续 6 个店铺、约 1200 个 SKU 的上架中反复打磨。这篇文章不讲 GS1 百科词条，只讲我真正用来判断一个 UPC 能不能用、一个供应商值不值得合作、一批码要不要退货的评估逻辑，以及这套逻辑怎么落到真实的选品和上架动作里。
如果你只有 30 秒，记住下面三句话就够了。UPC 选型的第一原则不是便宜，而是”前缀归属可追溯”；唯一性不是靠码本身保证的，而是靠你的内部编码体系；校验位必须自己会算，不能相信任何供应商的口头承诺。
很多卖家的选型逻辑是”先看价格、再看渠道、最后才考虑合规”，这个顺序是反的。UPC 一旦上了渠道后台、被平台绑定到品牌，后续替换的成本远高于当初省下的那点钱。
我在 2022 年帮一个朋友处理过一批”9 分钱一个”的 UPC。这批码来自某个第三方码池，扫出来格式完全正常，12 位、校验位也对。但亚马逊在品牌备案校验时发现，这些码的 GS1 公司前缀属于另一家已注销的美国公司，要求 14 天内提供 GS1 证书或授权函。结果 260 个在售 SKU 全部被下架，重做 Listing 花了 5 周。
判断标准很简单：一个合法的 UPC，必须能沿着 GS1 公司前缀追溯到一家真实存续的企业实体。拿不到这个追溯链的码，无论多便宜都是负债。
GS1 只保证”全球不重复分配”，它不保证你的运营动作不重复使用。我见过最典型的翻车场景是：一个 SKU 卖不动，运营把它的 UPC 挪给新品用。这在系统里看着省事，但渠道后台会认为”这是同一个商品换了信息”，轻则触发 Listing 编辑权限审核，重则直接把两个商品的评论和销售历史混在一起。
所以真正要建立的不是”选码标准”，而是”码的生命周期台账”：谁分配、分配给哪个 SKU、什么时候作废、作废后是否永久封存。UPC 一旦分配给某个 SKU，即使这个 SKU 停产，这个码也应当永久作废，不再复用。
校验位是 UPC 里唯一一个你能在 30 秒内独立验证真伪的部分。它不能证明码合法，但它能筛掉相当一部分粗制滥造的假码和抄错一位的码。我在供应商初筛环节用一段 11 行的 Python 脚本，把 2000 个码的初筛时间从 3 小时压到 40 秒，筛掉了 6.3% 的格式错误码。
要理解评估标准，先要理解 UPC 在整个链条里的位置。它不是一张贴在包装上的图片，而是一串贯穿”工厂，品牌方，渠道，消费者”的身份主键。
GS1 是全球商品条码的分配机构，它不直接给单个商品发码，而是给企业发”公司前缀”（Company Prefix），企业再基于前缀自行分配商品参考号。前缀长度为 6 到 10 位，前缀越短、可分配的商品数量越多，年费也越高。
我们常见的 UPC-A 是 12 位，结构上是：1 位系统码 + 5 位厂商码 + 5 位商品码 + 1 位校验位。而 GTIN-12、GTIN-13、GTIN-14 则是同一套数字在不同包装层级上的表达形式，本质上是同一个体系。
这里有个实操要点：亚马逊后台要求填的 GTIN，通常就是 UPC-A 的 12 位；而沃尔玛的 Item 360 系统更倾向接受 GTIN-12 或 GTIN-13 的完整表达。同一个商品在不同渠道填的位数可能不同，但底层数字必须一致，否则渠道之间的数据同步会断。
很多卖家第一次接触 EAN-13 时会慌：”我买的是 UPC，欧洲站要求 EAN，是不是要重新买码？”答案是不用。UPC-A 前面补一个 0，就是合法的 EAN-13。这个换算在数学上完全等价，渠道系统也能正确识别。
但 UPC-E 就不一样了。UPC-E 是 8 位的压缩码，只适用于厂商码和商品码满足特定规则（大量前导零）的情况，而且它是 UPC-A 的一种”压缩表示”，不是独立的一类码。如果你手上拿到的是 8 位 UPC-E，第一件事是确认它能否还原成 12 位 UPC-A，不能还原的，基本可以判定来源有问题。
这是我在多平台运营中体感最强的一点：同样一个 UPC，在 A 渠道随便过，在 B 渠道可能直接被拦。渠道端的校验强度直接决定了你的选型标准要卡到多严。
| 渠道类型 | 主要校验动作 | 对前缀归属的要求 | 我的实际感受 |
|---|---|---|---|
| 北美头部综合电商 | GTIN 合法性校验 + 品牌关联校验 | 要求与备案品牌所有者一致 | 最严，会追溯 GS1 记录 |
| 北美大型连锁零售 | GTIN + 商品数据同步（GDSN） | 要求提供 GS1 证书 | 流程长，但一旦通过很稳定 |
| 区域型商超 | 格式校验为主 | 多数只看位数和校验位 | 宽松，但后续上架谈判会被查 |
| 独立站 / 自建店铺 | 基本不校验 | 无 | 自由度高，但也意味着没有背书 |
下面这六条，每一条我都付过学费。我把它们按”损失金额”排序，从大到小讲。
最常见的心态是”12 位数字就行”。但 12 位只是一个必要不充分条件。位数对但校验位错的码，占我筛掉的问题码里的 60% 以上；而校验位对但前缀不可追溯的码，占比约 40%，风险却高得多。
更隐蔽的是”抄错一位”的情况。手工从 Excel 复制到渠道后台时，把 6 看成 8、把 0 看成 O，表面上看不出问题，上架后才发现条码扫不出来。凡是经过人工环节的 UPC，都必须再过一遍自动化校验。
我接触过的码商里，至少有一半自称”GS1 官方授权经销商”。但 GS1 的授权体系里，”经销商”和”码的所有权”是两件事，经销商卖给你的可能是合法码，也可能是从别处回收的二手码。关键不是他是不是授权经销商，而是这批码的 GS1 前缀注册主体是谁、这个主体是否允许你使用。
验证方法很朴素：用前缀反查 GS1 的公开注册信息，看注册企业名、注册地、注册状态。如果供应商无法说出前缀归属主体，或者归属主体和你没有任何合同关系，这批码的合法性就是悬空的。
一码一品说的是”一个 GTIN 对应一个最小销售单元”。但在多站点运营里，很多卖家会把同一个 UPC 用到不同站点的不同变体上，认为”反正是我的商品”。
这在渠道系统里是明确的违规动作。颜色、尺寸、口味、容量这类变体，每一个都必须有独立的 GTIN。如果你只有一个 UPC 却要上 5 个颜色，正确做法是购买更多商品码，而不是复制粘贴。
UPC-A 的第一位在北美体系里承担特定含义：0、1、6、7、8 用于常规零售商品，2 用于店内称重商品，3 用于药品，4 用于店内内部码，5 用于优惠券。
我见过有卖家为了”不花钱多造几个码”，把第一个 0 改成 2 或 3，人为制造一个”新 UPC”。这类码一旦被渠道的品类规则识别出来，轻则上架失败，重则被判定为数据造假。指示码是分类字段，不是可自由编辑的自增位。
校验位是整个 UPC 里最”便宜”的一道防线，却也是被忽略最多的一环。它只需要一行数学运算，就能筛掉大量格式污染码。我在供应商初筛环节把它作为硬门槛，不通过的直接整批退，不和供应商讨论。
理由很直接：如果连校验位都过不了，说明这批码的生产或导出过程没有任何质量控制，那后面的唯一性、生命周期管理更不可能可靠。
UPC 最终要印在包装上被机器扫描。数字对但印刷不合格，一样是废码。这里面有几个硬指标：条空对比度、静区宽度、最小条宽（X-dimension）、整体符号等级。
我曾经有一批货因为包装工厂把条码缩放到原尺寸的 80%，导致沃尔玛 DC 收货时扫描失败率超过 30%，整批货在收货口滞留了两天。条码印刷的校验等级通常要求达到 ANSI 分级 B 级以上，且静区左右各留足 9 倍最小条宽。
踩完这些坑之后，我把 UPC 评估拆成四个层次。每一层解决一个独立问题，层与层之间不重叠，这样可以按需选择评估深度，而不是每次都做全量尽调。
这一层只回答一个问题：这串数字背后的公司前缀，归属于谁？这个主体是否真实存续，是否与你有合法的使用关系。
判断动作包括：提取 UPC 的前 6 到 10 位公司前缀；查询 GS1 公开注册信息；核对注册企业名称、注册状态；确认你与该企业之间存在采购合同、品牌授权或同主体关系。
这一层是唯一一层”不通过就必须整批放弃”的硬门槛。其他三层都可以通过流程补救，只有这一层补不了。
结构层是纯技术校验，可以用代码自动化完成。它包含三个检查项：总长度是否为 12 位、校验位是否匹配、第一位指示码的取值是否落在合法范围。
我把这段逻辑封装成一个脚本，对接采购单的 CSV 文件批量跑。下面是核心的校验位算法实现：
def upc_check_digit(eleven: str) -> int:
"""输入 UPC-A 前 11 位，返回第 12 位校验码"""
if len(eleven) != 11 or not eleven.isdigit():
raise ValueError("UPC-A 前 11 位必须是纯数字")
total = 0
for i, ch in enumerate(eleven):
d = int(ch)
奇数位（下标 0,2,4…）权重为 3，偶数位权重为 1
total += d * 3 if i % 2 == 0 else d
return (10 – total % 10) % 10
def validate_batch(rows):
"""批量校验采购单，返回 (可用码, 问题码清单)"""
ok, bad = [], []
for row in rows:
code = str(row["upc"]).strip()
if len(code) != 12 or not code.isdigit():
bad.append((code, "长度或字符集错误"))
continue
if upc_check_digit(code[:11]) != int(code[11]):
bad.append((code, "校验位不匹配"))
continue
if code[0] not in "012345678":
bad.append((code, "指示码非法"))
continue
ok.append(code)
return ok, bad
这段脚本我跑了两年多，最直接的价值是：把 2000 个码的初筛从人工 3 小时压到 40 秒，并且零漏检。供应商如果连这一层都不愿意配合，基本可以直接排除。
这一层管的是”码用多久、怎么退役”。核心规则有三条：一个 UPC 永久绑定一个 SKU；SKU 停产时 UPC 同步封存；封存后的 UPC 不进入任何复用池。
为了让这三条规则能落地，我在内部编码台账里加了三列：分配日期、绑定 SKU、状态。状态只有”在用””停用””封存”三种，封存是不可逆状态。
这套机制看起来笨重，但它解决的是一个很现实的问题：当团队里有人离职、有人为了 KPI 走捷径时，制度是唯一能兜住的东西。我经历过一次运营离职后把 30 多个 UPC 状态搞乱的情况，正是因为有台账，两天内就全部校准了。
最后一层最容易被忽略：UPC 在渠道后台、自己的 ERP、以及 GS1 的数据同步网络里，必须保持完全一致。任何一处不一致，都会在某个时点变成问题。
典型的失败场景是：你先在渠道后台填了 UPC，后来在 ERP 里改了一个字符，两边的商品数据就对不上了。渠道的抓取系统会认为这是”信息篡改”，触发人工审核。
我现在的做法是：UPC 以内部编码台账为唯一真源，渠道后台和 GDSN 都是它的下游，任何修改先从台账发起，再同步出去。
框架讲完，讲落地。这一节我用自己店铺的真实流程，以及我在数据平台上做竞品观察的方法来说明。后者我用的是数跨境（https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），它帮我做的是外部视角的补充，我自己看自己永远看不出问题，看竞品才能发现模式。
我把 UPC 从采购到上架拆成五个卡点，每个卡点都有明确的通过条件和责任人。任何一个卡点不通过，码就不会进入下一个环节。
这五个卡点里，第 2 和第 3 个是收益最高的。格式校验卡住的是低质量供应商，台账分配卡住的是内部管理漏洞，两者加起来能挡掉我 90% 以上的历史问题。
内部流程只能防守，看不出品类层面的规律。我在做新品选品时，会借助数据平台去看同类商品在条码层面的分布特征，这里用数跨境的竞品监控和类目分析能力做补充观察。
我具体看三件事。第一是同一品牌在同类目下的 SKU 密度，密度高说明该品牌大量使用变体策略，意味着它的 UPC 消耗量很大，这类品牌的码管理通常更规范。第二是新品上架节奏，短时间内大量新品上架的品牌，往往是在用码段批量铺货，这类商品的条码质量需要额外警惕。
第三点最有意思：观察同一商品在不同渠道的价格与上架状态差异。如果一个商品在某个渠道的表现长期明显弱于其他渠道，同时又频繁出现 Listing 信息变动，我会怀疑它的条码体系存在结构问题，这反而是我可以切入的竞争机会。
数跨境这类平台的价值不在于直接告诉你”这个码合不合法”，而在于它提供了竞品的商品结构、上新节奏和渠道表现数据，让你能反推出对方的编码管理成熟度，从而判断这个类目值不值得进、用什么节奏进。
基于过去两年 6 个店铺的运营记录，我总结了三个复用码的早期信号，出现任意一个就应该立即做全量核验。
这三个信号在我做过的 3 次事故复盘中全部命中，而且都在问题爆发的 7 到 14 天前就已经出现。换句话说，复用码不是突然爆炸的，它一定会先留下痕迹，问题在于你有没有在监控它。
框架和案例都建立在具体情境上。同样是选 UPC，单店铺货和品牌型卖家的动作完全不同。下面按四种常见情况给建议。
这种情况下我的建议是：直接向 GS1 或明确可追溯的一级渠道购买最小额度码段，不要碰第三方码池。
理由不是道德层面的，而是经济层面的。测试性铺货的特点是 SKU 数量少、迭代快，一旦码出问题，你损失的不仅是这个 SKU，还有重新注册、重新上架、等待审核的时间。这部分时间成本在小批量场景里占比极高。
具体动作：先确定目标渠道，按该渠道最严的校验标准选码；采购量控制在半年用量；建立最简单的台账，哪怕只是一张带三列状态的表格。
这个阶段的核心矛盾是”码的数量管理”而不是”码的获取”。我的建议是把 UPC 管理从运营流程里独立出来，交给一个专职角色或一套系统。
关键动作有三条。第一，码段按店铺和品类做物理隔离，不同店铺不共用码段，避免交叉污染。第二，建立分配审批，任何 UPC 的重新分配都需要二次确认。第三，每月做一次全量对账，比对内部台账与各渠道后台的 GTIN 记录。
我在这类店铺上最大的教训是：不要指望靠流程文档管住人，要靠系统卡点管住动作。台账里设置了状态字段，流程上就无法分配一个已封存的码。
品牌型卖家的标准要再上一个台阶，因为渠道会用”品牌所有者”这个身份来核验你的 GTIN。
我的建议是：确保 UPC 的 GS1 注册主体与渠道品牌备案的主体完全一致。如果不一致，就需要准备完整的授权链路文件，包括采购合同、品牌授权书、与注册主体的关系说明。
这一点在旺季前尤其重要。渠道的审核团队在大促期间处理效率会明显下降，一份需要补交的材料可能让你的新品错过整个大促周期。我的做法是提前 60 天完成所有码的归属核对。
这是最难受的情况，也是最常见的。我的建议是先做分层，再决定处置方式，不要一刀切全换，也不要一刀切不管。
替换顺序不要按时间，要按 SKU 价值。把有限的精力放在贡献 80% 销售额的那 20% 的 SKU 上，这个原则在任何资源受限的整改场景里都成立。
选型本质上是一组取舍。没有”最好的方案”，只有”在你的约束条件下最合理的方案”。我把最常见的三组取舍摆出来。
自己向 GS1 注册前缀，优点是归属清晰、可无限扩展、渠道审核几乎零风险；缺点是前期成本和年费固定投入较高，对年 SKU 数量少的卖家不划算。
采购现成码，优点是灵活、门槛低、按需购买；缺点是归属链复杂，一旦上游出问题，你的所有商品都可能被牵连。
我的判断分界线是年新增 SKU 数量。如果一年新增 SKU 超过 200 个，自己注册前缀的边际成本会快速下降，长期算下来更划算。低于这个量级，采购可追溯的码段是更经济的选择。这个数字不是绝对标准，但它是我在多个店铺实测后的经验分界点。
我见过太多团队在这个取舍上选错方向。他们的逻辑是”先便宜用着，出问题再说”，但 UPC 的问题特点是：不出问题时成本几乎为零，出问题时成本高到影响整个店铺。
这是一种典型的”低频高损”风险。对这类风险，正确的做法是不按期望值算账，而是按”能不能承受最坏结果”来决策。一个 UPC 省 5 毛钱，1000 个 SKU 省 500 块；但一次下架事故的损失是几万块，这个账其实一点都不难算。
如果已经有一批存疑码，全面整改看起来最干净，但实际执行中会带来另一个问题：大量 Listing 同时变更，可能触发渠道的异常行为检测，反而引起更多审核。
我倾向渐进式替换，但要有明确的节奏。按 SKU 价值排序，每周替换一个批次，同时保持对已替换商品的监控。整改的目标不是”把风险清零”，而是”把风险控制在自己能承受的范围内，并且不再新增”。
这两者的差别很大。追求清零往往导致动作过猛，追求可控则允许你保留一部分低风险的历史包袱，把资源集中在真正重要的地方。
回过头看，我最初把 UPC 当成一个采购问题，后来发现它其实是一个治理问题。采购问题关心的是”这批码多少钱、能不能用”，治理问题关心的是”这套编码体系在未来三年能不能支撑我的业务扩张”。
三个我认为最重要的判断，再重复一次。第一，前缀归属可追溯是唯一不可谈判的硬门槛，其他都能补救，这一个补不了。第二，唯一性来自你的内部台账而不是码本身，没有台账的团队一定会出复用事故。第三，校验位要自己算，这是成本最低、收益最高的一步，没有理由不做。
如果你现在就要动手，我建议按这个顺序走：今天先把手上所有 UPC 跑一遍格式校验，把校验位错误的挑出来；这周内提取所有前缀做归属分组，识别出无法追溯的那一批；这个月内在内部建一张带状态字段的编码台账，把”封存”列为不可逆状态。这三步做完，你已经避开了我踩过的大多数坑。
至于长期，我会持续把编码规范当成一个需要定期复盘的运营环节，而不是一次性任务。渠道的校验规则在变，GS1 的标准在演进，你自己的 SKU 结构也在变，唯一稳定的做法是让这套评估框架保持运转。我每周会花 30 分钟在数据平台上扫一遍竞品的新品条码结构变化，这个习惯在过去两年里帮我提前发现了至少 4 次类目级的调整信号。
上次接手一个 listing 迁移项目，供应商给的 Excel 里 UPC 看着都是 12 位数字，格式整整齐齐，我以为是没问题的。结果上架后陆续有 8% 的 SKU 报「无效条码」，我一度分不清是码本身有问题，还是平台导入环节出了错。后来才意识到，光看位数根本不算验证。
分三步自查，缺一步都不算过。第一步查字符集和位数：UPC-A 必须是纯数字且恰好 12 位，出现字母、空格、全角字符、13 位（那是 EAN-13）直接判不合格。
第二步重算校验位，这是最容易被跳过也最容易露馅的一步：把前 11 位从右往左编号，奇数位乘 3、偶数位乘 1，求和后对 10 取余，用 10 减去余数（余数为 0 时取 0）得到第 12 位，和原码比对，不一致就是假码或抄录错误。
第三步查前缀归属，拿前 6 到 10 位去 GS1 的前缀查询服务核对持有人是否等于品牌方本身，转售码、生成器码在这一步基本全暴露。抽样口径建议按供应商或品类分层，每层不低于 30 个 SKU，全量能跑就跑，校验位不通过率一旦超过 1%，通常说明源头系统是批量生成的，而不是个别录入失误。
我做跨境生意，同一款产品在美国站用的是 UPC-A，欧洲站换成 EAN-13，供应商早期还塞过一批 UPC-E 的短码进来。我一直不确定这三种混用在落地案例里算不算「不规范」，会不会导致平台把它们当成不同产品，或者干脆识别不出来。
它们本质上是同一套 GTIN 体系的不同载体，混用本身不是问题，问题在于彼此能不能正确互推。判断标准有三条。一是位数与派生关系：UPC-A 是 12 位，EAN-13 是 13 位，北美场景下 EAN-13 就等于在前面补一个 0 的 UPC-A，如果两边对不上，说明有人手工改过码。
二是 UPC-E 必须能唯一展开回 UPC-A：UPC-E 结构是「系统位 + 6 位数据 + 校验位」共 8 位，展开规则由第 6 位数据位决定，取值为 0/1/2 时展开成前段带 0000 的形态，为 3 时插入五个 0，为 4 时插入五个 0 的位置后移一位，为 5 到 9 时把末位挪到末尾补 0000，展开后重算的校验位必须和原码一致，否则这个短码是废码。
三是三处一致：包装印刷、后台目录、平台商品页填写的码应该完全一致，任何一处不一致都会在后续对账、比价、库存同步时炸出来。评估案例时，把这三条做成一张对照表逐行打勾即可，比笼统说「符合规范」有说服力得多。
我们内部评审过一个供应商的条码治理案例，位数过了、校验位也过了，会上大家都觉得没问题。结果上线后合并变体时冒出两条不同产品共用一个码，被平台判成重复 listing 直接下架了一批链接。那次之后我才明白，「规范」不只是码对不对，还有码怎么被分配。
三个高频坑，按踩坑概率排序。第一是 GTIN 复用：把同一个码先给 A 产品、停售后又给 B 产品，或者干脆父体和某个子变体共用，GS1 的规则是 GTIN 一旦分配给具体产品，在其生命周期内不得回收再分配。
判断方法很简单，拉一张 SKU 到 GTIN 的映射表做分组计数，出现 GTIN 计数大于 1 又不属于合法的多件装场景，就是复用。
第二是前导零丢失：以 0 开头的码在 Excel 或 CSV 里会被当数字处理，导入前 0 被吃掉，码就短了一位，必须把该列强制设为文本格式再导入，这个坑在批量处理时几乎必现。
第三是变体粒度错位：颜色、尺码、容量应该各自持有独立 GTIN，而不是全挂在一个父体码上，否则平台的变体识别、评论聚合、库存分配全会乱。评估案例时，建议要求对方提供映射表原件而不是截图，重点看计数大于 1 的 GTIN 有多少个、以及这些重复是有业务依据还是纯粹偷懒。
老板让我给两家供应商的条码治理案例打分排序，我不太想写「基本合规」「较为规范」这种没法复查的话。我需要一套能算出来、能横向比、过半年还能重跑一遍的口径，不然这个评估就白做了。
建议用五个指标，每个都带检查口径。校验位通过率：用上面的算法逐条重算，期望 100%，低于 99.5% 说明存在系统性生成问题。GTIN 唯一性：重复 GTIN 数除以总 SKU 数，期望 0%，重算时要剔除合法的多件装共用场景。
前缀可验证率：能通过 GS1 前缀查询确认持有人与品牌方一致的 SKU 占比，这一项低于 80% 基本可以判断码来自转售或生成器。变体映射正确率：颜色尺码等变体各自独立 GTIN 的比例。跨处一致率：同一 SKU 在包装、后台目录、平台商品页三处的码完全一致的比例。
打分时把样本量、检查时间、判定阈值一起写进去，比如「抽查 200 个 SKU，10 月 12 日执行，校验位通过率 100%」，这样两家供应商之间、以及同一家不同批次之间才能真的比出差异，也方便下一次复检时对齐。
读者评论
关于前缀追溯，我补充一个实际碰到的麻烦：在GS1公开查询里反查前缀，有些成立时间早的注册主体信息更新很慢，地址和状态经常对不上，光靠公开信息很难判定。后来我改成要求供应商提供前缀归属企业的授权链路文件，宁可多等一周。但这样一来，合规码的采购成本基本是低价码池的三到五倍，对小批量测款的卖家其实很难承受，这块的取舍文章里没说透。
码的生命周期台账这个说法我认同，但落地对中小团队不太现实。我们一年上架三四百个SKU，真按每个码单独记录分配、作废、封存，人力成本比码本身贵多了。我的折中做法是同一父体下不复用、停产后至少锁一年，而不是永久封存。永久作废在执行层面容易变成台账越滚越大，最后没人维护，反而更危险。
条码印刷那部分值得单独拿出来说。我们合作过两家包装厂，问他们X-dimension和静区宽度基本答不上来，只会按设计稿等比缩放。后来只能自己出一份印刷规范给工厂，附带验收标准，DC收货前再抽检。另外校验位脚本确实好用，但我发现真正难挡的是数字对、印刷糊的情况，这种只能靠抽检，脚本帮不上忙。