深度文章出海增长

AI出海实战：给自动化管道做内容过滤，别想着把规则调到完美

做了个批量截图的小脚本，给一堆第三方网站自动截首屏，回写到自己的库里。

2026年6月15日

彭少

3 分钟阅读

来源：content-hub

做了个批量截图的小脚本，给一堆第三方网站自动截首屏，回写到自己的库里。

有一件麻烦事。这些站里混着 AI 女友、换脸、各种擦边内容，截图要是自动上线，等于把这些东西直接挂到自己页面上。

于是加了一道过滤，截完之后读网页文本，命中敏感词就拦下来。听着比较简单，结果来回改了六七轮。

关键词分不清一个站是在提供，还是在禁止

第一版很直接，准备一个词表，nsfw、porn、adult、undress 之类，页面文本里出现就拦。

跑完一看，误杀一片。

一个老实的 AI 写书工具被拦了，因为它页面上写了 young adult，青少年读物的分类。一个干净的视频生成工具也被拦了，翻出来一看，命中的词在它隐私政策里，原文是禁止上传 porn 内容。

同一个词，提供这种内容的站会写，明令禁止这种内容的站照样会写。

我的第一反应是接着调词表，把误伤的删掉，把漏掉的补上。

调一轮冒一个新的，再调一轮又冒一个。改到第六轮我停了。

页面文本里的词，天生带不了这个站到底在干嘛的信息。指望一条正则把语义判准，从一开始就不现实。

最后定下来的做法很简单。

机器这一层故意往宁可错杀的方向调。漏掉一张擦边图，它就真挂到线上了；错杀一个正经站，不过是少一张截图。两边的代价差得远，那就让机器尽管多拦。

被拦下来的连同命中了哪个词，一起拼成一张审核图。人扫一眼就清楚，写书工具命中的是 young adult，放过；另一个命中的是 ai girlfriend，拦得对。

词也分两种。girlfriend、undress 这类描述功能的词，正经站基本不会写，交给机器直接拦没问题。adult、porn 这类政策里也会出现的词，只适合标出来给人看一眼，别让机器自己拍板。

识别这种内容更正规的路子，是把截图直接喂给视觉模型或者内容审核 API，让它看图判断，我抠的是页面文字，不是非常严谨。

没上视觉模型是我觉得现在这个量级用不着，关键词初筛加人工扫一眼差不多够了，后期可能考虑加上。

AI做的，几个现成轮子拼起来：