当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 内容审核接口返回多标签结果时怎样设计分支

内容审核接口返回多标签结果时怎样设计分支

来源:17golang原创 2026-11-16 20:42:16 0浏览 收藏

内容审核接口返回多标签结果时,最稳妥的做法不是把所有字段压成一个 if flagged,而是把它们分成三层:flagged 判断是否需要进入审核策略,categories 解释哪些类别被触发,category_scores 参与业务阈值和人工复核排序。最终分支应由你自己的风险规则决定,通常落成“自动通过、拦截、人工复核”三路。

官方地址:https://developers.openai.com/api/docs/guides/moderation

要点速览
  • flagged 是整体的潜在有害标记,不能说明具体触发了哪个类别。
  • categories 是每个类别的布尔标记,多个类别可以同时为 true。
  • category_scores 是 0 到 1 的类别置信度,适合用于业务阈值、排序和复核,不应当被当作永久不变的官方阈值。
  • 生产系统要保存触发类别、分数、输入类型、规则版本和处理结果,便于人工复核与模型升级后的重新校准。

先把三个字段的责任分开

Moderation API 的结果包含整体标记、逐类别标记和逐类别分数。官方文档说明,flagged 表示模型将输入分类为可能有害;categories 是每个类别的违规标记;category_scores 则是模型对输入属于某类别的置信度,数值范围为 0 到 1。

这三个字段的粒度不同。flagged 适合做第一道总闸门,categories 适合解释命中了哪类策略,category_scores 适合在业务内部做分层、排序或触发复核。不要因为某个分数高就跳过对 flagged 和类别规则的处理,也不要把所有分数简单相加。

多标签结果不要写成单一 if

同一条内容可能同时命中多个类别,因此决策函数需要先收集所有触发类别,再按业务优先级计算结果。一个常见的优先级是:明确需要阻断的类别先拦截;低风险或边界不确定的结果进入人工复核;没有触发规则时自动通过。

这个顺序是业务设计,不是 Moderation API 的内置结论。它的好处是把模型信号和业务动作隔开:模型负责返回结构化信号,规则层负责决定账号、内容和流程应该怎样处理。

内容审核 API 的 flagged、categories 与规则层分流到自动通过、拦截和人工复核
图1:内容审核多标签结果进入三路业务决策的静态说明图,不是运行截图。

用 categories 建立可解释的分支

categories 是字典结构,不能只读取一个固定字段。业务规则可以先提取值为 true 的键,再按规则表决定动作。例如,把需要直接阻断的类别放进 BLOCK_CATEGORIES,把需要人工判断的边界类别放进 REVIEW_CATEGORIES。这样新增类别时只改配置,而不是把条件散落在多个接口处理器里。

from dataclasses import dataclass
from typing import Any

@dataclass
class Decision:
    # action 是业务动作,categories 是可展示给复核员的原因。
    action: str
    categories: list[str]

BLOCK_CATEGORIES = {
    "sexual/minors",
    "illicit/violent",
}
REVIEW_CATEGORIES = {
    "harassment",
    "hate",
}

def collect_true_categories(categories: dict[str, Any]) -> list[str]:
    # 只收集布尔真值,避免把 None 或字符串误当成命中。
    return [name for name, value in categories.items() if value is True]

def choose_action(result: dict[str, Any]) -> Decision:
    # flagged 是总闸门信号,但具体动作仍由本地策略决定。
    if result.get("flagged") is not True:
        return Decision("allow", [])

    matched = collect_true_categories(result.get("categories", {}))
    if any(name in BLOCK_CATEGORIES for name in matched):
        return Decision("block", matched)
    if any(name in REVIEW_CATEGORIES for name in matched):
        return Decision("review", matched)

    # 总标记为真但没有映射规则时,不要静默放行,交给人工复核。
    return Decision("review", matched or ["unmapped"])

示例里的类别集合只是业务示意,不是官方风险分级。真正上线时应结合产品场景、地区规则和人工处理能力维护策略版本;未知类别进入复核,比在默认分支里自动放行更容易追踪。

category_scores 用来排序和复核,不替代总闸门

分数最大的类别不一定就是最终业务动作。一个更可控的设计是:先根据 categories 得到触发集合,再用分数回答“复核队列先看谁”“某类边界内容是否需要升级”这类问题。阈值是你自己的校准参数,例如把某类别分数区间分成低、中、高三段,并在复核结果回流后重新调整。

OpenAI 文档还说明,Moderation API 的底层模型会持续升级,依赖 category_scores 的自定义策略可能需要重新校准。因此应把阈值、模型名称、策略版本和采样日期写进审核记录,不要把阈值硬编码成无法追溯的常量。

category_scores 按业务阈值分层并记录证据后进入人工复核
图2:category_scores 与人工复核队列关系的静态说明图,不是运行截图。

复核记录至少保留四类证据

人工复核不是把原始 JSON 丢进后台就结束了。为了让复核员能够解释决策,建议保存以下信息:触发的类别键及其布尔值、对应的分数、category_applied_input_types 中适用的输入类型,以及本次使用的规则版本。官方文档说明,类别分数还会标记它适用于文本、图像或两者,这对多模态输入尤其重要。

同时记录请求标识、内容哈希或内部对象 ID,而不是把完整敏感内容长期复制到审核表。复核员需要看到的内容,应通过受控权限读取原始对象。这样既能保留排查线索,也能把审核数据的访问范围限制在必要人员内。

字段用途缺失时的处理
flagged判断是否进入策略层结果类型异常时进入失败队列,不自动通过
categories解释命中的类别缺失或非字典时按未知结果复核
category_scores排序、分层和阈值策略只做类别规则,不用猜测分数
category_applied_input_types确认分数适用的输入类型多模态场景中提示复核员谨慎判断

把异常结果和正常分支分开

如果调用失败、返回结果类型是错误,或者结果数组为空,系统不应把它伪装成“没有命中”。“未完成审核”和“审核通过”是两种不同状态,建议单独进入 moderation_error 或重试队列,并通过产品策略决定是暂缓发布、降级到人工,还是稍后重试。

对于生成内容,官方文档提示模型仍会正常生成,应用应在展示或执行后续动作之前审阅审核结果。因此,审核调用和发布动作之间要留出明确的状态边界;不要在拿到生成结果后无条件写库、推送或执行。

def normalize_result(raw: dict[str, Any]) -> dict[str, Any]:
    # 先检查结构,避免把接口异常误判为“安全”。
    if not isinstance(raw, dict):
        raise ValueError("moderation result must be an object")
    if not isinstance(raw.get("categories"), dict):
        raise ValueError("moderation categories are missing")

    scores = raw.get("category_scores", {})
    if scores is None:
        scores = {}
    if not isinstance(scores, dict):
        raise ValueError("moderation category_scores must be an object")

    # 只保留后续规则需要的稳定字段,避免业务层依赖整份响应。
    return {
        "flagged": raw.get("flagged") is True,
        "categories": raw["categories"],
        "category_scores": scores,
        "category_applied_input_types": raw.get("category_applied_input_types", {}),
    }

上线前用一张规则清单收口

  • 是否明确区分了 flagged、categories 和 category_scores 的职责?
  • 多个类别同时命中时,是否有固定的拦截、复核和放行优先级?
  • 未知类别、缺失分数、空结果和 API 错误是否不会被当成自动通过?
  • 是否保存了规则版本、模型名、触发类别、分数和适用输入类型?
  • 人工复核结果是否能回流,用于重新校准自定义阈值?
  • 模型升级后是否安排抽样复查,而不是永久沿用旧阈值?

常见问题

flagged 为 false,还要读取 categories 吗?

如果业务只需要总闸门,可以先结束;如果要做审计、统计或复核解释,仍建议保留完整的类别结果。不要把 false 理解成所有类别都永久安全,它只是本次模型结果未触发整体标记。

category_scores 超过多少就一定要拦截?

没有一条适用于所有业务的通用阈值。分数是模型置信度,业务阈值要用自己的样本、人工结论和误拦截成本校准,并随底层模型升级复查。

多标签结果可以取最高分作为唯一类别吗?

不建议。最高分可以用于排序,但会丢掉同时命中的其他类别。拦截和复核记录应保留完整触发集合,必要时再选一个主类别用于界面展示。

审核接口报错时能否先放行?

除非产品已经明确接受“审核不可用时放行”的风险,否则不应把异常当成安全结果。更稳妥的默认是暂缓、重试或转人工,并把该降级选择记录成独立状态。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
视觉模型输入多张图片时怎样控制顺序和细节级别视觉模型输入多张图片时怎样控制顺序和细节级别
上一篇
视觉模型输入多张图片时怎样控制顺序和细节级别
CNCF 项目毕业后怎样读懂维护和生态信号
下一篇
CNCF 项目毕业后怎样读懂维护和生态信号
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1054次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1054次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1219次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1161次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1004次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码