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,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
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。

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。

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。
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
- 下一篇
- CNCF 项目毕业后怎样读懂维护和生态信号
-
- 科技周边 · 人工智能 | 21分钟前 |
- Transformers generate 怎样返回每步生成分数并定位异常输出
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 28分钟前 | 人工智能 · 多模态 · token 视觉模型 detail 多图输入 Vision API
- 视觉模型输入多张图片时怎样控制顺序和细节级别
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 29分钟前 | 人工智能 · 提示词缓存 prompt_cache_key 稳定前缀 动态输入
- 提示词缓存怎样拆分稳定前缀和动态输入
- 419浏览 收藏
-
- 科技周边 · 人工智能 | 34分钟前 | 多模态输入 Gemini API Files API MIME 类型
- Gemini API 怎样把文件输入和文本提示放在同一请求
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 34分钟前 | 人工智能 · padding Transformers tokenizer attention_mask input_ids truncation
- Transformers tokenizer 怎样让 padding 与 truncation 对齐批量输入
- 416浏览 收藏
-
- 科技周边 · 人工智能 | 35分钟前 |
- Hugging Face Datasets DatasetDict 跨 train 与 validation 的 map 处理方案
- 267浏览 收藏
-
- 科技周边 · 人工智能 | 40分钟前 | 人工智能 · 结构化输出 · JSON Schema Responses API Structured Outputs strict refusal
- 结构化输出怎样约束模型返回 JSON Schema
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 44分钟前 | 人工智能 · openai · 工具调用 Responses API function_call_output call_id
- Responses API 怎样处理工具调用后的继续响应
- 156浏览 收藏
-
- 科技周边 · 人工智能 | 45分钟前 | 人工智能 · openai · 多轮对话 Responses API conversation state OpenAI API previous_response_id
- Responses API 怎样用上一轮响应继续多轮对话
- 121浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- GPT-Live双工语音会话接入后端
- 470浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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
- 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
- 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
-
- 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
- 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
-
- Go 1.24 泛型类型别名实战:重构公共 API 时别把类型体系改乱
- 2026-06-01 339浏览
-
- Go 1.23 iter.Seq 怎么设计遍历 API:何时返回切片,何时返回迭代器
- 2026-07-15 234浏览
-
- Go Client 配置怎么设计:Functional Options 什么时候适合用,什么时候不值得
- 2026-07-16 454浏览
-
- Go 1.24 泛型类型别名怎么落地:迁移旧 API 时的兼容边界
- 2026-07-27 335浏览
-
- Go 泛型函数如何设计可读的约束:类型集、接口方法与调用方推断边界
- 2026-08-25 242浏览

