采集回来的内容上线前，敏感词过滤和人工审核的顺序怎么排

采集回来的内容上线前，敏感词过滤和人工审核的顺序怎么排？顺序应当是先落草稿、再跑敏感词过滤与关键词替换、然后交人工审核、最后才切正式文档。规则层处理确定性的问题，人工层处理判断性的问题，让机器先过滤一遍，人只看不确定的部分，整条链路的返工量才会降下来。AnQiCMS 的内容采集把来源内容落到草稿状态，就是为了让这个顺序有条件执行。

为什么不能直接发布

采集回来的内容有三个固有风险：来源本身的质量参差、可能带着旧口径或已失效的信息、以及不合规表述。如果一步就发成正式文档，这三个风险会同时进入公开页面，还会被站点地图收进抓取列表，事后删除要等搜索引擎更新缓存，回滚成本远高于先审后发。

草稿状态在这里是必需的中间层。AnQiCMS 的文档状态分为正式文档、草稿、待发布和回收站四种，草稿可以带 preview 参数生成预览链接给审核人看，不必先把内容暴露给公开收录。采集的产出物默认落在这层，风险面就缩小到后台。

规则层先跑，跑的是哪几件事

内容安全设置里的敏感词过滤与关键词替换属于规则层。它擅长处理有明确清单的问题：违禁表述、联系方式残留、竞品名称的错误写法、来源页面留下的推广话术。规则层的输出是可复现的，同一条词库今天扫和明天扫结果一致，这决定了它可以被批量执行。

顺序上把规则层放在人工前面有两个好处。一是省人力：把机器能判断的脏字先清掉，编辑只需要看剩余部分。二是给人工一个稳定的输入：如果人先读完再跑替换，替换动作会把人已经确认过的文本改掉，等于人看的不是最终发布的那一版。

规则层跑完后要留一份命中记录。命中率高不高、哪些词频繁触发，是下一轮调整词库的依据；没有记录的话，词库只能靠感觉增删。

人工层看的是规则层看不了的三件事

• 事实是否成立：来源里的数据、版本号、价格与时间是否还有效，要不要更新表述。
• 口径是否统一：同一件事在本方站点上是不是和已有文章的说法一致。
• 结构是否可用：正文段落能不能被单独引用，标题是不是用户会问的那句话。

这三件事都要靠判断，规则层做不到。人工审核要给出的是明确结论而不是「看着改」，通过就进下一状态，不通过就写明是删掉、改写还是退回来源站不用。

状态流转与误删的兜底

审核通过的稿件走定时发布安排上线时间，时间因子让同一批采集内容有节奏地放出，而不是当天一次性推满，避免批量内容同时涌入抓取队列。

删除操作要按可恢复的方式设计。AnQiCMS 里删除正式文档是移入回收站而不是物理删除，误删可以在回收站找回；这一步的价值在于让审核人敢做删除决定。真正清空回收站前，先确认备份里存着当次的数据和静态文件。

常见问题

能不能跳过规则层直接人工看？ 小批量可以，大批量会把人困在机械活上；词库已经存在时，先跑规则再人工更省时间。

批量导入的内容能不能套用同一顺序？ 可以，压缩包和表格导入同样先落草稿，再按词库和人工两条检查走；差别只在字段和图片要先核对。

规则层误替换怎么办？ 保留命中记录和替换前的原文，用全站替换工具做定点修正比重新采集更快；词库每次改动都要留版本，方便回退。