咪蒙事件一出来，我后背的汗毛都竖起来了。不是为她，是为我自己手里这摊子 SaaS 业务。我们给那些实体店老板做私域流量工具，说白了就是帮他们在微信里建群、发内容、做裂变。以前觉得内容审核是平台的事，现在明白了，平台一旦收紧，第一个死的就是我们这种提供工具的。那些老板，尤其是医美、保健品、金融这些行业的，脑子里根本没有“合规”这根弦。他们觉得私域就是法外之地，什么“一针见效”、“绝对保本”、“内部渠道”这种词，随手就打出来了。他们号被封了，顶多骂骂咧咧再买一个。但微信的风控是链式的，一旦追查到内容是从我们 SaaS 后台的域名发出去的，整个域名池都可能被拉黑。那就不是死一个客户，是所有客户的业务瞬间瘫痪。这个风险，我担不起。
所以，必须把合规防御拉到最高级别，而且是自动化的。不能再依赖人工抽查，那纯属扯淡。我的思路是两层：第一层，本地部署一个超大规模的敏感词正则匹配库。这个库不能只用网上流传的那些基础版，得自己养。我写了个爬虫，专门去爬各大投诉平台、网信办公告、还有那些已经被封杀的微商朋友圈截图，用 OCR 识别文字，再人工复核，提取出新的高危词汇和变体（比如用符号、谐音、拆字）。这个库现在有快四万个词条，每天还在更新。正则匹配的优势是快，毫秒级响应，能拦住大部分明显的雷。
但光有正则不够。有些内容，单看词汇没问题，组合起来的意思就极其危险，或者玩高级黑、隐喻。这就需要第二层：接入大厂的 NLP 文本合规 API。我对比了百度 AI 和腾讯云的 Text Moderation API，最后选了腾讯的，毕竟在微信生态里，用他们自家的服务可能更“懂”他们的审核规则。对接过程就是标准的 API 调用，但坑不少。首先是频率限制和成本，客户每天产生的内容量很大，全量送审费用扛不住。所以我做了个策略：本地正则库先筛一遍，只有那些匹配了中低风险关键词组合，或者句式结构可疑的文本，才会触发第二层 API 深度审核。这叫防御性编程，得控制成本。
调试阶段最折磨人。我模拟了各种极端案例去测试，比如把一段明显的涉政隐喻拆成好几段发，或者用行业黑话描述违禁服务。API 的返回结果里有标签和置信度，比如“政治敏感”、“暴恐”、“色情低俗”、“广告营销”。我需要设定一个阈值，置信度超过 70% 的直接拦截并记录，50%-70% 的标记为可疑，转人工复核队列（虽然这个队列基本没人看，但流程得有）。这里还涉及文本特征向量化的问题，简单说就是 API 会把文本转换成数学向量，然后和它的风险模型做比对，这个过程我们不可见，只能相信大厂的算法。
昨天下午，系统报警了。一位做医美的客户，在编辑群发文案时，输入了这么一段：“本院引进韩国最新‘僵尸细胞活化术’，一针下去，皱纹全消，效果永久，无效全额退款，这是国家不允许公开的技术，仅限前十名。” 本地正则库先命中了“永久”、“全额退款”、“不允许公开”这几个风险词组合，触发了 API 送审。三秒后，API 返回结果：标签“广告营销-虚假夸大”，置信度 92%。系统自动拦截，文案被打回，后台记录了一条高危日志，并给客户站内信提示“您的内容可能违反平台规定，请修改”。
看到拦截成功的那条日志时，我靠在椅子上，长长地、长长地出了一口气。这不是技术上的胜利，这是一种劫后余生的庆幸。我知道，这只是万里长征第一步，审核规则会变，对抗会升级，成本压力一直都在。但至少此刻，我给自己和客户，筑起了一道看得见的防火墙。在微信的生态里讨饭吃，就得比平台更紧张，更怕死。这种如履薄冰的感觉，大概会伴随我的整个创业生涯。
