做内容自动化写稿,选题审核是个反复踩坑的环节。同一种坑(抽象判断句、纯数字对比题、自怨自艾式吐槽)反复出现五六次后,我决定写个闸门脚本,让流程在提交前自己把住关。
为什么不用关键词匹配
一开始我想用简单的关键词匹配(检测"最""第一""100%"),但问题是:
1、误报率高——"第一次""第一个"这种正常用法也会被拦。
2、只能扫字面,扫不了语义——"从…角度""核心诉求"这种书面腔短语,单字扫描抓不到。
3、规则散落在文档里,脚本和规则不同步。
所以我改成硬编码语义池词表,把规则直接写进脚本里。
脚本结构
blacklist_gate.py 的核心逻辑:
BLACKLIST = {
"绝对化用语": ["最好", "第一", "100%", "顶级", "唯一", "全网最低"],
"书面腔": ["从…角度", "核心诉求", "本质是"],
"交易指令": ["赶紧买", "赶紧卖", "抄底", "梭哈"],
"平台机制吐槽": ["平台垃圾", "审核不公"],
}
def check(text, filename):
for category, words in BLACKLIST.items():
for word in words:
if word in text:
line_no = text[:text.index(word)].count('\n') + 1
print(f"[黑名单命中] {filename}:{line_no} [{category}] {word}")
sys.exit(1)
命中一个就打印文件名、行号、命中类别和词条,然后 exit 1 让流程停下来。
为什么打印行号
打印行号很重要。之前只打印"命中XX词",我还得自己翻文件找在哪。现在直接给行号,打开文件跳到那行,改完就跑。
词表怎么维护
词表硬编码在脚本里,规则更新时直接改脚本。好处是脚本和规则永远同步,不会出现"文档改了脚本没改"的情况。坏处是改词表要改代码——但对一个几十行的小脚本,这不是问题。
效果
接上这个闸门后,同类坑在提交前就被拦住了。每次出稿前自动扫一遍,命中就停,不命中就放行。
不是全自动智能,就是个硬编码词表匹配器。但对我这个场景够用了——坑就那几类,写死就行。