抖音文案违规检测

发布前扫描口播稿，找出可能触发抖音限流/禁言/下架的文案风险。它是版本化启发式筛查，不是抖音官方审核器，也不承诺发布结果。

核心理念

抖音审核不是"有敏感词就违规"的简单匹配——同一个词在引用、否定、专业术语等语境下完全合法。过度标记比漏标更糟：如果每次检测都报一堆低风险，用户会养成忽略报告的习惯，真正的高风险就被淹没了。所以宁可漏标也不误标——只标记真实风险，不确定的标低风险并注明原因（高风险类别除外，见评分规则）。

不适用场景

• 视频画面违规（水印、低俗画面）→ 本 skill 只管文案
• 其他平台（小红书/知乎等）→ 词库针对抖音，其他平台规则不同
• 法律合规审查 → 这是平台规则检测，不是法律审查
• 缺少文案内容 → 停下来，告诉用户需要提供文案文件或文本

工作流

1. 读入文案

接收文案来源（文件路径或直接文本），提取纯文本内容。

• 完成条件： 拿到纯文本字符串
• 如果无法获取文案内容 → 停下来，告诉用户需要提供文件路径或直接粘贴文本

2. 按9类扫描

先读取 references/ruleset.json。scan time 超过 expiresat 时在报告写 rulesetwarning: STALE 并安排复核，但不因规则过期自动阻断文案；只有命中明确未解决高风险或扫描根本无法完成时才 REVISE_REQUIRED|BLOCKED。再按 references/keywords.md 词库逐类扫描，每类独立评分。

• 完成条件： 9类全部扫描完毕，记录所有匹配项及其上下文

3. 输出报告

当参数含 --episode episodes/<slug> 时，报告只能写入 episodes/<slug>/02-违规报告.md，并以以下 frontmatter 开头；script_hash 是该期 01-口播稿.md 的 SHA-256。任何改稿都必须重跑本步骤，不能复用旧报告。

---
script_hash: <sha256>
risk_status: CLEAR # CLEAR | REVISE_REQUIRED | BLOCKED
unresolved_high_risk_count: 0
ruleset_version: douyin-text-risk-2026-07-11
ruleset_reviewed_at: <复制 references/ruleset.json reviewed_at>
ruleset_expires_at: <复制 references/ruleset.json expires_at>
scan_completed_at: <ISO-8601>
platform_guarantee: false
---

## 违规检测报告

**文案**: {文件名或前20字}
**整体风险**: 🟢当前规则集未发现未解决高风险 / 🟡低风险 / 🟠中风险 / 🔴高风险

### 发现问题

| # | 类别 | 风险 | 原文片段 | 建议替换 |
|---|------|------|---------|---------|

### 统计
- 高风险: X处 | 中风险: X处 | 低风险: X处
- 总扫描字数: X字

### 建议
{高风险>0 → 建议不发布；中风险 → 给修改建议；低风险 → 提醒；无问题 → 明确“当前版本规则集未发现未解决高风险，不代表平台保证”}

• 完成条件： 报告包含所有匹配项、统计、建议

riskstatus 是给 bianpai 的机械结论：明确高风险且未解决时写 REVISEREQUIRED；扫描根本无法完成时写 BLOCKED；其余写 CLEAR 与 unresolvedhighriskcount: 0。规则过期用 rulesetwarning: STALE 提醒，不自动把 CLEAR 改成 BLOCKED。必须复制 ruleset 版本/复核/到期时间、实际 scan time，并写 platformguarantee: false。不得只靠 scripthash 让报告放行。

4. 给出修改版（可选）

用户要求时，直接给出修改后的文案，用 [原词→新词] 标注改动位置。

操作规则

跨步骤的全局约束——在扫描和输出时都必须遵守：

匹配方式

• 关键词精确匹配：引流词、极限词等直接匹配
• 模式匹配：数字+收益（如"月入3万"）、联系方式模式（微信号、手机号）
• 变形词归一化（扫描前置）：抖音规避手段常用谐音字/符号插入/全角半角绕过检测。扫每类前先把文案归一化再匹配——谐音变体（薇信→微信）直接查 YL 词库列出的变体；全角字母（ＶＸ）转半角；容忍词内插入 0-3 个非汉字符号（加★微★信→加微信）。详见 references/keywords.md「变形词归一化规则」。拼音首字母/拆字等激进变形暂不检测（口播场景罕见，过度检测误伤正常词）。

上下文豁免

同一个词在不同语境下风险不同。以下情况不算违规，不要误报：

❌ 差（误报）： "他说这个工具月入百万" → 标记为 YL-FIN 高风险 （这是引用他人观点，不是收益承诺）

✅ 好（正确豁免）： "他说这个工具月入百万" → 不标记（引用语境豁免）

豁免条件：

• 引用/转述他人观点（"有人说XXX"）
• 客观陈述事实（"这个工具月活1000万"）
• 否定句式（"不要相信月入百万"）
• 专业术语（"第一性原理"）

宁漏勿误原则

❌ 差（过度标记）： 每个"最"都标高风险 → 用户学会忽略报告 → 真正的高风险被淹没

✅ 好（精准标记）： "最好的AI工具"在教程推荐语境 → 标低风险 + 注明"教程推荐语境，实际风险低" "加我微信xxx123" → 标高风险（明确的引流行为）

仅当语境不确定且即使最不利解释也不构成高风险时，标“低风险”并注明原因；若不确定性涉及引流、承诺、资质、医疗/金融或其他高风险类别，按上文写 REVISE_REQUIRED，不得用低风险降级。

评分规则

与其他 skill 的关系

• 写完口播稿后、发布前跑一次 laohan-weigui
• 可在 laohan-cheat 流程中加一步"违规检测"（publish前检查）
• 与 laohan-chuangzuo 独立，可在创作流程的任何节点单独调用

词库维护

词库的价值来自用户的实际限流经验——被限过一次的词，比猜的100个词都有用。

• 词库文件：references/keywords.md
• 规则清单：references/ruleset.json；至少每90天或出现真实平台处罚后复核
• 每次使用时提示："如果之前有被限流的经验，告诉我具体关键词，我加入词库"
• 加入时记录来源（哪个视频被限、平台反馈了什么），方便后续判断规则是否过时