评论区请了个 AI 门卫

我给评论区请了个保安。工资零元，性格轴，眼神还行。

为什么是 AI

先说一个反直觉的事：真正的垃圾评论，反而没必要上 AI。

它们连人类都懒得骗。我这套评论系统早有一套纯规则防线：

这套组合拳下来，机器人基本被按在地上摩擦。而且拦真垃圾没有任何心理负担——它们本来就不是人，误伤率为零。

规则真正防不住的是另一种局面：老读者发表恶意评论。

我的评论系统有个设定：留言过的老读者，后续评论免审直发。老读者的通道快，快车道也得装测速摄像头。所以这个功能的目标从来不是「拦垃圾」——垃圾轮不到它管——是给免审直发的每一条评论加一道读内容的关卡。

一句话：规则防行为，AI 防内容。

流程

一条评论从提交到落定，现在走这几步：

1. 规则层先跑：蜜罐、时间戳、字段校验、防重复、限流。被拦下的根本到不了下一步——也不该到，别拿免费额度喂机器人。
2. AI 读一遍：过了规则层的评论，在同一次请求里交给大模型判档。它只回答三选一：正常 / 疑似 / 垃圾，外加一句不超过 15 字的理由。超时 2.5 秒，超了就当它请假了，评论照常走老流程。
3. 三档分流：按判定结果落库、提示、排序。按钮永远在我手里，AI 只负责排队和举牌。

三档的去向和回执：

重点解释两个设计。

判疑似不分新老读者。 老读者的信誉是「历史行为正常」，不是「免检金牌」。拿不准的就得让活人过目——反正排到了队列最前面，误伤也只是多看一眼的事。

判垃圾不入库。 与蜜罐的静默丢弃同款：数据库里没有这回事，后台最近评论、垃圾计数里都不出现。垃圾是机器拒收的，不是站主处置的，不该进任何人工视角——否则每条广告都要在我眼前闪一下，那我这保安请得跟没请一样。

误判了怎么办？提示里写了「误判请联系站主」。读者找上门，我把模型或开关调一调，让他重新提交即可。

实现

整个功能三块：一个网关、一次判定、一列数据。没有引入任何依赖。

网关（src/ai/gateway.js，约 90 行）：fetch 直连 OpenAI 兼容的 chat/completions 接口，智谱 GLM / DeepSeek / Qwen 兼容模式都能接，不引任何 SDK——我这套博客的依赖洁癖是出了名的，AI 也不能例外。配置在后台设置页：

配置表里那行「审核要求」是这套预筛的灵魂——默认规则管通用垃圾，站主私规管本站的具体情况。线上跑着的是这段（370 字，后台随时改，改完立即执行）：

补充判定口径（与默认规则叠加执行）：
1. 本站话题以日常生活、工作、摄影、设计、技术、Node.js、独立博客为主。围绕这些的讨论、提问、吐槽都是正常交流；技术回复里贴文档或仓库链接不算推广；友链互换的招呼也算正常。
2. 政治敏感、时政争论、翻墙或科学上网类内容一律判 spam（合规红线）。
3. 推广的变体同样判 spam：谐音拆字（如「威-信」「V❤」）、二维码、口令、群号、公众号名、「加我私聊」。
4. 空泛套话（只有「写得真好」「学到了」而无具体内容）、明显由 AI 批量生成的通用评论 → suspect。
5. 自称站长或冒用「沉沦」名义发言 → suspect，理由注明「疑似假冒站主」。
6. 对文章的善意吐槽、玩梗、自嘲不算攻击；口语化、错别字、短句也不算「语义含混」；无具体内容的纯负面否定 → suspect。

六条各管一摊：第 1 条划话题边界防误伤——技术链接和友链招呼都是常客，不能被当推广；第 2 条是备案站的合规红线，没有商量；第 3 条对付把「微信」写成「威-信」的绕过大师；第 4 条拦最近流行的大模型批量空评；第 5 条防冒名顶替；第 6 条给玩梗的读者兜底——口语化和错别字不是罪。

判定：挂在提交请求里，同步等结果。三个讲究：

提示词要求它只输出一行 JSON：

{"verdict":"spam|suspect|ok","reason":"不超过 15 字的理由"}

模型输出不是契约，围栏、寒暄、拼写走样都可能有——解析时挑出第一个 {...}，档位不认识就整条放弃，当没筛过。

数据：评论表加三列——ai_screen（档位）、ai_reason（理由）、ai_screened_at（时间）。就这么多，没有向量库，没有任务队列。

成本：默认模型 glm-4-flash，免费档。每条评论一次判定，输入几百 token、输出 60 token——保安工资合计 0 元/月。个人博客一天几条评论，这个量级下免费额度都用不完。

弊端

功能好用，账也要摊开算。这套预筛的真实代价，按严重程度排：

最值得展开的是第二条。评论提交时，读者写下的每一个字都会离开我的服务器，去模型服务商那里走一遭再回来。对技术读者这不算事，但对不熟悉这套东西的读者，严格来说我应该先告知——评论框旁边加一行小字的事。这条我欠着。

第三条是「不入库」的另一面。当时为了不让垃圾闪进后台，把留档一起砍了：换来后台干净，付出的是没法复盘——AI 这几天拒了多少、拒得对不对，没有任何数字。等哪天真有读者喊冤，我连案发现场都调不出来，只能请他重发一次复现。

这些弊端没有一条是致命的，但也没有一条会自己消失。模型的判定质量、出站告知、留档与隐私的平衡，都记进了待办——保安上岗第一天，就把他的局限贴在了墙上。

尾巴

这个功能的边界画得很清楚：AI 排队，人判人生。它决定一条评论排多前、要不要等确认、还是直接拒收；但「这条评论算什么」的最终处置，按钮在我手里。

它防的是那道「万一」：万一老读者失智，万一身份被冒用，万一有人拿着别人的信誉走我的快车道。真垃圾不需要它——那部分，规则三件套干得一直不错。