每天省下40分钟的评论区时间 - 白名单模型接入的完整流程

为什么又是评论审核？

我的个人博客流量不大，每天几十条评论。但垃圾评论的比例常年维持在30%左右——推广链接、机器灌水、无意义的复制粘贴。以前我每天早上花20分钟清理，晚上再看一遍，加起来差不多40分钟。一个月就是20个小时，相当于两个完整工作日。

手动审核的问题不只是耗时，还有滞后性：真实读者的提问要在评论区挂几个小时才被放行，体验很差。

后来我把这件事交给了 AI 白名单模型：只放行高置信度的正常评论，其余进入人工复核队列。结果是这样的：

• 人工介入时间从每天约40分钟降到约5分钟
• 正常评论的平均放行时间从数小时缩短到秒级
• 误杀率通过白名单策略控制在可接受范围内，可疑评论不直接删除，只进队列

这篇文章记录完整的接入流程，从注册到跑通第一段代码，理论上不超过30分钟。

什么是白名单模型策略

先说清楚概念。常见的审核思路是黑名单：拦截明确的垃圾内容，其余放行。白名单反过来：只有模型判定为高置信度正常内容的评论才自动放行，其余全部进入人工队列。

对个人博客来说，白名单策略有一个关键优势：误杀的代价很低。一条正常评论被误判进队列，你人工点一下放行即可；而一条垃圾评论漏放到前台，损害的是所有读者的体验。宁可多复核，不可漏放。

配合模型分层还能进一步省钱：高置信度的判定交给轻量模型处理，只有模糊地带才动用更强的模型。具体的分层配置思路，之前有文章详细聊过，这里不展开。

第一步：注册 ThisToken.AI 并获取 API Key

1. 打开 ThisToken.AI 官网，点击注册，邮箱验证即可完成账号创建
2. 登录后进入控制台，找到「API Keys」页面
3. 点击「Create Key」，给 Key 起个名字（比如 blog-comment-check），复制生成的一串密钥

注意：Key 只在创建时完整显示一次，务必立即保存到安全的地方，不要写进代码仓库。 建议用环境变量管理：

export THISTOKEN_API_KEY="sk-你的密钥"

费用方面，ThisToken.AI 采用按量计费，具体价格以官网价格页为准。个人博客这种量级（每天几十上百次调用），通常成本可以忽略不计，但建议在控制台设置一个消费上限，避免 Key 泄漏造成意外损失。

第二步：跑通第一段代码

安装依赖：

pip install openai

ThisToken.AI 的接口兼容 OpenAI SDK 格式，只需要改 base_url。下面是一段可以直接复制运行的完整代码：

import os
from openai import OpenAI

# 指向 ThisToken.AI 的网关
client = OpenAI(
    api_key=os.environ["THISTOKEN_API_KEY"],
    base_url="https://api.thistoken.ai/v1",
)

SYSTEM_PROMPT = """你是博客评论审核员，采用白名单策略。
只有限定内容才可放行：与文章相关的讨论、真诚的提问、合理的补充意见。
输出严格的 JSON：{"verdict": "pass" | "review", "reason": "一句话理由"}
没有把握时一律输出 review，不要放行。"""

def check_comment(text: str) -> dict:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        temperature=0,
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": f"待审核评论：\n{text}"},
        ],
    )
    import json
    return json.loads(resp.choices[0].message.content)

if __name__ == "__main__":
    samples = [
        "这篇文章的缓存策略部分写得很清楚，请问LRU淘汰的阈值可以配置吗？",
        "加微信xxx免费领取资料，日入过千不是梦！",
    ]
    for s in samples:
        result = check_comment(s)
        print(f"[{result['verdict']}] {result['reason']} <- {s[:20]}...")

运行：

python check.py

预期输出类似：

[pass] 与文章内容相关的技术提问 <- 这篇文章的缓存策略部分写得很...
[review] 含推广引流信息，疑似垃圾评论 <- 加微信xxx免费领取资料...

几个实现细节值得说明：

• temperature=0：审核任务要的是稳定，不是创意
• 白名单指令写进 system prompt:「没有把握时一律输出 review」，这句是降低漏放率的关键
• JSON 输出格式：方便程序解析，避免正则匹配自然语言的脆弱性

第三步：接入博客评论流程

跑通之后，把它挂进评论提交的钩子里。以典型的评论处理流程为例：

1. 评论提交 → 先过本地规则（长度、频率、关键词）挡掉明显垃圾
2. 本地规则通过 → 调用上面的 check_comment
3. pass → 直接放行显示
4. review → 进入待审队列，发通知给你

本地规则这一层很重要：它能零成本挡掉相当一部分低级垃圾，把 API 调用留给真正需要判断的内容。两层过滤之后，我每天需要人工处理的评论通常只剩三五条。

另外记得处理 API 超时和错误：审核服务不可用时，建议默认进人工队列而不是直接放行，保持白名单策略的一致性。

效率账算总账

接入前后对比：

一个月省下的时间大约是17-18个小时。对独立开发者来说，这些时间足够写一篇新文章，或者修掉 backlog 里那几个陈年 bug。而 API 成本方面，以官网价格页为准，个人博客的调用量下通常远低于你为省下时间支付的任何代价。

整个接入过程我实际花了不到半小时，其中一半时间在调 prompt。如果你也被评论区的垃圾内容困扰，现在就可以动手：注册入口在这里：https://api.thistoken.ai/register

---

想直接跑通示例？访问 https://api.thistoken.ai/register 注册 ThisToken.AI，获取 API Key 后即可开始。