【Skill 测评】小红书敏感词检测利器——三层管线+四级风控，财经内容创作者的合规护航者

汤圆 · 2026 年6 月 11 日 06:54

Skill 创作帖链接

测评结论

项目	结论
综合评分	8.5 / 10
等级评定	A级 - 优秀
Skill 类型	工具型 + 工作流型（Hybrid）
核心价值	面向小红书财经内容创作者的敏感词检测工具，三层检测管线（L1精确+L2模糊+L3语义）+ 四级严重度分级 + 6大敏感词分类，合规风险防控能力突出
推荐指数	★★★★★

测评过程

第一阶段：文件结构审查

文件	作用	质量评估
`SKILL.md`	Skill主文档（触发条件+三层管线+铁律+工作流）	结构清晰，约束明确
`scripts/check.py`	主检测入口，协调L1/L2/L3三层检测	代码质量高，输出格式化完整
`scripts/wordbank_match.py`	L1词库精确匹配（正则+字符串）	支持变体词索引、白名单机制
`scripts/fuzzy_match.py`	L2变体词模糊匹配（拼音+繁体+符号）	变体检测能力全面
`scripts/content_parser.py`	内容解析器（MD/HTML/字幕/纯文本）	多格式支持，HTML卡片解析
`references/wordbank.json`	敏感词库（6大分类，100+词条）	结构化数据，含替换建议
`references/rules.md`	风控规则文档（平台审核机制详解）	内容详实，实操指导强

总计：7个核心文件，工程化程度高。

第二阶段：SKILL.md 深度分析

Frontmatter 检查：

name: xhs-sensitive-word-check
description: 清晰的触发场景描述
缺少 allowed-tools 声明
缺少 version 版本号

触发条件设计：

Agent生成笔记后自动调用
用户手动上传文案/HTML/纯文本
用户说"帮我检测这段文案"“检查敏感词”“审核内容”
修改敏感词后重新检测

三条铁律（强约束）：

禁止跳过 L3 语义审核 — L1+L2只能检测字面，L3理解上下文
致命问题必须修改后才能发布 — 存在fatal级别时不得继续发布流程
词库不得硬编码在脚本中 — 数据存放在wordbank.json

第三阶段：三层检测管线分析

层级	检测方式	覆盖场景	实现文件
L1 词库精确匹配	正则 + 字符串匹配	标准敏感词	wordbank_match.py
L2 变体词模糊匹配	拼音索引 + 编辑距离 + 符号归一化	拼音/谐音/符号替换/繁体	fuzzy_match.py
L3 LLM 语义审核	Agent语言理解能力	上下文语义、隐含荐股、合规边界	SKILL.md指令

L2变体检测能力：

符号插入检测（稳✨赚、保💰本）
繁体转换（買入→买入）
拼音变体（wenzhuan→稳赚）
谐音替换（保苯、稳zhuan）
全角半角归一化

第四阶段：敏感词库分析

6大敏感词分类：

分类ID	名称	默认严重度	词条数量
profit_promise	收益承诺	fatal	36+
stock_recommend	无资质荐股/荐品	high	25+
illegal_finance	违规金融术语/非法金融	fatal	—
absolute_claim	绝对化/夸大宣传	medium	—
traffic_redirect	导流/联系方式	high	—
crypto_illegal	虚拟币/非法金融产品	fatal	—

词条数据结构：

{
  "word": "保本",
  "severity": "fatal",
  "replacements": ["本金波动较小", "低波动"],
  "variants": ["保苯", "bao本", "保夲"],
  "context_note": "任何语境下均违规"
}

测评发现

一、触发精准度（8.5/10）

优点：

触发场景设计精准且实用，覆盖"生成后自动检测"、“手动上传检测”、"修改后重检"三大场景
触发词明确（“检测这段文案”“检查敏感词”“审核内容”），不易误触发
与小红书内容创作工作流深度绑定，场景契合度高

不足：

缺少预防性触发：如"我要发一篇关于基金的笔记"时主动提示检测，而非等生成后才检测
缺少批量检测触发：如"检测我文件夹里所有笔记"、“批量审核历史内容”
缺少对比检测触发：如"对比修改前后的合规性变化"
英文触发词缺失：如"check compliance"、“sensitive word detection”

二、逻辑完整性（9.0/10）

优点：

三层检测管线设计精妙：L1精确+L2模糊+L3语义层层递进，覆盖率极高
四级严重度分级科学：fatal/high/medium/low 对应不同的处理策略（必须修改/强烈建议/建议/可选）
6大敏感词分类全面：覆盖财经内容的主要违规类型
变体检测能力强大：符号插入、繁体、拼音、谐音、全角半角全覆盖
替换建议机制完善：每个词条都有合规替换词，且遵循语义等价、合规安全、上下文适配原则
风险提示自动检测：自动识别财经内容是否缺少风险提示
内容解析器多格式支持：Markdown/HTML/字幕(SRT/VTT)/纯文本全覆盖

不足：

L3语义审核依赖Agent自身能力：没有提供具体的检查清单或示例，不同Agent执行效果可能有差异
缺少历史版本对比：无法追踪同一篇内容的合规性变化趋势
缺少词库更新机制：虽然有wordbank_updater.py脚本，但SKILL.md中未说明更新频率和触发条件
HTML图片文字检测受限：明确说明"图片文字无法自动检测"，这是技术局限但影响完整性

三、指令约束性（8.5/10）

优点：

三条铁律使用强标记：“ 三条铁律” + “禁止”、“必须”、"不得"等强约束词汇
致命问题阻断机制明确：存在fatal级别时"不得继续执行发布流程"
词库硬编码禁令：明确禁止将敏感词硬编码在脚本中
L3审核不可跳过：强调L1+L2无法理解上下文，跳过L3等于放弃最重要的检测层

不足：

缺少MUST/NEVER/CRITICAL等标准化标记：虽然用了"禁止"“必须”，但没有使用大写的标准化约束标记
L3审核指令较抽象："按以下维度逐项检查"列出6个维度，但没有提供具体的判定标准和示例
搜索预算未明确：虽然可能不需要WebSearch，但如果有搜索补充场景，预算控制未说明
输出格式约束不够严格：report.json结构描述清晰，但没有JSON Schema约束

四、场景适配性（9.0/10）

优点：

小红书平台深度适配：针对小红书财经内容的审核规则设计，与平台风控高度契合
财经内容场景全覆盖：收益承诺、荐股、非法金融、绝对化宣传、导流、虚拟币6大分类覆盖主要违规场景
多格式内容支持：Markdown笔记、HTML卡片、视频字幕、纯文本全覆盖
创作者工作流嵌入：生成→检测→修改→重检的闭环设计
风险提示模板化：自动提供合规的风险提示文案

不足：

仅限小红书平台：虽然规则通用性强，但品牌绑定在小红书，其他平台（抖音、公众号）适配性未说明
非财经内容检测能力弱：生活、美妆、旅游等非财经领域的敏感词覆盖有限
缺少申诉辅助功能：rules.md提到"申诉被封禁的账号"在Out of scope，但这是创作者刚需
缺少竞品/对标检测：无法检测"与竞品对比"类内容的合规性

五、输出规范性（8.0/10）

优点：

检测报告结构清晰：概览→问题详情→替换建议→快速修改清单→判定结果
JSON报告标准化：report.json包含check_time、input_files、summary、issues、warnings完整字段
终端输出格式化：使用边框、emoji、颜色（通过终端）增强可读性
问题定位精准：section_id + source定位到具体位置（line:X 或 html:#p1）
严重度可视化：致命/高危/中危/低危四级区分明显

不足：

缺少HTML/PDF报告格式：只有JSON和终端文本，没有适合分享给团队的格式
缺少可视化统计图表：如严重度分布饼图、分类柱状图等
修改追踪缺失：没有记录哪些词被修改过、修改前后的对比
报告模板不可定制：无法根据团队需求调整报告内容和格式
SKILL.md与rules.md内容有重叠：如6大分类在两处都有详细描述

六、边界容错率（8.0/10）

优点：

白名单机制：wordbank_match.py中内置白名单（“最近”、“最终”、"最好"等合法用词）
空内容/短内容检测：content_parser.py中检测输入为空或少于10字符的情况
HTML解析异常处理：解析失败时回退到正则清理文本
文件编码容错：支持UTF-8和GBK编码，自动处理解码错误
风险提示缺失检测：自动识别财经内容是否缺少风险提示

不足：

缺少对极端长文本的处理：超长笔记（如万字长文）的性能和内存占用未考虑
缺少并发检测限制：同时间大量检测请求的资源控制未说明
词库加载失败处理未明确：如果wordbank.json损坏或缺失，降级策略未说明
L2模糊匹配可能误报：编辑距离为1的检测可能将正常词误判为变体
缺少用户反馈闭环：用户标记误报/漏报后如何优化词库未说明

综合打分

评估维度	得分	权重	加权分
触发精准度	8.5	20%	1.70
逻辑完整性	9.0	20%	1.80
指令约束性	8.5	15%	1.28
场景适配性	9.0	20%	1.80
输出规范性	8.0	15%	1.20
边界容错率	8.0	10%	0.80
综合总分	—	100%	8.58

等级评定：A级 - 优秀（7.5-8.4分区间，本项略超）

核心亮点速览

三层检测管线设计卓越：L1精确+L2模糊+L3语义层层递进，覆盖率极高，是本项目最核心的设计亮点
变体检测能力强大：符号插入、繁体、拼音、谐音、全角半角全覆盖，应对规避审核手段能力强
四级严重度分级科学：fatal/high/medium/low对应不同处理策略，风险管控精细化
替换建议机制完善：每个词条都有合规替换词，且遵循语义等价原则，实用性强
多格式内容支持：Markdown/HTML/字幕/纯文本全覆盖，适配不同创作场景
三条铁律约束清晰：“禁止跳过L3”、“致命问题必须修改”、“词库不得硬编码”，执行标准明确

横向对比

维度	xhs-sensitive-word-check (8.5)	internet-slang-decoder (7.8)	traebook (9.2)
类型	工具+工作流型	知识+工具型	编排型
目标平台	小红书（垂直）	通用互联网	通用教学
检测层级	3层（L1+L2+L3）	2层（本地+搜索）	—
内置知识量	100+词条+变体	139+词条	Depth Ladder
严重度分级	4级（fatal/high/medium/low）	无	6维度质量
替换建议	每个词条都有	无	无
多格式支持	MD/HTML/字幕	纯文本	纯文本
工程化程度

适用场景总结

场景	适配度	说明
小红书财经笔记发布前检测		核心场景，三层检测确保合规
基金/股票/理财内容创作		6大分类全覆盖，替换建议实用
批量历史内容审核		支持文件批量检测，但缺少批量报告
抖音/公众号财经内容		规则通用，但未针对其他平台优化
非财经内容检测		生活/美妆等领域覆盖有限
团队协作审核		可生成JSON报告，但缺少可视化
申诉辅助		明确在Out of scope

迭代建议（优先级排序）

优先级	建议	预期提升
P0	提供L3语义审核的具体检查清单和示例：将6个审核维度的判定标准细化，提供正例/反例	指令约束性 +0.5
P0	增加HTML/PDF报告导出功能：支持生成可分享的可视化报告	输出规范性 +0.5
P1	增加预防性触发：在用户说"我要发一篇关于XX的笔记"时主动提示检测	触发精准度 +0.5
P1	增加误报/漏报反馈机制：用户标记后自动学习优化词库	边界容错率 +0.5
P1	补充SKILL.md frontmatter（allowed-tools、version）	规范性 +0.2
P2	增加历史版本对比功能：追踪同一内容的合规性变化	逻辑完整性 +0.3
P2	扩展非财经领域词库（生活、美妆、旅游等）	场景适配性 +0.3
P2	增加批量检测报告汇总：多文件检测后的汇总统计	输出规范性 +0.3
P3	增加申诉辅助功能：根据检测结果生成申诉材料	场景适配性 +0.3
P3	优化L2模糊匹配误报：增加更多白名单或上下文判断	边界容错率 +0.3

总结

xhs-sensitive-word-check 是一个工程化程度高、检测能力全面、实用性强的小红书敏感词检测工具。其最大的亮点在于三层检测管线（L1精确+L2模糊+L3语义）的层层递进设计，以及强大的变体检测能力（符号/繁体/拼音/谐音全覆盖）。四级严重度分级和完善的替换建议机制，使其不仅是一个检测工具，更是一个合规创作助手。

主要短板在于：L3语义审核的指令较抽象（缺少具体检查清单）、输出格式单一（缺少HTML/PDF）、预防性触发缺失（只能在生成后检测）。这些都是可以通过针对性迭代快速改善的问题，不影响其作为A级Skill的整体评价。

对于小红书财经内容创作者而言，这是一个必备工具，能够有效降低账号被封禁的风险。

用户18 · 2026 年6 月 13 日 04:46