第1章 内容识别规则概述

什么是内容识别规则？

内容识别规则，说白了就是一套“如果看到什么，就做什么”的指令集合。你每天用的垃圾邮件过滤、评论审核、甚至智能路由，背后都是这玩意儿在干活。

我刚开始接触的时候，觉得这跟普通 if-else 没啥区别。后来被业务打过几次脸才明白——规则设计得不好，不是误杀就是漏放，比写死代码坑多得多。

它的核心思路很简单：

• 定义你关心的内容特征（关键词、正则、格式、上下文）
• 设定匹配后的动作（拦截、标记、转发、提取）
• 排好优先级（多条规则同时命中时，谁说了算）

举个例子，一个典型的敏感信息过滤规则：

{
  "name": "检测身份证号",
  "pattern": "[1-9]\\d{5}(18|19|20)\\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\\d|3[01])\\d{3}[0-9Xx]",
  "action": "block",
  "priority": 10
}

有没有发现一个问题？规则引擎本身不负责理解“身份证号”是什么，它只认你给的正则。匹配上了，就执行你配的动作。这就是规则配置师的活儿——把业务需求翻译成机器能执行的逻辑。

核心组成要素

一套完整的内容识别规则系统，至少包含四个部分。你想想看，缺了哪一个都会出问题。

要素	说明	我见过的坑
输入源	待检测的内容从哪里来（API 请求、消息队列、文件导入）	曾经有个项目没考虑编码，GBK 过来的中文全变乱码
匹配引擎	负责执行规则匹配的核心模块（正则、字典、机器学习模型）	最怕的是线上突然加了一条超大正则，CPU 直接拉满
动作执行器	命中后干什么（放行、拒绝、打标签、异步通知）	动作如果也有优先级，一定要想清楚前后依赖
规则管理界面	配置、版本、灰度、回滚的操作入口	我习惯加一个“一键试匹配”功能，省得每次都要看日志

典型应用场景

内容识别规则几乎用在哪都合适。我主要把它归成三类，你对比一下：

1. 安全防护类——防止敏感信息泄露、拦截恶意请求、检测爬虫。
   例子：用户发帖时检测手机号，命中后直接阻挡并记录。
2. 流程自动化类——根据内容自动分派工单、触发审批、生成摘要。
   例子：邮件标题包含“紧急”，自动把优先级置顶并抄送主管。
3. 内容治理类——广告过滤、垃圾评论、不合规字词替换。
   例子：社交媒体平台用规则过滤“代刷”“秒到”等营销词。

我记得有一个电商客户，退货申请里经常有人写“衣服太小了”，按说应该转客服。但我们用规则把“小”和具体尺码组合起来，直接推荐换货链接——退换率降了12%。这才叫把规则用巧了。

价值与挑战

内容识别规则真正的价值不在技术复杂度，而在于能把人工检查变成自动拦截。你想想看，一个风控团队每天要看几千条记录，每看一条就要做一次判断。如果让规则先干掉90%的明显违规，剩下10%让人类处理，效率至少翻5倍。

但规则不是越写越多就越好。我在一个项目里遇到过“规则膨胀”的坑——上线半年积累了800多条规则，彼此之间还有交叉冲突。结果一条新规则刚上线，就把正常订单给误杀了。后来我们加了一条硬性规定：每季度必须清理一次无效规则，命中率为0的、覆盖率为0的全部归档。

另一个常被忽略的点是规则执行顺序。很多系统默认按添加时间排序，但业务逻辑往往要求某些规则优先匹配。比如“白名单优先于黑名单”，这个顺序一定要在规则管理界面里显式配置，且最好带拖拽排序功能。我习惯还会加一个“模拟执行”按钮，让你在保存之前就能预览匹配结果。

从上图你能看清整个链条：输入进来，特征提取，命中规则，执行动作。每一环都可能成为瓶颈，我建议新人在设计系统时，把每一环的耗时和错误率都记录下来，这样后期优化才有依据。