自建内容审核用 LLM 打分，单条输入截断到 2000 字再送模型，一篇 6000 字的推广文把违禁表述放在结尾，审核结果返回合规，上线后被监管抽查到。
一开始怀疑是「审核提示词没要求逐段输出结论」，查了一圈，方向不对。
把日志和配置对完，能解释这个现象的基本就这几处。输入按字符截断，尾部内容根本没进模型。还有一种是长文只做整体判断，没有分段扫描。
不容易想到的是，阈值只看总分，忽略局部高风险。
第一件事是按段落切分并逐段审核
python audit.py --chunk 1200 --overlap 100任一段超阈值即整体拦截
python audit.py --max-score 0.8再往下把命中段落原文写进审核结果
python audit.py --dump-hits末了用尾部含违禁词的样本做回归
python audit_test.py --case tail_violation恢复的判定其实很直接。尾部违规样本被判为不通过并给出命中段落，正常长文不被误杀，审核耗时增加在可接受范围。
提醒一点。审核覆盖率比单次判断精度更重要，长文必须分段，截断等于给违规内容留了一道后门。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。