文章里的「杀菌」「杀菌率」被替换成星号，正常科普内容发出去变成一串星号，一天收到 12 条作者投诉。日志里能对上时间点，这种反而好排。
匹配用的是字符串包含，短词命中长词的一部分，没有做词边界判断。词库里单字的权重也没有和长词区分。这一点先确认清楚，后面就不用反复试。
re.compile(r'(?<![\u4e00-\u9fff])敏感词(?![\u4e00-\u9fff])') # 先跑样本统计命中数
「敏感词误杀」改完先别急着全量，挑一台机器放半天，真有问题这段时间就能看出来。偶发问题先统计频率，一小时几次和一天一次，查法完全不同。
改完顺手把文档补一句，省得下次自己重新推一遍。监控和日志的时间要对上，时区不一致会多绕很大一圈。
临时改动用注释写上日期和原因，过两周自己都记不清为什么这么写。
处理上按这个顺序：给短词加边界条件，中文按前后字符判断，英文按单词边界；把单字词从自动替换降级为人工复核；用正常文章跑一遍，统计误伤率再上线。
结果对不对很好判断，「杀菌」不再被替换，违规词仍然能正常命中。