> ## Documentation Index
> Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 内容安全拦截排查：用分词消融法找到触发词

> 一个真实案例：同一段提示词网页版能出图、API 报 safety_violations=[sexual]。讲清拦截发生在哪一层、为什么 moderation: low 无效、网页版为何能过，以及用分词消融法 20 次实测定位触发词并给出零改意的改法。

被内容安全拦下，**不等于提示词写了违规内容**。更常见的情况是：提示词里某一个词把「成图」推过了审核线，而你自己读提示词根本看不出问题。本文用一个真实客户案例，讲清拦截发生在哪一层、网页版为什么能过、`moderation: low` 为什么没用，以及一套 20 次调用就能定位触发词的方法。

## 案例复盘：网页版能出、API 报 sexual

客户用 `gpt-image-2.5-sunburst` 生成一张角色设定图（左侧脸部特写、右侧正面 / 侧面 / 背面三视图）。请求体：

```json theme={null}
{
  "model": "gpt-image-2.5-sunburst-2026-09-08",
  "prompt": "帮我生成一个妈感美艳女主（外国人），皮肤通透有自然光泽，无过度磨皮；皮肤保留自然原生纹理、皮肤通透有自然光泽；整体画面自然真实，8K超高清，细节丰富，真实人像摄影质感，纯白背景#一张综合角色设定图，左侧为脸部大特写，右侧为全身标准三视图,露出完整的头部，脸部特写和全身三视图要在一张图。全身三视图：右侧依次排列全身的正面视角、90 度纯侧面视角（头部完全侧转）、背面视角。",
  "size": "2736x1536",
  "quality": "xhigh",
  "background": "auto",
  "n": 1
}
```

API 稳定返回 400：

```json theme={null}
{
  "status_code": 400,
  "error": {
    "message": "Your request was rejected by the safety system. If you believe this is an error, contact us at ***.***.com and include the request ID req_e97b3571a1e2433da4b154fe7ea7a82c. safety_violations=[sexual]."
  }
}
```

客户的反馈很有代表性：

> 我理解是内容安全，但我在 ChatGPT 网页版又能成功，你得告诉我，为啥网页版能成。

提示词里没有任何露骨内容，只是「美艳女主 + 三视图 + 纯白背景」。这类「我没写什么却被拦」的工单，排查思路和「我写了什么被拦」完全不同。

## 先分清拦截发生在哪一层

出图模型的内容安全有两道关，触发的层不同，排查方法也不同：

|           | 提示词层拦截        | 图像输出层拦截                   |
| --------- | ------------- | ------------------------- |
| 审核对象      | 你发的文本         | 生成出来的那张图                  |
| 响应耗时      | **几秒内**返回 400 | **与成功请求相同**（图先生成，再被分类器拦下） |
| 同一提示词多次调用 | 结果稳定：每次都拒     | **有随机性**：每次成图不同，时过时不过     |
| 改法        | 删掉明显违规词       | 找到把成图「推过线」的那个词            |

**判据就看耗时**。本案例失败请求耗时 42 到 51 秒，成功请求 46 到 57 秒，两者没有区别，说明图已经生成完了，是输出侧分类器判了 sexual。后面的消融实验也印证了这一点：同一句提示词跑 3 次，出现过 1 过 2 拒。

<Info>
  提示词层拦截和参数错误一样几乎秒回。如果你的 400 等了半分钟以上才来，先按「输出层拦截」来查，别急着删提示词里的词。
</Info>

## 为什么网页版能成

这和 [如何生成满意的图片](/api-capabilities/image-generation-success-tips) 里讲的是同一件事：**网页版是 Agent，API 是单次原子调用**。

* ChatGPT 网页版不会把你这段话原样喂给出图模型。中间的对话模型会先**改写、扩充**提示词，通常会自己补上服装、场景、光线等细节。等于替你做了下文「加服装」那一步。
* API 是原文直达。你没写穿什么，模型就自由发挥；在「美艳 + 全身三视图 + 纯白背景」这个组合下，它倾向画成贴身或少衣的角色设定图，成图就容易越线。
* 再叠加输出层审核本身的随机性，网页版跑一次成功、API 跑一次失败并不矛盾。

所以「网页版能过」不能推出「API 审核更严」，两条链路送进模型的提示词根本不是同一段。

## 分词消融法：一次只动一个词

提示词里有十几个形容词和构图约束，靠猜哪个词有问题效率很低。有效的办法是**消融**：每次只删或替换一个词块，其余一字不动，看哪一次结果翻转。

<Steps>
  <Step title="列出可疑词块">
    分三类：人物形容词（美艳、性感、妩媚……）、身体相关动词（露出、展示、贴身……）、构图约束（全身、三视图、纯白背景……）。构图约束单独看没问题，但会和形容词组合出效果。
  </Step>

  <Step title="每次只动一个词块">
    删掉或换成中性词，其余原样。同时也跑一组「不动词、只加约束」的变体，比如给人物加一句明确的服装描述。
  </Step>

  <Step title="翻转后回归 2 到 3 次">
    输出层拦截有随机性，单次通过不算数。命中的变体至少再跑 2 次，全过才算找到。
  </Step>

  <Step title="取最小改动">
    目标不是「能过」，而是「改意最小地能过」。优先选不动原词、只加约束的方案。
  </Step>
</Steps>

<Tip>
  变体之间互不依赖，**并行跑**。本案例 6 个变体一批发出，50 秒左右全部返回；串行等要五分钟。
</Tip>

本案例的完整消融记录（共 20 次调用，同尺寸同 quality）：

| 改法                                   | 结果              |
| ------------------------------------ | --------------- |
| 原句（跑 2 次）                            | 400 sexual ×2   |
| 原句 + `moderation: "low"`             | 400 sexual      |
| 只把「露出完整的头部」改成「头部完整入画」                | 400 sexual      |
| 只删「妈感」，保留「美艳」                        | 400 sexual      |
| 只删「美艳」，保留「妈感」                        | 200             |
| 「妈感美艳女主」改成「成熟优雅的欧美女性角色」（跑 3 次）       | 200 ×3          |
| 改成「成熟优雅、面容精致的欧美女性角色」（跑 3 次）          | 400 / 200 / 400 |
| **原句一字不动，只加「身穿米色高领针织衫和深色长裤」（跑 3 次）** | **200 ×3**      |

从表里能直接读出三件事：触发词是「美艳」（删「妈感」没用、删「美艳」就过）；「露出」不是原因；「面容精致」那组 1 过 2 拒，证明审核对象是每次都不同的成图而不是文本。

## 结论与推荐改法

**触发机制**：「美艳」让模型把人物往性感方向渲染，「全身三视图 + 纯白背景」又是典型的设定图构图，两者叠加，成图容易被输出侧分类器判为 sexual。提示词本身没有一个字违规。

**推荐改法**：保留全部原文，只在人物描述后加一句明确的服装。实测 3/3 通过，人物气质和构图都和原意一致：

```text theme={null}
帮我生成一个妈感美艳女主（外国人），身穿米色高领针织衫和深色长裤，皮肤通透有自然光泽，无过度磨皮；皮肤保留自然原生纹理、皮肤通透有自然光泽；整体画面自然真实，8K超高清，细节丰富，真实人像摄影质感，纯白背景#一张综合角色设定图，左侧为脸部大特写，右侧为全身标准三视图,露出完整的头部，脸部特写和全身三视图要在一张图。全身三视图：右侧依次排列全身的正面视角、90 度纯侧面视角（头部完全侧转）、背面视角。
```

<Frame caption="同一段提示词，只加了一句服装描述：3 次调用全部通过，脸部特写与正 / 侧 / 背三视图按要求出齐">
  <img src="https://mintcdn.com/apiyillc/jVG8GxgXc4e0wCxN/images/image-safety-case-turnaround-clothed.jpg?fit=max&auto=format&n=jVG8GxgXc4e0wCxN&q=85&s=86cb15b543b0ae764311bd30fff41984" alt="欧美女性角色设定图，左侧脸部特写，右侧正面、侧面、背面三视图，人物着米色高领针织衫与深色长裤，纯白背景" width="1200" height="673" data-path="images/image-safety-case-turnaround-clothed.jpg" />
</Frame>

服装换成任何得体的日常装都可以，关键是**要写**，不要留给模型自己决定。

**备选改法**：把「美艳」换成「成熟优雅」，同样 3/3 通过，但脸部气质会偏温和，离原意远一些。

## moderation: low 为什么没用

`moderation` 参数（见 [文生图参数表](/api-capabilities/gpt-image-2/text-to-image)）取值 `auto` / `low`，作用是降低**提示词侧**的审核强度。本案例传了 `low` 照样 400，因为拦截发生在输出层，这个参数管不到成图的 sexual 分类。

在网关之外无法区分「参数没透传」和「参数透传了但不生效」，但对结论没有影响：**遇到输出层拦截，改参数没用，得改提示词**。

## 通用排查清单

<AccordionGroup>
  <Accordion title="报错是秒回还是等了很久？">
    秒回是提示词层，等了和正常出图差不多的时间是输出层。前者删明显违规词；后者用分词消融法找「推过线」的那个词，并接受同一提示词会有随机性。
  </Accordion>

  <Accordion title="提示词里有没有把「穿什么」交给模型？">
    人物类提示词只写气质、不写服装，是输出层拦截最常见的来源。加一句明确的服装描述，往往一步就解决，而且不动原意。
  </Accordion>

  <Accordion title="一次只改一个词了吗？">
    同时改三个词，过了也不知道是哪个起作用，下次换个提示词又要从头猜。每次只动一个词块，命中后回归 2 到 3 次。
  </Accordion>

  <Accordion title="被拦的请求会扣费吗？">
    按 token 计费的 gpt-image 系列触发审核返回 400 时不计费，口径见 [gpt-image-2 常见问题](/api-capabilities/gpt-image-2/overview#常见问题)「生成失败会扣费吗」。所以消融实验本身不花钱，只花时间。
  </Accordion>
</AccordionGroup>

## 速查总结

* **看耗时判层级**：400 秒回是提示词层；等了和出图一样久才 400，是成图被输出层分类器拦下。
* **输出层拦截有随机性**：同一提示词时过时不过，单次结果不能下结论，要回归 2 到 3 次。
* **网页版能过不代表 API 更严**：网页版会先改写扩充提示词（补服装、场景），API 是原文直达。
* **分词消融法**：一次只动一个词块，并行跑变体，取改意最小的方案。本案例触发词是「美艳」。
* **人物提示词写清服装**：只加一句服装描述、其余不动，实测 3/3 通过；`moderation: low` 对输出层拦截无效。

## 相关文档

* [如何生成满意的图片](/api-capabilities/image-generation-success-tips)
* [出图提示词诊断技能](/api-capabilities/image-prompt-doctor)
* [图片 API 调用须知与最佳实践](/api-capabilities/image-api-best-practices)
* [gpt-image-2 常见问题](/api-capabilities/gpt-image-2/overview#常见问题)