AI合规检查提示词：零基础搭建可执行的审查流程

AI合规检查提示词是写给大模型的一段结构化指令，目的是让模型按照你指定的规则对文本、图片描述或配置内容进行合规性初筛，并输出可读的检查结果。
它适合运营、审核、运维人员在没有专业合规系统时，快速做一轮内容风险排查。
本文按零基础可操作的方式，讲清楚从准备到验证的完整流程。

先明确检查目标和适用范围

在写提示词之前，
先回答三个问题：
检查对象是什么（用户评论、
商品描述、
技术文档还是配置文件）、
检查依据是什么（平台规则、
法律法规条款还是内部审核清单）、
输出结果给谁看（人工复核还是直接拦截）。

适用条件：AI合规检查提示词适合做初筛和辅助判断，不能替代人工终审。
涉及法律定性、行政处罚或平台申诉的场景，仍需人工复核。

准备一份检查清单，例如：

• 是否包含敏感政治、色情、暴力内容
• 是否包含虚假宣传或绝对化用语
• 是否泄露个人隐私信息（手机号、身份证号、地址）
• 是否包含外部引流联系方式

这份清单就是提示词里的“检查项”，越具体，模型输出越稳定。

编写提示词的四个核心部分

一个可执行的AI合规检查提示词通常包含角色、任务、规则和输出格式。
以下是一个可直接套用的模板，复制到支持长文本的大模型对话窗口即可测试：

你是一名内容合规检查助手。请对下面【待检查文本】逐项检查，并按指定格式输出结果。

检查项：
1. 敏感政治内容：有/无
2. 色情暴力内容：有/无
3. 虚假宣传或绝对化用语：有/无，并列出具体词语
4. 个人隐私信息：有/无，并列出类型
5. 外部引流联系方式：有/无，并列出内容

输出格式：
检查项 | 结果 | 依据（引用原文片段）
最后给出总体结论：通过/需人工复核/不通过。

待检查文本：
[在这里粘贴文本]

操作时注意：角色描述要具体，不要只写“你是审核员”；
检查项要可判定，避免“是否合适”这类模糊表述；
输出格式用表格或固定字段，方便后续复制到表格里筛选。

分步执行与结果记录

第一步，在本地新建一个文本文件作为测试集，放入5到10条已知结果的样本，包括明显违规、疑似违规和正常内容各若干条。

第二步，把提示词模板和第一条样本一起发给模型，观察输出是否按格式返回。
如果模型输出大段解释而没有表格，说明输出约束不够强，可以在提示词末尾加一句：“只输出表格和总体结论，不要额外解释。
”

第三步，逐条运行测试集，把模型结果记录到表格中，字段包括：样本编号、人工判定、模型判定、是否一致。

第四步，对不一致的样本调整检查项描述。
例如模型把“最优惠”判为正常，就在检查项里补充“绝对化用语包括最、第一、顶级、极致等”。

第五步，固定最终版提示词，保存为模板文件，后续每次检查只替换待检查文本部分。

常见错误和避坑说明

检查项太宽泛：写“检查是否违规”会让模型自由发挥，结果不可复现。
应拆成具体条目。

忽略上下文长度限制：待检查文本过长时，模型可能截断或遗漏后半部分。
建议单次检查不超过模型上下文窗口的70%，长文档分段检查。

把模型结论当最终判定：模型可能漏判或误判，尤其是隐晦表达和反讽。
所有“不通过”和“需人工复核”的结果都应人工确认。

提示词里包含真实用户隐私：测试时使用脱敏样本，不要把真实手机号、身份证号粘贴到外部模型。

没有版本管理：每次修改提示词后，旧结果无法对比。
建议在文件名中标注日期，例如 compliance_prompt_20250101.txt。

验证检查效果的方法

用测试集跑完后，计算两个指标：召回率（人工判定违规的样本中，模型也判为违规的比例）和误报率（正常样本被模型判为违规的比例）。
零基础用户不需要复杂工具，用表格统计即可。

如果召回率偏低，优先补充检查项和示例；
如果误报率偏高，在提示词中加入“不确定时输出需人工复核，不要直接判不通过”。

最终验证标准：同一份提示词对同一批样本连续运行两次，输出格式一致，主要判定结果稳定，就可以投入日常初筛使用。

常见疑问

提示词需要多长？ 以检查项覆盖完整为准，通常半页到一页足够。
过长的提示词反而可能让模型忽略部分规则。

能不能用多个模型交叉检查？ 可以。
对同一批样本用两个模型分别检查，对比不一致的结果，能帮助发现提示词中的模糊项，但会增加人工复核量。

检查结果可以直接作为处罚依据吗？ 不建议。
AI合规检查提示词输出的是辅助判断，正式处理应结合平台规则和人工审核记录。

如果你正在编写AI合规检查提示词，建议先用小样本测试集跑通格式和判定逻辑，再逐步扩大检查范围。
遇到结果不稳定时，优先回看检查项是否具体、输出格式是否约束清楚。