大模型备案材料里，拦截关键词列表（敏感词库）是最容易被低估的一项。很多团队以为随便整理一批敏感词导出个 Excel 就行，结果属地网信办技术测试时误拦率爆炸，或者词库覆盖不全直接被打回。

本文按国标要求、构建方法、工程实现、常见驳回点四部分，记录一遍完整做法。

一、国标怎么要求

依据 GB/T 45654-2025（TC260-003）附录 B.1.1，关键词库的硬性要求：

• 总规模不少于 10000 个
• 至少覆盖附录 A.1、A.2 共 17 种安全风险（涉政、暴恐、色情、辱骂、价值观等高中风险）
• A.1 类风险每类关键词 ≥200 个，A.2 类每类 ≥100 个
• 每周至少更新一次，要有更新记录

注意这是“不宜少于”的指导值，实操建议按 1.2–1.5 万条准备，留出属地加测余量。

二、词从哪里来

1 万条不是拍脑袋攒的，四个来源：

• 监管侧公开数据：历年网信办通报的下架应用、违规账号关联词，各地网信办反馈的属地补充词
• 开源词库：GitHub 上维护多年的中文敏感词库（politically-sensitive-word、prohibited-words 等仓库），做去重和分类后作为底料
• 模型实测补录：用生成内容测试题库（≥2000 题）跑模型，把触发风险的输入和变体回填进词库——这一步是自研词库和拼凑词库拉开差距的关键
• 业务侧变体：拼音缩写、拆字、谐音、中英混写、零宽字符插入等对抗变体，审核方实测时专门会试这些

每个关键词建议维护四个字段：关键词 / 风险类别 / 变体标记 / 添加时间。风险类别必须对应国标 17 类，材料审核时会抽查分类合理性。

三、工程实现要点

1. 词表结构

 

按风险类别分 sheet 导出，目录结构和文件命名与备案材料清单对齐。

2. 运行时匹配

词量过万后朴素遍历不可用，上 AC 自动机（Aho-Corasick），一次扫描匹配全部关键词：

补充两个工程细节：

• 归一化预处理：匹配前对输入做全半角统一、繁简转换、零宽字符剔除，否则变体词形同虚设
• 关键词不是拦截的全部：词库兜不住语义级风险，生产架构是「AC 自动机 + 分类模型（覆盖 31 类风险）」双层，词库快筛、模型兜底，这正好对应国标里关键词库和分类模型两套要求

3. 误拦控制

拦截词触发后不建议直接粗暴拒答，先过一层白名单（正常业务术语、历史人物、地域名等），把误拦率压下去——误拦太多会拖累非拒答测试（误拒率要求 ≤5%）。

四、常见驳回点

1. 规模不足：交上去不到 1 万条，或者名义上万条但存在大量单字、无意义词条凑数——审核方会抽查
2. 分类缺失：只有词没有风险类别，或者类别标注和词义明显不符
3. 无更新机制：材料里体现不出每周更新的记录，合规意识扣分
4. 词库与实测对不上：技术测试时用对抗变体问模型，词库没拦住、模型也没拒答，双重失分
5. 只交词库不交拦截逻辑说明：材料里要写清词库在系统中的使用方式（匹配策略、命中后的处置流程、日志留存）

五、小结

拦截关键词列表的本质，是内容安全的第一道确定性防线：国标底线 1 万条、17 类风险全覆盖、每周更新，工程上 AC 自动机 + 分类模型双层架构，材料上分类清晰、更新留痕。把这四件事做扎实，这一项材料基本不会被卡。

下一篇写评估测试题集的三套题库建设，有兴趣的关注。