企业官网建设流程全解析

2023 年秋天，律师函先到，传票后到。

那是某 AI 绘图 SaaS 平台的创始人陈默。他做的产品很简单——用户输入一句提示词，AI 自动生成插画。早期用户都是设计师、广告公司、独立插画师，平台上线 8 个月，日活 3 万，付费率 18%，账面现金流正，是 2023 年 AI 创业潮里最被 VC 看好的"小而美"那一拨。

直到有一天，某位艺术家把他告上法庭。

不是告他抄袭——艺术家没那么无聊。是告他"未对用户生成内容做版权审核，导致侵权作品在平台大量流传"。原告律师的起诉书措辞很克制，但杀伤力极强——按中国《生成式人工智能服务管理暂行办法》第 12 条，生成式 AI 提供者对生成内容承担相应责任。

陈默读完传票那一刻才反应过来：他以为平台只是一个工具，用户生成什么内容跟他没关系；他忘了，用户生成的内容不是你的，是你的责任。

那不是一家小公司能扛的官司。律师费、赔偿金、品牌损失——加起来是一个 50 人小厂 18 个月的净利润。

陈默那天晚上一个人坐在空荡荡的办公室里，看着服务器机柜上的小绿灯一闪一闪。他脑子里反复回响一个问题——我以为我只是个工具提供商，凭什么要为用户输入的东西负责？

这个问题的答案，就是我们今天这堂课要回答的核心：AI 内容安全不是装个过滤器，是给每个用户发一把守门钥匙。

后文你看到的所有"AI 内容违规被告"的故事，本质上都跟陈默这一模一样——不是用户太坏，是系统的责任闭环没建起来。这篇文章的真正主题不是教你如何选一个内容审核服务，而是教你在把 AI 内容产品上线之前，先把"用户生成内容 = 平台责任"这条铁律焊死在系统里。焊死的意思不是"出问题能补救"，是"从用户敲下第一个字那一刻起，所有可能违规的内容都被拦在生成之前"。

你可能会说，关键词过滤一下不就行了吗？

陈默当年也是这么想的。后来他用了 OpenAI Moderation、用了几家国内云厂商的内容安全 API、还接了一个商用版权检测服务——他以为这样就稳了。

结果一年后他还是被告了。

不是因为审核没生效，而是因为他没想清楚一件事：审核不是装一个组件，是给整个系统装一整套门禁。

§一 客户被告——AI 内容合规的隐性成本

故事回到陈默收到传票那一天。

那是 2023 年 9 月 14 日，周四下午 4 点，他的法务总监冲进他办公室，脸色铁青——艺术家代理律师事务所发来律师函，要求 7 天内停止侵权、公开道歉、赔偿损失。否则直接起诉。

陈默的第一反应是：“这是用户的行为，跟我有什么关系？”

他法务的回答很冷静，但每个字都扎心——“陈总，按中国《生成式人工智能服务管理暂行办法》第 12 条，生成式 AI 服务提供者对生成内容承担相应责任。用户上传侵权提示词、你的平台生成侵权图、侵权图被广泛传播——这条链上三个环节你全占了，平台是责任主体之一。”

陈默问：“那国外呢？美国不是有 Section 230 吗？”

法务说：“Section 230 保护的是普通互联网平台对用户生成内容的责任豁免，但 2023 年起多个判例显示，AI 平台不在这个庇护范围内。艺术家联合起诉 Stability AI、Midjourney 的案子还没结，但风向已经很清楚——AI 平台不能躲在’我只是工具’后面。”

陈默后来算了一笔账，那个数字让他失眠了三个月。

直接成本：

• 律师费：人民币 80 万（双方律师 + 庭审 + 上诉预备）
• 赔偿金：人民币 120 万（最终和解）
• 监管罚款：人民币 30 万（《生成式 AI 管理办法》第 17 条对应的"未及时处置违法内容"罚则）
• 平台合规整改费用：人民币 50 万（采购内容审核服务、研发投入、部署运维）

直接成本合计 280 万。

但更扎心的是间接成本——

• 品牌损失：日活从 3 万跌到 8000，跌 73%；付费用户流失 65%
• 融资节奏：原本谈好的 B 轮融资因合规风险被搁置，6 个月后估值砍半
• 招聘成本：法务、合规、内容审核岗位紧急扩招 5 人，年化人力成本 +200 万
• 战略调整：原本规划向海外扩张，因 GDPR 合规风险推迟 12 个月，错过最佳出海窗口

陈默事后在复盘会上承认：AI 内容合规的隐性成本不是律师费，是整个商业模型的可信度。一次被告事故，让平台从"小而美"变成"小而险"，所有商业合作都要先回答"你们平台还会出事吗"。

这里有一个更深的洞见——AI 时代的"上线交付"和 SaaS 时代的"上线交付"是完全不同的两个动作。SaaS 时代上线 = 把代码部署到服务器 + 跑通冒烟测试；AI 时代上线 = 把代码部署到服务器 + 跑通推理预算 + 装好内容审核 + 装好版权检测 + 装好用户行为日志 + 把这一切写进 runbook。前面那个是上线，后面这一整套才是"上线"。陈默他们当时做了前者，没做后者，所以账单才会来敲门。

陈默事后复盘时还说过一句话我特别记下来——“我以前以为上线是终点，做完 AI 绘图、跑通测试、就能交付了。我错了，上线不是终点，是治理的起点。那一刻，责任才开始计时；治理不到位，责任就开始兑现。”

这堂课的真正主题到这里你应该看明白了——

AI 内容安全不是装个过滤器，是给整个系统装一整套门禁——单元门刷卡、大堂门卫、物业巡逻、摄像头识别，五道防线一道都不能少。

陈默当初只装了一个"关键词黑名单"，等于一个小区只装了一个单元门——外面的人想进来，单元门一刷卡就过；但业主群里有人半夜搬大件、有人贴小广告、有人在楼道里乱扔垃圾——这些全都不管。

等到真出事的时候，物业（你）才发现，小区不是靠一道门管住的。

陈默复盘后给团队讲过一个比喻——“你以为你装了一个门禁，其实你只装了一个门牌。门牌能告诉外人’这是哪一户’，但门牌不挡任何人；只有门禁、门卫、摄像头、巡逻四件套齐全了，小区才真正被管住。AI 内容平台也一样——关键词黑名单是门牌，不是门禁；关键词 + 小模型 + 大模型 + 人工四件套齐全了，内容安全才真正被管住。”

§二 把"AI 内容安全"剥成三个真需求

陈默那天想明白的第一件事，跟张工（65 期那位 CTO）一模一样——客户的一句"AI 内容安全"，其实是三件事混在一起说。

一个成熟的 FDE 接到这种抱怨，第一反应是把它剥开，剥成三个真需求——

真需求一：违禁内容挡在生成前。

不是"生成后再删"。是用户提示词里有任何可能违规的关键词、谐音、emoji 替代，第一次拦截就要拦下来，绝不让模型生成出违规内容。

为什么"生成前"比"生成后"重要？因为生成出来的内容已经在用户手机里、在 CDN 缓存里、在第三方爬虫的索引里——生成出来的违规内容，就算你 1 秒内删除，侵权事实已经发生。法院不看"你后来删了"，法院看"你生成了没有"。

陈默那个案子里，最扎心的细节是——被告侵权图是 6 个月前生成的，平台在收到律师函前 3 天刚做了内容审核升级；旧图还在 CDN 缓存里、还在第三方搜索引擎索引里、还在用户下载的本地硬盘里。

审核不是事后清理，而是事前阻断。

真需求二：版权侵权可追溯。

不是你事后说"我检测过了没发现"。是每一张生成图都带不可见水印、每一笔侵权检测都留日志、每一个版权方都能在 24 小时内拿到"侵权内容来源 + 生成时间 + 用户 ID + 提示词原文"四要素。

这件事难的不是技术，是把"可追溯"焊进产品流程——让水印在生成瞬间就嵌入、让版权检测在生成瞬间就执行、让日志在生成瞬间就写入。

陈默复盘后做的第一件事，是把生成图的水印嵌入从"可选功能"改成"默认强制"——所有生成图强制嵌入隐式水印（含用户 ID、生成时间戳、平台标识），下载时强制保留水印。

版权侵权可追溯不是一句口号，而是工程纪律。

真需求三：用户行为可审计。

不是看用户输入了什么。是看用户输入的提示词、被哪个模型生成、生成结果是否被拦截、被谁拦截、是否申诉、人工复核的结果是什么——每一步都有日志、每一步都能反查。

这件事跟数据安全是反过来的——数据安全是"用户输入不能让 AI 拿走"，用户行为审计是"用户输入必须能被监管看到"。

陈默那个案子里，最让法官不满的细节是——平台没有完整的用户行为日志。法官问"这位用户当时输入了什么提示词"，陈默只能从 Redis 缓存里捞到一部分，剩下的已经被 30 天轮转清理。

用户行为可审计不是 GDPR 那种"用户能查自己的数据"，而是监管能查所有人的数据。

把一句模糊的"AI 内容安全"剥成三个真需求，不是为了凑数，是因为你不去剥，下一个被告传票就在路上。

陈默那个案子最讽刺的细节是——他复盘后做的第一件事，是把内容审核预算从月度 8000 元提到月度 5 万元，把内容审核研发从 1 人扩展到 4 人。他把这件事做完了，但时间窗口已经错过了——商业损失已经发生，品牌信任已经砸了。

这里有一个反直觉的观察：客户的"AI 内容违规" 50% 不是产品出问题，而是承诺出问题。客户在做产品规划时，他听到的是"AI 绘图这么火"，上线后看到的是"一次被告赔 280 万"，承诺与现实的落差把他吓到了。

FDE 真正要做的工作，是在上线之前就和客户一起建一份"AI 内容合规清单"——把三个真需求量化（哪些词必须拦、哪些图必须打水印、哪些日志必须保留 N 年），写到产品需求文档里。没有这份清单的 AI 内容产品，从第一天起就是无锚之舟，被告怎么赔都合理。

陈默复盘后第三个月再去见投资人，第一件事不是讲产品规划，是拿出一份新合规清单——三类内容、九道闸线、九份报表，投资人看完只问了一句：“当时你怎么不早点给我？”

所以这一节的金句特别想送给你——

AI 内容安全不是装个过滤器，而是给每个用户发一把守门钥匙——这把钥匙锁住的不是用户的输入，而是平台的责任。

陈默复盘后给团队讲过一句更扎心的话——“真正的责任不是出事之后赔多少钱，是出事之前装了多少门。没装门的小区出事赔 280 万，装了门的小区出事赔 0 万。两个小区，住户数量差不多、户型差不多、单价差不多，差别就在有没有物业。AI 内容平台也一样——两个平台、模型能力差不多、用户体量差不多，差别就在有没有内容审核。”

§三 反常识金句：用户生成的内容不是你的，是你的责任

陈默复盘会上说了一句话，我后来听很多 FDE 反复引用过——

用户生成的内容不是你的，而是你的责任。

这句话翻译成人话就是——你不能躲在"我只是工具"后面。用户在你的平台里输入了 A、你的模型生成了 B、B 在外面世界造成了侵权 C——这条链上 A 是用户的、B 是平台的、C 是你必须赔的。

这不是法律在刁难你，而是法律在保护真正的权利方。当 AI 平台规模大到一天生成 100 万张图、影响 100 万个用户的决策时，平台就不再是"工具"了，而是"基础设施"。基础设施必须承担相应的责任——这跟自来水公司、电力公司、银行承担的责任是一样的逻辑。

这件事在中文圈很多人没反应过来——“我没做错事，凭什么要为别人做的事负责？”

翻译成物业管理的语言就懂了——业主在小区里打伤邻居，物业有没有责任？

法律上不一定，但物业有义务建立安防系统、有义务保留监控、有义务配合调查。这不是替业主的行为背锅，而是物业作为小区运营者必须承担的管理责任。

AI 内容平台也一样——你没有义务替用户的行为背锅，但你有义务建立内容审核系统、有义务保留用户行为日志、有义务配合监管调查。

这件事不是 G 端（监管）逼你做的，而是 C 端（用户）逼你做的。

用户选平台时越来越看合规。一个被告过的平台和一个零诉讼的平台，前者的获客成本比后者高 5-8 倍。这不是软指标，而是真金白银的客户决策。

所以这句话适合每个做 AI 内容产品的工程师和创始人听一遍——

用户生成的内容不是你的，而是你的责任。

你不需要为用户的每句话背锅，但你必须为"你有没有给用户提供一个不被滥用的环境"负责。物业不能让业主不在家暴里打老婆，但物业必须装摄像头。AI 内容平台也一样——你不能让用户不输入违规提示词，但你必须装门禁。

这不是限制，而是基建。

陈默复盘时还讲过一个更扎心的细节——他那个平台早期用户里有 30% 是设计师，设计师群体对版权极其敏感；被告事件曝光后，30% 设计师用户在一周内全部流失，还有人在设计师社区发公开声明"千万别用某某平台，那是侵权帮凶"。这不是一个被告，是一次品牌定位的重塑——平台从’AI 创业明星’变成’侵权帮凶’，这种负面标签一旦贴上，三年都撕不下来。

§四 内容审核的三道法律红线

陈默复盘会上下午请了律师做了一次法律科普，我整理出来给你——

红线一：中国《生成式人工智能服务管理暂行办法》（2023 年 8 月施行）。

这是中国境内所有 AI 内容产品的"宪法"。核心条款有三个：

• 第 12 条：提供者应当对生成内容承担相应责任，禁止生成法律、行政法规禁止的内容。
• 第 14 条：提供者应当对使用者的身份信息进行查验，建立使用者实名认证制度。
• 第 17 条：提供者应当提供安全、稳定、持续的服务，发现违法内容应当及时处置。

第 12 条是"内容责任条款"——平台必须对生成内容负责，不管你装没装审核。
第 14 条是"用户身份条款"——平台必须做实名认证，否则出事找不到责任人。
第 17 条是"持续运营条款"——平台发现违法内容必须 24 小时内处置（删除、屏蔽、断链），否则可能被认定为"未及时处置"。

陈默那个案子里，他违反了第 12 条（未做版权审核）和第 17 条（收到投诉后未及时下架侵权图，最终被法院认定为"未及时处置"）。

红线二：GDPR（欧盟通用数据保护条例）。

欧洲用户输入 AI 的提示词如果包含个人信息（姓名、身份证号、邮箱、手机号、家庭住址），平台有义务——

• 不把个人数据用于模型训练（除非用户明确同意）
• 用户行使"被遗忘权"时，平台必须 30 天内删除其全部数据
• 数据跨境传输需要满足充分性认定或标准合同条款

GDPR 单笔违规最高 2000 万欧元或全球营收 4%——这不是小数字。陈默复盘时承认，他的产品出海欧洲时根本没过 GDPR 合规审查，这是另一个潜在的被告风险。

红线三：美国版权法 Section 230 豁免边界。

Section 230 是 1996 年美国《通信规范法》里的一条——它保护互联网平台对用户生成内容（UGC）的责任豁免，前提是平台不做内容编辑。

但 AI 内容平台不一样——AI 不是用户自己写的，而是平台"主动生成"的。AI 生成的内容在 Section 230 的法律解释下，不享受 UGC 豁免。

2023 年纽约时报起诉 OpenAI、艺术家集体诉讼 Stability AI——这两个案子的核心争议都是"AI 生成内容是否享受 Section 230 豁免"。截至目前（2026 年 7 月），美国法院的倾向性意见是不豁免。

陈默复盘时特别强调——做 AI 内容产品，必须假定 Section 230 不保护你。否则一个海外用户告你，你在美国法院应诉的成本会让你破产。

三道法律红线不是建议，而是地板——你踩哪一道都可能被告、可能赔款、可能停业。

陈默那个案子之所以和解（而不是打到法院判决），就是因为他承认了违反第 12 条、主动赔偿、承诺 6 个月内整改到位。如果他死磕到底，判决赔偿金额可能是和解的 3-5 倍。

这三道红线在 2026 年的今天已经不只是"境外大厂"的事——国内某头部大厂 2024 年因未及时处置违法内容被网信办罚款 1200 万元；某跨境电商 AI 营销 SaaS 因 GDPR 违规被欧洲数据保护委员会开出 800 万欧元罚单；某头部 AI 绘画 App 因未做版权审核被多位艺术家联合起诉，最终庭外和解赔偿 1500 万元。这些不是个案，是行业常态。

所以这一节的金句必须送给你——

AI 内容平台不在 Section 230 庇护下，中国《生成式 AI 管理办法》第 12 条直接落在你头上，GDPR 罚单按全球营收 4% 计算——这不是合规，而是生死线。

§五 AI 内容安全的反直觉——拦截比识别更重要

陈默复盘后做的第一个产品决策不是"换更准的审核服务"，而是"把拦截位置前移"。

这件事说出来反直觉，但每个 FDE 真正做内容审核时都会想明白——

AI 内容安全的反直觉：拦截比识别更重要。

为什么？

因为"识别"是概率问题——大模型识别一张图"可能色情"的置信度是 95% 还是 99%，差别只有 4 个百分点；但"拦截"是开关问题——95% 置信度要不要拦？99% 置信度要不要拦？拦错了用户投诉，不拦侵权被告。

更具体的反直觉点是——

拦截不是比识别便宜，而是拦截比识别便宜。大模型审核一次图的成本是关键词审核的 100 倍。如果你用大模型审核每一张生成图，月度内容审核成本可能超过月度 GPU 成本。陈默复盘时算过一笔账——如果用 GPT-4o 全量审核 100 万张生成图，月度审核成本是 8 万元；用关键词审核同样的量，成本是 800 元。差了 100 倍。

拦截不是比识别快，而是拦截比识别快。关键词审核延迟 10 毫秒，大模型审核延迟 2-5 秒。用户提交提示词后等 5 秒才知道能不能生成，体验直接砸盘。

拦截不是比识别可解释，而是拦截比识别可解释。关键词命中就是命中，工程师能立刻解释"为什么拦了"；大模型审核命中但只给一个置信度分数，用户问"为什么拦我"，工程师只能回答"AI 觉得是"——这是最差的用户体验。

所以拦截应该尽量前置、识别应该尽量精化、人工应该作为兜底——这是一个"金字塔"结构，不是"流水线"结构。

陈默复盘后的内容审核架构是——

1. 第一道闸（拦截）：关键词黑名单——200+ 词库 + 正则模式 + 上下文规避检测（谐音/拼音/emoji 替代）。这一道闸要拦 80% 的事。
2. 第二道闸（识别）：专用小模型——Llama Guard / OpenAI Moderation / 阿里云内容安全。这一道闸要识别剩下 18% 的事。
3. 第三道闸（精分类）：大模型精分类——GPT-4 分类提示词，处理边缘案例（艺术裸体 vs 色情）。这一道闸要精分类剩下 1.5% 的事。
4. 第四道闸（兜底）：人工抽检——高风险 100% 抽、中风险 5% 抽、低风险 0.1% 抽。这一道闸要兜底剩下 0.5% 的事。

四道闸的金字塔结构，比"大模型全量审核"的流水线结构稳得多。

这里有一个更深的洞见——关键词审核不是最差，而是最便宜的第一道闸。很多团队看不上关键词审核，觉得"大模型才高级"——错。关键词审核的成本是大模型审核的 1%，拦截效果拦住了 80% 的常见违规。先把关键词词库打磨到 200+ 词、把谐音模式覆盖到 30+ 种、把上下文规避检测做到位——这是花小钱办大事的第一步。

陈默复盘后做的另一个产品决策是——把关键词词库从 50 个词扩到 250 个词，把谐音、拼音、emoji 替代的识别从 0 做到 30+ 模式。这一步的工程量是一人一周，成本不到 5 万；带来的拦截效果是——月度违规生成量下降 73%。

这不是大模型的功劳，而是关键词审核的功劳。

这里有一个更反直觉的洞察——四道闸的金字塔不是按"准确度"分层，而是按"成本×速度"分层。关键词审核成本最低、速度最快、覆盖最广，拦 80%；小模型审核成本中等、速度中等、覆盖较窄，拦 18%；大模型审核成本高、速度慢、覆盖最精细，拦 1.5%；人工审核成本最高、速度最慢、覆盖最准，拦 0.5%。每一层都把上一层漏下的"难啃的骨头"接过来，骨头越难啃、用的方法越贵，但拦截的量越来越少。这就是"金字塔"结构的核心——不是堆砌，是按成本分层。

陈默复盘后做了一次真实测算——按这套四道闸金字塔结构，月度内容审核成本从原本预估的 8 万元（大模型全量审核）降到 1.8 万元（关键词 + 小模型 + 大模型精分类 + 人工抽检），拦截率反而从 92% 提到 99.4%。这 7.4 个百分点的拦截率提升，是 280 万直接成本换不来的。

关键词审核能挡 80% 的事，别小看它，也别迷信它。

§六 三个反常识金句

陈默复盘会最后让我送给他一段话，我就把三个反常识金句留给他、留给你、留给所有做 AI 内容产品的人。

第一个——

关键词审核能挡 80% 的事，别急着上 AI 审核。

很多团队的第一反应是"先接个 OpenAI Moderation 再接个 Llama Guard，把审核堆起来"。错。关键词审核的成本是大模型审核的 1%，拦截效果拦住了 80% 的常见违规。先把关键词词库打磨到 200+ 词、把谐音模式覆盖到 30+ 种、把上下文规避检测做到位——这是花小钱办大事的第一步。

第二个——

大模型审核不是更准，而是更细——它分不清的就交给人工。

大模型审核的优势不是"比关键词更准"，而是"能识别关键词识别不了的边缘案例"——比如一张艺术裸体照片，关键词拦不住、大模型能识别成"低风险"；但一张几乎一模一样的图换个 prompt 就能生成色情内容，关键词也拦不住、大模型也分不清——这时候必须人工抽检。

人工审核不是辅助选项，而是最后兜底。

第三个——

敢上新不是真本事，能收住才是真本事。

AI 内容产品上线第一天就要面对"违规内容从哪儿来"这个真问题。上线之前你没设计内容审核，等于把家门钥匙交给每一个用户。敢上新是勇气，能收住才是本事——把违规内容拦在生成前，是收住的第一步。

三句话翻译成一句总论——

AI 内容安全不是装个过滤器，而是给整个系统装一整套门禁——单元门刷卡、大堂门卫、物业巡逻、摄像头识别，五道防线一道都不能少。

陈默复盘会最后让我送给他一段话，我就把三个反常识金句留给他、留给你、留给所有做 AI 内容产品的人。

这三个反常识金句背后还有一个共同的底色——它们都不靠"花更多的钱"解决，而是靠"重新设计流程"解决。关键词审核花小钱办大事的成本优化、大模型审核只处理边缘案例的精分类、人工审核作为最后兜底的责任分层——这三件事的共同点是"把钱花在最难的地方，把便宜的事先做好"。这就是 65 期张工那句话的另一种表达——AI 系统的工程治理从来不是单点优化，而是分层设计。

这三句金句其实可以合起来读——"关键词能挡 80%"否定了一种贪心的"上最贵最准"的审核观；"大模型不是更准"否定了一种"AI 万能"的技术观；"敢上新能收住"否定了一种"先上线再说"的乐观观。三观一起否定，就留下了一个朴素的事实：AI 内容安全从来不是单点堆砌，而是四道闸的系统设计。

§七 写在最后——把物业这套门禁装上，再谈开小区

陈默复盘会结束那天的最后一个决定，是把月度 5 万元的内容审核预算重新分配——

• 关键词审核研发：1.5 万（继续打磨词库 + 谐音模式）
• 大模型审核订阅：1.5 万（接 Llama Guard + 阿里云内容安全双备份）
• 版权检测订阅：1 万（接 TinEye + pHash + 嵌入相似度三件套）
• 人工审核团队：1 万（2 人外包，按抽检比例付费）

预算没涨多少，但责任闭环建起来了——从用户输入到生成输出，从版权检测到水印嵌入，从用户行为日志到监管报送，每一环都有据可查、有迹可循。

陈默复盘后给团队讲过一句话——“这 5 万预算不是成本，是保险。没装门禁之前，一次被告赔 280 万；装了门禁之后，月度 5 万持续投入，全年 60 万封顶。这笔账怎么算都是划算的。”

陈默事后接受采访时说过一句话——“我以前以为做 AI 产品的关键是模型能力，做完内容审核后我才发现，AI 产品的关键是把责任边界画清楚。”

这句话翻译成物业管理的语言就是——

业主在小区里打伤邻居，物业有没有责任不重要，物业有没有装摄像头才重要。

AI 内容平台也一样——用户在外面侵权了，平台有没有责任不重要，平台有没有装门禁、有没有装摄像头、有没有装日志、有没有配合调查——这四件事装齐了才是真本事。

陈默复盘 6 个月后，平台日活恢复到 2 万、付费用户恢复 80%、融资节奏重启。他事后给所有 AI 内容创业者讲的第一句话是——“装门禁不是成本，而是生意。没有门禁的小区业主不敢住，没有门禁的 AI 平台客户不敢用。”

这里再延伸一个更深的观察——AI 内容产品的"上线"和 SaaS 产品的"上线"是完全不同的两件事。SaaS 时代上线 = 把代码部署到服务器 + 跑通冒烟测试；AI 内容时代上线 = 把代码部署到服务器 + 跑通内容审核 + 跑通版权检测 + 跑通用户行为日志 + 把这一切写进 runbook + 配好监管报送通道。前面那个是上线，后面这一整套才是"上线"。陈默他们当时做了前者，没做后者，所以账单才会来敲门。

这句话适合每个把 AI 内容产品上线的工程师听一遍——

你不是在为审核付费，而是在为"没设计门禁的系统"付费。设计做好，5 万够；设计不做，280 万不够。

陈默后来把这句话贴在了他们工位的墙上，写得就六个字：先把门禁装上。凡是新功能、新模型、新接入，先回答"门禁在哪里"，再回答"怎么做"。先回答"如何知道会出事"，再回答"如何实现功能"——这两个顺序在 AI 时代不能颠倒。

这三道闸——关键词黑名单、专用小模型、大模型精分类——怎么一层一层焊死，让 AI 内容产品变成一个真正能放心经营的小区，下篇卷袖子干活讲清楚：怎么把单元门、大堂门卫、物业巡逻、摄像头一样一样装上去，让 AI 内容平台变成一个能管住、能审计、能追溯的小区。

AI 内容安全不是装个过滤器，而是给每个用户发一把守门钥匙。

你敢不敢把 AI 内容产品直接上线，先看看门禁装好没有。我们下篇见。

陈默最后在朋友圈发了一条——“先把门禁装上，再开门做生意。” 这句话被设计师社区转了 4000+ 次，比任何一句技术金句都传得远。因为它翻译成了所有做生意的人都能听懂的话——门禁不是成本，是门面。没有门禁的店顾客不敢进，没有门禁的 AI 平台客户不敢用。

关于 ArchAIHarness

这篇文章是「看懂 AI 与智能体」专栏的一部分，由ArchAIHarness持续输出。

ArchAIHarness 是一套面向 AI 时代软件工程的人机协同架构哲学与公开工程资产，主张：

架构师定义秩序，AI 在秩序中生长。人立法，AI 执行，体系审计。

如果你也希望 AI 在明确的架构边界内协作，而不是在混沌中碰运气，欢迎到 GitHub 上看看我们在做什么：

• 组织主页：github.com/ArchAIHarness — 了解完整理念与资产全景
• 本专栏：zhuanlan-ai-and-agents— 所有文章的源码与发布记录
• 实践指南：docs— 架构哲学、工程方法和落地指南
• 开源工具：agent-workflows— 可复用的 AI 协作 Agents、Skills 与 Tools
• 工程样例：framework— DDD + AI 协作的工程底座，展示如何在开发中融合 AI

Engineered by Architects · Empowered by AI · Audited by Discipline