前言

项目地址（欢迎大家去点Star⭐支持我）：https://github.com/pymcn6/Lexfence-AI-Content-Moderation

如果你想改代码、二次开发，直接用 Python 跑 Lexfence 会更方便。

做社区、做平台，绕不开内容审核这道坎。自己写规则容易漏，接商用 API 又贵又不灵活。Lexfence 的思路是：把大模型当审核引擎，自己托管、自己定规则。

先简单说说它凭什么好用：

• 多 AI 渠道自动切换：OpenAI、Claude、Gemini 和各种兼容服务一起接，按优先级调用，遇到超额/限速/报错自动切换下一个，单点故障不影响整体。

• 权限与额度细分：用户、配额、API Key 三层。每把 Key 能单独设用量限制（每分钟/时/天/月/年的 Token 上限）、请求速率、有效期；用户能建多少 Key 也可控。

• 多模态检测：文本、图片、视频通吃，提示词和分类可自定义。

• 三种 API 调用：同步、轮询、Webhook，长任务不超时。

• 商业化就绪：内置定价页（每百万 Token 配价、多货币换算）和充值页，按实际用量计费，自用商用都行。

环境以 Ubuntu 22.04 LTS 为例。

部署

准备环境

Ubuntu 22.04 自带 Python 3.10，装上 pip 和 venv 即可，如果你没有也可以参考网上教程和你的系统环境安装：

sudo apt update

sudo apt install -y python3-pip python3-venv git

拉代码、装依赖

git clone https://github.com/pymcn6/Lexfence-AI-Content-Moderation.git

cd Lexfence-AI-Content-Moderation

python3 -m venv venv

source venv/bin/activate

pip install -r requirements.txt

配一下环境变量（可选）

复制示例文件，按需改 SECRET_KEY、DATABASE_URL：

cp .env.example .env

不改也行，默认用 SQLite，密钥会自动生成并存到 instance 目录。

启动

开发环境直接跑：

python app.py

默认监听 http://127.0.0.1:5000。

生产环境用 gunicorn，多进程更稳，超时调长一点防止思考型模型长任务被掐：

gunicorn -w 4 -b 0.0.0.0:5000 --timeout 180 app:app

想长期后台运行，建议配合 systemd 或 supervisor 守护进程，这里不展开。

配置

跑安装向导

浏览器打开 http://你的IP:5000，首次访问进入安装向导：选数据库、建管理员、填站点信息，一步步走完即可，无需手改配置。

添加 AI 渠道

进后台 AI 渠道 → 新增，填类型、Base URL、API Key，保存后点获取模型并勾选启用。多加几个渠道并设不同优先级，就能实现前面挂了自动切后面的容灾效果。

检测规则与 API

- 自定义提示词：按场景配标签集，提升精度。

- 后台设置：Token 预扣、账单保留天数、默认每用户可建 Key 数、全站联系方式等都在这。

- API 密钥 / API 文档：生成 Key 并设用量、速率、有效期；文本/图片/视频三种检测、同步/轮询/Webhook 三种调用方式的代码示例都在文档页。

完成

跑起来后，「内容检测」页可直接测，或用 API 调：

curl -X POST "http://你的IP:5000/api/v1/detect" \

  -H "X-API-Key: 你的KEY" \

  -H "Content-Type: application/json" \

  -d '{"text":"待检测的内容","scene":"message"}'

返回 {"result": true} 是违规，false 是正常。接下来按需调渠道、配规则就能上线了，去试试吧。

赞助

开发这个项目真的很不容易，虽然使用 Vibe Coding 完成开发但也烧掉了不少Tokens和本人大量的精力，如果你觉得这个项目对你有帮助，并想支持这个项目的继续更新，可以考虑赞助我一下，谢谢~