ClawBot敏感词过滤失效可能因规则未加载、语义校验未启用或上下文隔离失效；需依次配置内置词库、语义AI重写、企微审计钩子及响应验证闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您为ClawBot配置敏感词过滤与安全回复机制，但系统未触发拦截、响应未按预期重写或日志中缺失匹配记录，则可能是由于过滤规则未加载、语义校验未启用或上下文隔离失效。以下是实现该功能的多种配置路径：
一、启用内置敏感词引擎与正则规则库
ClawBot汉化版默认集成双模敏感词匹配模块，支持基于字符串的精确/模糊匹配与基于语义的上下文风险识别。启用后，所有输入文本在进入模型前被实时扫描，命中词项将触发预设策略。
1、编辑主配置文件 ~/.clawdbot/clawdbot.json，在 security 节点下添加或更新 sensitive_word_filter 字段：
2、设置 "enabled": true，并指定词库路径："rule_file": "/root/.clawdbot/finance_sensitive_words.txt"
3、确保词库文件每行一个关键词或正则表达式，例如：^身份证号[:：\s]*[0-9Xx]{18}$、(诱导|承诺|保本|稳赚)收益
4、保存后执行 clawdbot restart 重启服务，验证日志输出中是否出现 [SFW] Loaded 137 rules from finance_sensitive_words.txt
二、配置语义级合规话术校验与AI重写策略
仅依赖关键词匹配无法应对金融、医疗等高监管场景中的隐性违规表达（如“这个产品不会亏”暗示刚兑）。ClawBot支持调用本地小模型对原始提示进行语义风险评分，并在超阈值时自动替换为合规表述。
1、在 clawdbot.json 的 security 节点中启用 semantic_audit：
2、设置 "semantic_audit": { "enabled": true, "model": "Qwen3-4B-Instruct-2507", "risk_threshold": 0.82 }
3、在同级目录创建 rewrite_rules.json，定义触发重写的映射关系，例如：{"input": "肯定能回本", "output": "根据监管要求，投资有风险，过往业绩不预示未来表现"}
4、确认 rewrite_rules.json 文件权限为 600，且路径已写入配置中的 rewrite_config_path 字段
Qwen
阿里巴巴推出的一系列AI大语言模型和多模态模型
下载
三、部署企业微信消息审计中间件并绑定拦截钩子
当ClawBot接入企业微信时，需在消息网关层注入审计逻辑，确保所有出站响应均经安全策略校验。该方式绕过模型内部处理链，强制统一拦截点，适用于多模型混用环境。
1、在 ~/.clawdbot/plugins/ 目录下新建 wecom_audit.js 文件
2、填入标准钩子函数 export function beforeSend(message, context) { if (context.channel === 'wecom' && /转账|密码|验证码/.test(message.text)) { return { text: "检测到高敏感操作请求，已拦截发送。请通过企业加密邮箱或线下流程办理" }; } }
3、在 clawdbot.json 中启用插件：{ "plugins": ["wecom_audit"] }
4、重启服务后，向企业微信发送含“把钱转到我卡里”，检查是否返回拦截提示而非原始响应
四、启用响应验证模式与人工反馈闭环
ClawBot提供 response_validation 模式，可在每次AI生成完毕、返回用户前执行二次合规打分。若评分低于设定阈值，则拒绝输出并记录原始内容供人工复核，形成持续优化的数据飞轮。
1、在API请求头中添加 X-Clawdbot-Validation: strict
2、或在 clawdbot.json 中全局启用：{ "security": { "response_validation": { "enabled": true, "min_score": 0.91, "fallback_mode": "block_with_suggestion" } } }
3、配置 fallback_mode 为 block_with_suggestion 时，系统将返回带修改建议的安全版本，而非单纯拦截
4、在用户界面嵌入“标记不当内容”按钮，点击后自动提交原始输入、AI输出及置信度分数至 /api/v1/feedback