上周帮一个做政府网站运维的网站朋友看后台，发现一条2019年发布的错敏政策解读里，把“党委领导”写成了“党委领导”——乍看没毛病，信息但原文里“党委”和“领导”之间被插入了一个全角空格，检测导致页面渲染时两个词被拆成两行。工具朋友说，网站这种问题人工巡检根本查不出来，错敏可上级部门的信息扫描系统一抓一个准。

这就是检测错敏信息检测工具要解决的事。它不是工具简单的错别字检查，而是网站针对特定场景——政务网站、媒体平台、错敏企业官网——对内容里的信息政治敏感词、错别字、检测标点误用、工具格式异常甚至图片里的文字做批量扫描。我见过最细的规则库，连“总书记”前面必须加“中共中央”这种层级表述都写进了正则表达式。

这类工具的核心逻辑分三层。第一层是词库匹配，把“敏感词库”和“错别字库”塞进AC自动机，扫描时逐字比对。第二层是上下文判断，比如“台湾”单独出现没事，但“台湾总统”就会触发红色告警。第三层是格式校验，像刚才那个全角空格案例，规则会检查特定词组之间是否混入了不可见字符。

有个做区级门户网站的技术员跟我吐槽，他们试过用开源拼写检查库，结果把“习近平新时代中国特色社会主义思想”里的“习”字标红——因为词库里没有这个专有名词。后来换了带自定义词库的工具，才把误报率压下去。这行有个不成文的指标：误报率超过5%，运维人员就会直接关掉告警。

实际部署时，检测工具通常分两种模式。一种是发布前拦截，编辑点“提交”按钮时后台跑一遍扫描，有问题直接弹窗。另一种是存量扫描，半夜爬全站URL，第二天生成Excel报告。我见过最狠的配置是每分钟扫一次首页，发现新增敏感词立刻给管理员发短信。

但工具终究是工具。去年某地官网把“疫情防控”写成“疫情防控”——“控”和“防”顺序颠倒，检测工具没报错，因为两个词都在白名单里。最后还是靠人工回读才发现。所以现在的趋势是检测工具+人工复核，机器管批量，人管语义。

如果你打算自建一套，别急着买商业产品。先拿Python的ahocorasick库搭个原型，词库从《新华社新闻信息报道中的禁用词和慎用词》里抄，再补上本单位的专有名词。跑一周日志，看看误报和漏报的比例。大部分团队到这一步就会发现，真正的难点不是算法，而是词库的维护——谁來更新？多久更新一次？新增的敏感词怎么同步到所有站点？

有个省级平台的运维负责人告诉我，他们现在用Git管理词库，每次修改都走Pull Request，合并后自动触发全站重扫。这法子听着笨，但比任何花哨的AI模型都稳。毕竟在错敏信息这件事上，漏掉一个词可能就是事故，而误报一个词只是多看一眼。

(责任编辑：综合)