物业报告该走审核API还是聊天模型？先算清这笔账

“短答案：在比较token成本之前，先按队列SLO、升级率和可移植性，把专用审核API和通用聊天补全运行时放在一起比。”这是针对物业内容审核给出的判断。它没有直接给出哪个更便宜，而是把问题拉回到一个更实际的位置：每条路径能创造多少可预测的审核容量，多频繁地把模糊文本推给人，以及以后迁移这套工作负载有多难。

这个思路的起点，是一份小的、可移植的决策契约。先测量代表性报告产生的token和审核结果，再选择能满足队列SLO的最窄运行时。素材里举了两个对照：一份坏掉的加热器报告很普通，一份指控租户有威胁行为的报告则不是。两者都可能以短文本形式到达，也都不该仅仅因为分类器给出了一个看起来很自信的标签就被自动拒绝。服务应当分类、保留原始证据，并把升级动作明确写出来。

被限定的生产场景，是一栋楼发生全楼事件后居民报告集中涌入的那一阵。审核worker接收文本、分配策略类别，并把不确定的条目放进人工审核队列。队列规模要按这波峰值来定，而不是按平均每小时来定——稳定的流量会掩盖重试、更长的提示词和人工可用性撞在一起的那个时刻。

这里有一条不变量：模型输出是审核策略的输入，不是策略本身。一个带类型的结果需要包含决策、类别分数或理由、请求标识符，以及一个明确的结果不完整指示。如果运行时超时、返回格式错误的结构化数据，或者超出延迟预算，安全的操作结果就是“需要审核”，同时原始报告保留在应用的访问控制之下。素材用一句话点出了这个陷阱所在。

这条边界也让供应商可移植性变得可行。应用拥有schema、阈值、脱敏规则、重试预算和审计记录；适配器拥有供应商特定的请求。在专用审核服务、带约束输出的通用模型和自托管分类器之间迁移，改的是适配器和一组校准数据，而不是队列语义。

成本比较要用工作负载方程，而不是公开单价的赛跑：

• 月度运行时成本 = 请求数 × 单次请求成本 + 输入token × 输入费率 + 输出token × 输出费率 + 重试成本 + 人工审核成本

对一个物业组合，至少要在14天或一次代表性回放中记录这些维度：报告长度、语言、类别构成、不确定率、重试次数、p50和p95延迟，以及升级到人的比例。只有把同一份带标签的样本送进每个候选方案，这个决策才有意义。不要拿一个紧凑的审核请求去比一个啰嗦的聊天提示词，然后说结果公平。Node.js调用方和Go worker应当到达同一份策略契约，语言不是可移植性的边界。

容量和钱一样重要。如果一个候选方案产生更多模糊结果，它表面的推理成本可能更低，但它的审核队列会消耗稀缺资源。反过来，强迫通用模型为每一份无害报告生成详细解释，会抬高token却不改善人的决策。解释留给升级项，正常结果保持小。

素材给出的对照表是决策框架，不是排名。当报告分类法、数据保留规则或人员配置模型变化时，正确答案也会变。当固定的类别覆盖和低方差比富有表现力的标签更重要时，通用聊天路径就不合适；当本地策略需要它无法表示的类别时，专用审核路径就不合适。这个限制是结构性的：没有哪个运行时能推断出应用尚未定义的策略，也没有哪个schema能让不确定的判断变确定。

最小可用的契约把分类和动作分开，并且拒绝未知类别，而不是默默把它们当作安全。示例代码是刻意保持供应商中立的，适配器可以把它翻译给托管API或本地服务。阈值是示例策略值，不是普适事实，要对照已裁决的报告和漏掉有害条目的代价来校准。重要的行为是失败关闭路径：不完整或不确定的输出进入审核，同时应用仍能在模型响应之外附上原始请求ID和审计上下文。

在worker里，重试需要截止时间和幂等键。一次重试如果创建了第二个队列条目，即使两次分类都正确，也是操作缺陷。把供应商调用放在有界并发限制之后，把队列年龄暴露为SLO信号，并在延迟变成事故之前测量饱和度。一个有用的起始SLO是：在给定时间窗口内完成分类或入队的报告达到某个声明的百分比；具体目标属于审核运营，不属于模型供应商。

可移植性用固定样本测试，而不是用接口名字测试。保留一个小语料库，包含脏话、引用式辱骂、编码语言、居民使用的多种语言、空文本、超长文本，以及提到某人但没有攻击他的报告。为每个标签附上预期的升级结果和理由。当提示词、模型、策略分类法或脱敏步骤变化时，重新跑一遍。

有三条边界值得分开测试：schema有效性、策略正确性和操作行为。一个合法的JSON对象仍可能做出错误的队列决策；一个正确的决策仍可能违反延迟预算；一个快速的响应仍可能在请求体被默认记录时把报告泄漏进日志。这些属性要独立测试。

同样的纪律适用于托管审核API、托管通用模型和自托管分类器之间的取舍。托管API可能减少服务工作量，但会约束分类法；通用聊天补全可能更容易表达本地类别，但带来提示词和token的方差；自托管路径可能改善部署控制，同时把容量规划、打补丁和模型刷新移到平台团队身上。这些都是真实差异，没有哪一条足以宣布一个赢家。

因此决策规则很窄：选择在回放语料上满足审核队列SLO、留在数据边界内、并且能通过适配器替换而不改变审计或升级契约的那个选项。工作负载变化后重新检查。物业报告是运营数据，昂贵的失败通常是一个未被审核的决策，而不是多出来的几个token。