API 代理安全关键词匹配规范

网关/WAF/CDN 中间件实现关键词匹配时，避免纯子串匹配导致正常响应内容被误判。

核心问题

纯子串匹配的误判

// ❌ 误判：纯子串匹配，长正文中的正常用词也会命中
var pseudoSuccessPatterns = []string{
    "cloudflare",
    "502 bad gateway",
    "bad gateway",
    "reconnecting",
    "upstream error",
}

当业务响应正文包含这些关键词的字面值（如文章主题就是 "Cloudflare"），纯子串匹配会触发误判，导致：

• 正常响应被当作伪成功错误
• 触发站点切换 / 上游降级
• 错误标记模型/节点不可用

关键事实：关键词出现在长正文中 ≠ 响应存在问题。

解决方案：强/弱特征拆分 + 分层判定

将关键词按风险特征拆分为两组，并配合 HTTP 元数据做分层判定：

分层判定原则（推荐）

使用正文关键词匹配前，先通过 HTTP 元数据排除绝大多数正常响应：

正文关键词只是启发式证据：正常用户内容可能包含技术术语字面值（如 Cloudflare、502、bad gateway），关键词命中不必然等于响应错误，必须结合 status/schema 做综合判断。

强特征（任何长度命中）

完整错误语句或 HTML 错误页特征。这些模式极长且内容特殊，正常用户内容中几乎不可能出现，可任意长度命中：

var pseudoSuccessChatStrongPatterns = []string{
    "exceeded retry limit, last status: 429 too many requests",
    "must be enabled in your dashboard first",
    "unexpected status 502 bad gateway: error code: 502",
    "reconnecting...",
    "<html",
    "<title>5",
    "cf-ray:",
}

弱特征（仅 ≤512 字节内容命中）

单词级或短语级关键词。极短内容（≤512 字节）中命中才判为错误，避免长正文中技术术语误判：

var pseudoSuccessChatWeakPatterns = []string{
    "429 too many requests",
    "502 bad gateway",
    "bad gateway",
    "upstream error",
    "upstream connect error",
    "just a moment",
    "cloudflare",
    "must be enabled in your dashboard first",
}

判定逻辑

func containsPseudoSuccessInChatResponse(content string) bool {
    // 先检查 HTTP status 和响应 schema（应有上层调用保证）
    // 正文关键词仅作为启发式证据

    // 强特征：任何长度命中
    for _, p := range pseudoSuccessChatStrongPatterns {
        if strings.Contains(strings.ToLower(content), p) {
            return true
        }
    }
    // 弱特征：仅 ≤512 字节命中
    if len(content) > 512 {
        return false
    }
    low := strings.ToLower(content)
    for _, p := range pseudoSuccessChatWeakPatterns {
        if strings.Contains(low, p) {
            return true
        }
    }
    return false
}

不同场景的匹配策略

隐含缺陷判定

实现关键词匹配时，用以下问题自检：

• 匹配的关键词在正常用户内容中是否可能出现？
• 如果出现，是否按正文长度做了分级？
• 同样关键词出现在短错误消息 vs 长正常文章里，判定逻辑是否不同？
• 是否有回归测试覆盖长正文误判场景？

自测案例：

与相关 skill 的边界

规则溯源

> 📋 本回复遵循：`api-proxy-safety` - [章节]