AI 发布审批如何避免误发改写后的内容
文章以审批后草稿被改写的场景,指出仅在草稿上保存批准布尔值可能导致发布未经审核的文本。通过无需外部依赖的 Python 示例,讨论审批应覆盖的正文、目标平台及其他可变字段。
AI 深度解读
编辑在 Telegram 里批准了一篇 AI 文案,发布任务还没执行,有人又点了 Rewrite。最终发出去的是编辑看过的版本,还是改写后的内容?如果系统只在草稿上存一个 approved = True,这个问题就没有可靠答案。
作者用一个不联网的 Python 示例说明:发布审批应该绑定具体内容和目标渠道,并在发送前校验。对正在接入 AI 内容生成、人工审核和自动发布的开发者来说,先把这个交接环节测清楚,比先接通模型更有用。
编辑点下 Publish,到底批准了什么
作者的 Content Factory 会把创意生成 Telegram 预览,编辑可以批准,也可以要求改写。其他平台的版本有各自的审批按钮。项目连同搭建和测试大约用了 1 周;加入审核流程后,从创意到发布约需 5 分钟,其中包含人工检查,不能当成模型调用耗时。
真正影响实现的是:预览里哪些字段属于审批范围?
纯文本试点可以先包含正文和发布目标。如果图片、链接、定时时间也能修改,就要明确这些修改是否需要重新批准。发布目标应与正文一起展示;按钮只写 Publish,而渠道藏在另一个设置页里,编辑看到的操作与后台执行的操作就可能不一致。

批准后发生修改,也有两种合理策略。定时发布可以保留已批准的快照,直到编辑主动取消;也可以让新修订立即使旧审批失效。作者的试点选择后者,避免编辑正在纠正公告时,旧内容仍被发出去。
审批要绑定一个明确版本,版本更新后如何处理旧审批,则是产品规则。
两种策略都需要版本化草稿,区别在于发送时检查什么。
用一个摘要,验证即将发送的内容
作者用 Python 3.12 和一条虚构维护公告测试交接规则,不需要安装包、模型凭证、Telegram bot 或真实发布账号。
示例把草稿 ID、修订号、目标渠道和正文组成快照,再计算 SHA-256 摘要。这个摘要相当于快照标签:审批保存标签,worker 执行任务时重新计算,确认两者对应同一份内容。
把下面代码保存为 approval_demo.py,运行 python3 approval_demo.py,即可检查未修改、改写、换渠道和缺少审批四种情况:
from hashlib import sha256
from json import dumps
def snapshot_id(snapshot):
data = dumps(snapshot, sort_keys=True, separators=(",", ":"))
return sha256(data.encode("utf-8")).hexdigest()
def dry_run(snapshot, approved_id):
if approved_id is None:
return "BLOCK: no approval"
if snapshot_id(snapshot) != approved_id:
return "BLOCK: preview changed"
return "ALLOW (dry run): " + snapshot["destination"]
preview = {
"draft_id": "maintenance-7",
"revision": 1,
"destination": "status-test",
"body": "Maintenance starts at 18:00 UTC.",
}
approved_id = snapshot_id(preview) # Simulated editor approval.
rewrite = dict(preview, revision=2, body="Maintenance starts at 19:00 UTC.")
rerouted = dict(preview, destination="public-feed")
for draft, approval, expected in (
(preview, approved_id, "ALLOW (dry run): status-test"),
(rewrite, approved_id, "BLOCK: preview changed"),
(rerouted, approved_id, "BLOCK: preview changed"),
(preview, None, "BLOCK: no approval"),
):
result = dry_run(draft, approval)
assert result == expected, (result, expected)
print(result)
要看的是 snapshot_id(snapshot) != approved_id 这一行:它比较整个快照,因此正文相同但目标渠道变化,也会被拦截。脚本没有真正发送帖子的函数,允许通过也只是 dry run。
再补两个用例:只改时间、不增加修订号,应该拦截;只增加修订号、不改正文,也应该拦截。前者防止原地篡改内容,后者防止草稿重新打开后沿用旧审批。
但摘要不能证明是谁批准的。真实 worker 必须校验审批者是否有权批准该渠道,再从可信存储读取审批。浏览器传来的摘要、模型生成的摘要,都不能直接当成审批凭据。
校验通过以后,还可能发错或发重
这个脚本只能验证相等关系,不能覆盖并发竞争:worker 校验快照 A,发送前却又从可变草稿读取正文 B,仍然会把未经审批的内容发出去。
作者建议用记录调用参数的假发布器测试:在 worker 领取任务前暂停,保存新修订,再恢复执行。按这个试点的规则,预期发布调用次数必须为零。实现上,需要依据当前修订号有条件地领取任务,并把不可变快照直接交给发布器。

任务领取后才到来的编辑如何处理,也要提前约定。请求一旦发出,应用未必还能取消。
超时同样不能统一处理。生成超时应显示为生成失败,晚到的结果不能覆盖更新的预览;发布超时则可能是平台已经接收,只是响应没回来。
发布超时后的状态可能是「投递结果未知」,不能直接认定为未发送。
测试时,可以让假发布器先记录帖子,再抛出超时。预期系统进入 delivery unknown,而非立刻再发一次。后续要看真实 API 是否支持幂等键,或能否查询、核对发送结果;无法安全确认时,应交给编辑处理。
多平台发布还要分别记录结果。某个平台失败,不应带着已经成功的平台一起重发。内容确实相同时,共享审批可以省操作;如果各平台有独立文案或媒体,编辑就需要先看到相应版本。
我的判断
这篇最有价值的地方,是把 AI 发布流程里的关键约束变成了可验证的规则:发送内容必须对应审批内容。文本来自固定字符串还是模型,并不影响这个要求。
但它仍是演示,不是完整发布系统。摘要校验没有解决身份认证、数据库并发控制和外部平台的重复投递问题。原文提出了有条件领取任务、幂等和结果核对,却没有给出数据库实现,也没说明具体发布 API 的能力。
SHA-256 也不是唯一方案。如果系统已经有严格不可变的版本记录,审批关联版本 ID、worker 始终读取该版本,也可以表达同样的约束。摘要方案把参与审批的字段集中起来,便于发现正文之外的变化;最终可靠性仍取决于存储和发送路径。
作者的约 1 周开发、约 5 分钟发布属于个人项目经验,没有对照数据,也没有交代内容难度和修改次数,不能据此推算一般团队的效率收益。
此外,版本一致不代表内容正确。错误日期、失效链接可以完整地通过审批校验,内容检查和人工审核仍是另外两道工作。
能拿来做什么
- 给内容后台接发布按钮前,先列清审批包含的字段,并让前端预览同时展示正文与目标渠道;图片、链接和定时时间是否需要重新审核,也应形成明确规则。
- 在 Node 发布 worker 的集成测试里加入「审批后改写」场景,用假发布器记录调用,验证旧任务不会触发发送,同时检查传入的确实是已校验快照。
- 将生成超时与发布超时分开建模;生成结果过期就不能覆盖新预览,发布结果未知则先查询或人工核对,避免立即重试。
- 试点时分别记录预览生成耗时、编辑纠错耗时和审核排队时间。把固定文案换成模型输出后,继续保留审批与领取任务之间发生修改的测试。