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：

判定层	检查项	优先级
1. HTTP status	2xx=正常, 5xx/429/某些403=错误	最高
2. Content-Type	text/event-stream 保持流式处理, application/json 检查 schema	↑
3. 响应 schema / 错误字段	JSON 中 error.code / error.message / success:false 等	↑
4. 正文关键词匹配	强/弱特征，仅作为启发式证据，不作为唯一事实	最低

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：

特征	说明
exceeded retry limit, last status: 429 too many requests	完整 429 错误句
must be enabled in your dashboard first	完整仪表盘引导句
unexpected status 502 bad gateway: error code: 502	完整 502 错误句（含 UUID）
<html / <title>5 / cf-ray:	HTML 错误页特征

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：

特征	说明
429 too many requests	短版 429
502 bad gateway / bad gateway	短版 502
upstream error / upstream connect error	上游错误
just a moment	CDN 挑战
cloudflare	CDN 品牌名
must be enabled in your dashboard first	短版引导句