一套面向公司官方账号的内容预审智能系统。它不是辩论调解员或社会议题评论员，而是一道前置的内容安全防线。
识别并拦截可能引发性别对立的措辞，消除无意识偏见，确保公司言论的包容性与公正性。
同步审查内容是否违反社会公序良俗，确保公司言论在法律底线和道德风尚上均无瑕疵。
所有审查判定均基于以下六项基本原则，它们是知识库的上位准则。
避免暗示"全体男性都……""女性天生就……"等对全性别进行特征归因的表述。不将特定性格、能力、角色与某一性别绑定。
不把一个群体的负面行为归因于整个性别，不构建"受害者 vs 压迫者"的二元框架。避免将社会问题简化为性别对立。
允许有可靠数据支撑的客观事实陈述，禁止带有价值判断的性别评价性表述。事实需要注明来源，价值评判应替换为中性描述。
公司官方发言只讨论产品与服务、社会责任与ESG行动、通用价值观，不站队、不挑起性别政治争论。
涉及性别话题时，按三步处理：具体化表述（避免泛化归因）、使用中性词汇（去除性别标签）、均衡对称举例（确保多角度呈现）。
所有对外内容必须遵守公共秩序和善良风俗，公序良俗审查优先于性别伦理审查。任何违反法律法规和社会公德的内容均须立即拦截。
摒弃"通过/不通过"的二元判定，采用四色等级系统对不同风险采取差异化处理。
当同时涉及性别伦理和公序良俗两个维度时，最终等级取两者中的最高等级。
公序良俗审查作为前置安全门，通过后再进入性别伦理专项深度审查，形成分层递进式架构。
违反公序良俗？→ 直接拦截
触发红色/橙色 → 拦截或强制提醒
触发黄色 → 标注并建议修改
对照事实库修正错误预设
根据平台特征调整建议
取最高等级作为最终结论
从高到低的三级扫描优先级，P0 确保红线零遗漏，P1 提供改写空间，P2 捕捉无意识偏见。
12 个结构化知识库文件，按"规则层 → 知识层 → 实践层 → 元层"四层分级组织。
5 个真实品牌案例验证，涵盖 2020–2026 年间的实际品牌争议事件。
"我妈有两个'老公'，一个是我爸，另一个一年见两回。跟我爸约会基本不打扮，见另一个，她恨不得把衣柜翻个底朝天。"
性别刻板印象与对立煽动(高) + 公序良俗(高)
"我的父母感情深厚，相处自然舒适。每年有两次重要的家庭聚会，妈妈都会格外重视，精心准备。"
删除具有误导性的"两个老公"表述，将焦点从对母亲个人行为的评判转向对家庭情感和重要时刻的正面描述
"妈妈，您先用"、"让妈妈洗衣更轻松"
角色刻板印象(中)
"家人，您先用" / "让全家洗衣更轻松"
将特定性别角色替换为中性或包容性称谓
"用爸爸的标准，做一片好吐司"
角色刻板印象(低)
"用家人的标准，做一片好吐司" 或 "用爱的标准，做一片好吐司"
将特定性别角色替换为中性或更具情感包容性的词汇
"我们这个行业女性普遍比较少，每天上班电梯里都是男的"、"过去大家认为车是男人的游戏"、"女性不该只坐副驾"
角色刻板印象(中) + 能力偏见/对立煽动(低至中)
"过去，汽车世界常常被描绘为单一的图景" / "我们正致力于让这个行业的风景更加多元" / "驾驭方向，是一种自由的选择"
从"否定现状"转向"表达愿景"，从"否定式说教"转向"肯定式赋能"
杨笠从红毯走进奔驰车，配文"舒适新篇章"
对立煽动/潜在性别歧视关联风险(高)
选择争议性较低的合作方；若仍决定合作，文案应严格聚焦产品功能
单看文案无直接问题，但整体营销行为因合作对象的特殊性构成高风险
覆盖 9 大业务场景的改写示例库，检测到风险后提供精准的改写建议。
针对不同社交平台的用户特征和文化语境，提供差异化的审查建议。
不参与性别相关热搜，防截图二次传播
避免"姐妹""集美"等限定性称谓
注意AI语音/字幕中的性别偏见
必须有数据支撑，避免价值判断
评论区精选留言也需要审查
输入待审查文本，选择目标发布平台，体验 Agent 的实时审查能力。