AI生成内容标识要怎么做合规

平台上线了 AI 生成功能，或者用户往站里传 AI 稿件，你被要求「做好标识」——但标识到底标在哪一层、给谁看、留多久，没人说得清。这篇把可执行的清单和判定口径列出来，帮你在不写死具体条文数字的前提下，把标识做成能过审、能自证的一套动作。

平台上线了 AI 生成功能，或者用户往站里传 AI 稿件，你被要求「做好标识」——但标识到底标在哪一层、给谁看、留多久，往往没人说得清。有人以为加一行小字就完事，结果真被问起来，声明记录找不到、展示截图没有、判定逻辑说不清。

这篇按可执行的口径来拆：先认清自己在链上是哪一环，再把「标什么、标在哪、怎么留痕、怎么申诉」一步步拆成动作。不写死具体条文数字，你需要对照具体数字时，去站内指南与资料库页面看当时的版本。

先弄清你在这条链上是哪一环

同一句「做好 AI 标识」，三类角色要干的事完全不同。自己用模型产内容的自媒体，义务主要落在发布口；提供生成功能的平台，义务落在生成环节加调用记录；只做分发的内容社区，其实只能管到上传和展示这两段。定位错了，后面全是白工。

生成方

直接调用模型产出内容的一方，标识要贴住产出动作本身

功能平台

把生成能力嵌进产品的平台，要同时管生成记录与前端展示

分发社区

只接收用户投稿的社区，能管的是上传声明与页面展示

链路图

谁产生、谁编辑、谁发布、谁存档，四个位置各对应一个标识点

先画这张链路图，再决定在哪几个位置插标识。内容社区通常没有能力去追溯用户用没用模型，就别在用户协议里写自己管不了的事——承诺了做不到，比不承诺更被动。

标什么：把「是不是 AI 生成」拆成三层

非黑即白的判定在实际业务里几乎不可用。用户拿 AI 起了个草稿再大改，和整篇一键生成、和人工写完让 AI 润一遍，是三种完全不同的情形。你要先决定这三层怎么归口，再考虑措辞。

平台侧建议至少保留三个状态：未标注、用户已声明为 AI 生成、系统疑似 AI 生成。三态比两态更好用，因为后两种的处理方式完全不同——一种是尊重用户声明，一种是你的系统判断，混在一起会让申诉时说不清依据。

标在哪：四个位置别漏

标识不是加一行字就完了。真正经得起追问的做法，是让同一份内容在四个位置都能被找到对应的标识或记录：给用户看的、给下游系统看的、给审核工具看的、给事后复盘看的。缺一个，出事时就只能靠嘴解释。

• 内容页可见位置：标题旁、正文顶部、图注这类用户一眼能看到的地方，别藏在页面最底部
• 元数据与接口字段：给下游分发系统和审核工具读，字段名要固定，别今天叫一个名明天换一个
• 上传表单声明项：这是第一手举证材料，用户自己勾的那一下，比后台任何推断都更站得住
• 跨端一致性：PC、移动端、小程序、开放接口的输出都要带同一标识，只在一端出现很容易被截图质疑

误判也要分开处理。用户误勾「是」属于手滑，提示一下让他改就行；恶意不勾则涉及规则执行，处理方式不能和手滑混为一谈。把这两种情况在后台分开打标，后面复盘才有数据可看。

让用户声明的流程怎么设计才有人填

声明流程最大的敌人不是用户不愿填，而是入口放错位置。提交之后再让用户补，转化率会掉得很难看。正确做法是放在提交前，和标题、正文这些必填项并排，填错还能改。

1. 把入口前置放在提交表单里，和正文输入框同一屏，别放到发布成功后的弹窗里
2. 措辞具体化用「本内容是否由 AI 生成或大幅改写」，比「是否使用 AI」有效得多，后者没人知道自己算不算
3. 留一个不确定选项给「我不确定」这一项，比强行二选一更能拿到接近真实的数据，也方便后续复核
4. 和隐私条款对齐收集声明这个动作，要在用户协议或隐私政策里写清用途，别一边收集一边没写

有一点要提醒：声明流程能提升数据质量，但它不是一个判定的终点。用户声明「是」，不代表内容一定有问题；用户声明「否」，也不代表系统判定就该无条件放行。声明是证据之一，不是结论。

留痕：出事时你要能拿出什么

被质疑的时候，你需要能拿出证据，而不是回忆。所谓可自证，指的是四样东西能凑齐：用户声明记录、内容发布时的快照、标识在页面上的展示截图、后台对这个内容的操作日志。少一样，举证链就断了一环。

留存时长不要一刀切。短周期内容（比如当日热点、临时活动页）和长周期档案（比如正式公告、长期栏目）的业务周期完全不同，分开定策略比统一规定更现实。数据边界和「什么能发、什么别发」的原则，可以看站内数据安全相关的那篇说明，这里只讲标识相关的留痕与举证。

审核与申诉：别把标识做成单向判定

机器打「疑似 AI」标签这件事，一定要配申诉入口。误伤一旦发酵，处理成本远高于标识本身。用户申诉的时候要让他知道交什么，提前把材料清单写在申诉页面上，比事后一封封问效率高得多。

• 申诉材料清单：创作过程草稿、修改记录、素材来源、生成工具使用记录，能交几样交几样
• 同一作者反复申诉成功：这说明你的判定阈值有问题，该回头修规则，而不是继续人工放行
• 申诉处理要有归口人：谁负责、多久内响应、结果怎么回告，先定好再上线
• 排查顺序：先看声明字段有没有、再看展示有没有、最后才看判定逻辑，别一上来就调模型

这个排查顺序很实用。很多所谓「标识失效」的案例，最后发现根本不是模型判定问题，而是字段没落库或者前端压根没渲染。先查便宜的两步，能省掉大量无谓的模型调参。

上线前自查清单（照着打勾）

把下面四组检查项过一遍，比通读一遍规则文档管用。每一条都要能给出具体位置或者具体负责人，答不上来的那条就是你的风险点。

这份清单不是上线前打一次勾就完了。规则和产品都在变，建议把它当成交付前的固定动作，每次大改动都重新过一遍。

什么情况下光靠标识并不够

标识解决的是来源披露，解决不了内容本身的真实性责任。内容一旦涉及具体人物、事件、机构，用户看到「本文由 AI 生成」这行字，并不等于平台就完成了全部义务。把标识当免责声明用，在争议里反而容易被认定为明知而不作为。

• 高风险垂类要叠加人工复核：医疗、金融、法律建议这类内容，标识只是最低一层
• 判定准确率长期偏低时：先补审核流程，再谈标识措辞，顺序反了没意义
• 平台主动生成的内容：责任比用户投稿更重，标识之外还要有内部审核记录
• 跨平台传播场景：标识在转发后可能丢失，要提前想好是否在内容本体里留痕

标识是让用户知道来源，不是让平台卸下责任。

判断标准可以简化成一句：如果这条内容出错，你希望用户通过标识获得什么信息？如果答案是「知道这是机器生成的」，那标识够了；如果答案是「知道该找谁负责」，那标识之外还得有审核和归档。