如何保证LLM生成内容与图片的可控性？

## 作用 保证 LLM 文本与图片生成结果可控，核心是把开放式生成改造成可复现、可约束、可过滤、可审计的工程流程，减少随机偏差、不合规内容和低质量结果。 ## 原理 - **固定 seed** - 对同一提示词使用相同随机种子，使生成结果尽量可复现。 - 便于对比参数、复现问题和稳定输出风格。 - **模板化提示词** - 将主体、动作、风格、构图、角色描述、风格词等字段结构化管理。 - 通过统一模板渲染提示词，避免业务侧随意输入导致结果漂移。 - 可对模板版本和内容生成指纹，记录本次生成实际使用的提示词。 - **显式负面约束** - 不依赖模型自行规避问题，而是在提示词中明确写出不希望出现的内容。 - 例如：文字、水印、Logo、真人、畸形、低清、复杂背景等。 - **参数化控制** - 通过统一的生成请求对象管理模态、prompt、seed、模型参数等。 - 文本、图片等不同模态实现统一接口，业务层不需要耦合具体模型，方便切换和灰度。 - **质量门禁** - 对图片可用清晰度、主体占比、是否贴边、尺寸等基础指标自动初筛。 - 快速剔除模糊、主体过小、构图贴边等废片，但指标不能替代人工审美。 - **内容审核与脱敏** - 生成前后检查违法、暴力、色情、歧视、虚假宣传、绝对化用语等风险内容。 - 对手机号、身份证号、邮箱等个人信息进行识别和脱敏。 - **版权与合规校验** - 检查模型许可、字体授权、真人肖像授权、品牌 Logo 或商标授权等元数据。 - AI 生成内容还应按平台要求进行标识。 - **全链路留痕** - 每次生成记录模型名称、seed、提示词、提示词指纹、模板版本、审核结果、trace_id、成本等信息。 - 出现问题时可以追溯、复现和审计。