LLM-Filter-Probe 是一款针对 LLM 输入侧风控规则的逆向分析框架。
在当前的 LLM 中间件生态中，许多服务商（如 NEWAPI 及其兼容架构）会在用户输入侧 (Prompt) 实施基于字典的关键词拦截。本项目旨在通过自动化交互探测，利用高效的“宏观二分 + 微观精确”混合算法，在最小化 API 调用成本的前提下，精准还原目标平台实施的敏感词过滤字典，为风控合规研究与平台运营分析提供数据支持。
⚠️ 注意：本项目仅针对基于“关键词匹配”的机械式过滤（中间层风控），无法检测 OpenAI/Claude 原生模型的语义级安全拦截。
- 🔍 混合探测算法 (Hybrid Algorithm)
- 自适应策略：针对长文本（50字）采用二分查找快速收敛可疑区间；针对短文本自动切换至双向挤压算法，定位精度直达词汇级（1-3字）。
- 🛡️ 智能动态优化
- 精准定位策略：采用“先切片，后挤压”的原则，有效处理多个敏感词紧密相邻的复杂场景。
- 物理位置推进：通过记录坐标而非文本掩码来推进扫描，确保了坐标的绝对准确性并避免了重复计算。
- 🚀 极致性能体验
- 纯异步架构：后端基于 FastAPI 异步 I/O，前端基于 Vue 3 + WebSocket，实现扫描进度、日志流与结果的毫秒级实时回显。
- 高并发控制：支持自定义并发数（1-50），内置指数退避与随机抖动重试机制，适应复杂网络环境。
- ⚙️ 灵活配置系统
- 支持多层级配置（系统/用户/预设），敏感凭证分离存储，支持配置热重载（修改配置后无需重启服务即刻生效）。
我们为您准备了详细的工程文档，请根据需求查阅：
| 文档名称 | 内容说明 | 适用人群 |
|---|---|---|
| 📄 项目概览 | 项目定位、核心价值、系统架构图及技术栈说明。 | 架构师、开发者 |
| 🚀 部署指南 | 包含一键启动脚本、Docker 容器化部署及生产环境配置方案。 | 运维人员、用户 |
| ⚙️ 参数参考 | settings、algorithm 及 presets 文件的详细参数定义与调优指南。 |
高级用户 |
| 📝 更新日志 | 版本迭代记录、新增功能特性及已知问题修复。 | 所有用户 |
本项目提供开箱即用的一键启动脚本，自动处理环境依赖与服务启动。
确保已安装 Python 3.9+ 和 Node.js 16+。
git clone https://github.com/soundstarrain/LLM-Filter-Probe.git
cd LLM-Filter-Probe根据您的操作系统运行对应的启动脚本：
- Windows: 双击运行
start_system.bat - macOS / Linux: 运行
bash start_system.sh
启动成功后，浏览器访问：http://localhost:19001
LLM-Filter-Probe 并非简单的暴力穷举，而是通过以下逻辑最小化 API 调用：
graph TD
A[输入文本] --> B{长度 >35?};
B -- Yes --> C[宏观二分查找<br>快速缩小范围];
B -- No --> D[微观精确定位];
C --> D;
D --> E[前向扫描<br>隔离首个目标];
E --> F[精确挤压<br>确定边界];
F --> G[记录结果<br>推进扫描位置];
G --> H{处理完所有文本?};
H -- No --> E;
H -- Yes --> I[输出所有结果];
- 分段预检：对超长文本进行流式分块预处理。
- 宏观收敛：对长文本递归二分切割，快速锁定包含敏感内容的小片段，然后交由微观定位处理。
- 微观定位：对短文本或宏观收敛后的片段，循环执行以下操作：
- 前向扫描：找到第一个触发拦截的最短文本前缀，将其与后续内容物理隔离。
- 精确挤压：仅对该前缀进行左侧收缩，遵循“变安全则停止”原则，精确找到词语的左边界。
- 记录与推进：记录找到的词及其在原始文本中的坐标，然后从该词之后的位置继续扫描，直至文本末尾。
- 合规性声明：本项目仅供安全研究、Prompt 调试与风控机制分析使用。严禁用于生成违规内容、恶意攻击平台风控系统或任何违反当地法律法规的用途。
- 风险提示：高频的探测请求可能会触发服务商的异常检测机制（如 429 限流或封号）。请务必使用测试账号或低价值 Key 进行操作。
- 免责条款：开发者不对因使用本工具产生的任何直接或间接损失承担责任。
