xAI 给 Grok API 加上 guidelines 字段：按请求设定 NSFW、暴力、脏话三类内容的收紧策略

核心背景与行业痛点

把大模型接进面向大众的产品时，开发者最常见的需求之一是「同一个模型，不同场景用不同尺度」：儿童教育、客服、企业办公要求更严，创作类应用又不想被一刀切。过去通常要在模型外面再套一层审核模型或关键词过滤，既加延迟又易误杀。xAI 10 月 28 日在 @grok 官方账号宣布，Grok API 现在可以按请求声明收紧哪些内容类别，所有 API 客户可用。

架构亮点与底层机制

请求里加一个 guidelines 数组，每项包含 type（固定为 policy）、category 和 behavior。类别有 nsfw、violence、profanity 三种，行为目前只有 decline。关键在于 Grok 是在生成过程中按准则改写自己的回答，而不是生成后拦截，返回结构和普通请求一样。没列出的类别保持模型默认行为。API 在运行模型前先校验参数，校验不过直接报错，不会产生半截输出。

权威 Benchmark 与实测跑分对比

官方未公布任何拦截率、误杀率或延迟方面的数据，文档也说明 xAI 可能随时间细化每种行为的具体表现。目前能确认的只有文档里的规则：同一类别重复出现返回 400，未知类别或行为返回 422，多智能体模型和延迟补全会被直接拒绝。

开发者实战落地与开箱指南

用 OpenAI Python SDK 时，把 guidelines 放进 extra_body，base_url 指向 api.x.ai/v1；Chat Completions 则作为和 messages 同级的顶层字段。准则只对当前请求生效，多轮对话要每轮都带，xAI Python SDK 的 chat.create 会自动保存。建议面向未成年人或企业场景的应用先在测试环境对比开关前后的输出，再决定是否保留外部审核层。