一、 前言
得物近年来发展迅猛，平台商品类目覆盖越来越广，商品量级越来越大。而以往得物的上新动作更多依赖于传统方式，效率较低，无法满足现有的上新诉求。那么如何能实现更加快速的上新、更加高效的上新，就成为了一个至关重要的命题。
近两年 AI 大模型技术的发展，使得发布和审核逐渐向 AI 驱动的方式转变成为可能。因此，我们可以探索利用算法能力和大模型能力，结合业务自身规则，构建更加全面和精准的规则审核点，以实现更高效的工作流程，最终达到我们的目标。
本文围绕 AI 审核，介绍机审链路建设思想、规则审核点实现快速接入等核心逻辑。
二、如何实现高效审核
对于高效审核的理解，主要可以拆解成 “高质量”、“高效率”。目前对于 “高质量” 的动作包括，基于不同的类目建设对应的机审规则、机审能力，再通过人工抽查、问题 Case 分析的方式，优化算法能力，逐步推进 “高质量” 的效果。
而 “高效率”，核心又可以分成业务高效与技术高效。
业务高效
逐步通过机器审核能力优化审核流程，以解决资源不足导致上新审核时出现进展阻碍的问题。
通过建设机审配置业务，产品、业务可以直观的维护类目 - 机审规则 - 白名单配置，从而高效的调整机审策略。
技术高效
通过建设动态配置能力，实现快速接入新的机审规则、调整机审规则等，无需代码发布，即配即生效。
Q2 在搭建了动态配置能力之后，算法相关的机审规则接入效率提升了 70% 左右。
三、动态配置实现思路
建设新版机审链路前的调研中，我们对于老机审链路的规则以及新机审规则进行了分析，发现算法类机审规则占比超过 70% 以上，而算法类的机审规则接入的流程比较固化，核心分成三步：
与算法同学沟通定义好接口协议
基于商品信息构建请求参数，通过 HTTP 请求算法提供的 URL，从而获取到算法结果。
解析算法返回的结果，与自身商品信息结合，输出最终的机审结果。
而算法协议所需要的信息通常都可以从商品中获取到，因此通过引入 “反射机制”、“HTTP 泛化调用”、“规则引擎” 等能力，实现算法规则通过 JSON 配置即可实现算法接入。
四、商品审核方式演进介绍
商品审核方式的演进
人审
依赖商管、运营，对商品上架各字段是否符合得物上新标准进行人工核查。
机审
对于部分明确的业务规则，比如白底图、图片清晰度、是否重复品、是否同质品等，机审做前置校验并输出机审结果，辅助人工审核，降低审核成本，提升审核效率。
AI 审核
通过丰富算法能力、强化 AI 大模型能力、雷达技术等，建设越来越多的商品审核点，并推动召回率、准确率的提升，达标的审核点可通过自动驳回、自动修改等 action 接管商品审核，降低人工审核的占比，降低人工成本。
