你提交一段看起来人畜无害的 prompt——“红色连衣裙的女性肖像、坐在咖啡馆”——平台回了一句”This generation cannot be completed”或”内容政策违规”。你并没有写明显违规的内容，但过滤器抓到某个 token 或某种组合，把它归到了被拦的分类里。一旦看清触发的是哪一类，重写 prompt 一般 60 秒就能搞定。
常见原因
按命中率从高到低。
1. 名人 / 品牌 / 商标名
Taylor Swift、Coca-Cola、Mickey Mouse、Iron Man、Pokemon、Nike swoosh——哪怕只是描述性出现（“Taylor Swift 巡演风格”）也会把 prompt 路由到更严格的分类器。Midjourney、DALL-E、Imagen、Flux Pro 都维护着 block list。有的在 prompt 解析阶段就拦，有的在出图后扫。
如何判断：把 prompt 里的专有名词全标出来。能找到的，先想想能不能换成同等味道的通用描述。
2. 场景描述被读成暴力 / 血腥
Blood、wound、dead、body on the ground、weapon raised、combat、dripping，甚至单独的 red liquid——单个或组合都可能触发。模型只学到模式，没学到意图。“恐怖电影海报”或”战地摄影”这类合法用途经常踩雷。
如何判断：把 prompt 当作高中内容审核员去读。会下意识打标的，过滤器也会。
3. 性暗示 / 接近 NSFW 的语言
Lingerie、bedroom、bare shoulders、wet、lying down、seductive，甚至 intimate——尤其是和 young、teenage、school 组合时。未成年 + 暗示性的组合触发最严格的拦截；一些平台连单独的 school uniform 或 swimsuit 都拦，不看年龄上下文。
如何判断：先找暗示性的词。再看 prompt 里有没有任何可被读成未成年的描述（student、young、school）。两者同时存在就是触发点。
4. 负面 prompt 本身触发过滤
反直觉但常见，特别是 SDXL / Flux 工作流。你在负面里写 nsfw, nude, child 来抑制不想要的输出，但部分平台用同一个分类器扫负面字段，看到这些词就直接拦任务。
如何判断：清空负面 prompt 重试，能过就是负面踩雷。
5. 真人 / 在世政治人物
Putin、Trump、Biden、Elon Musk、教皇、朝鲜领导人，等等。大多数平台硬拦能识别的在世政治人物；很多平台连任何私人姓名都拦。提示一般会显示成”content policy”而不是”real person blocked”。
如何判断：扫 prompt 里的政治 / 公众人物姓名。换成描述性表达（“中年欧洲商人、灰发、西装”）。
6. 医疗 / 自残相关信号
Suicide、cutting、pills、noose、hanging、bleeding，外加 surgery、autopsy、wound——哪怕在合法的医学插画场景里。分类器分不清教科书和血腥画面。
7. 无害词被误伤
Cock（公鸡）、bare hands、breast（鸡胸肉）、loaded gun（俚语）、kill it（俚语）——子串匹配偶尔会拦。2025-2026 旗舰模型少见，但小一些的开源过滤器仍会发生。
动手前先确认
- 记录拦截你的工具和模型版本——不同模型过滤强度不同。
- 把完整 prompt 和拒绝文案复制到一个草稿里，再去改。
- 看一眼平台的 content policy 页面，被拦的类别一般写得清楚。
- 想清楚你的用例是不是真的违规。如果模型在拦真违规内容，那要改的是用例，不是 prompt。
- 把这个账号上其他能用的 prompt 备份；连续被拦多次会在部分平台触发账号级的速率限制甚至封禁。
需要收集的信息
- 完整 prompt、负面 prompt（如有）、模型名、档位。
- 完整的拒绝文案、UI 截图、时间点。
- 同一 prompt 少一个词是否能过——这是二分搜索的锚点。
- 账号的拒绝历史——连续 3 次在部分平台会从软拦升级到硬拦。
- 同 prompt 在别的工具 / 模型里是不是能过。
最短修复路径
Step 1：用二分搜索定位触发词
收益最高的一步，60-90 秒就能搞定。
- 删掉 prompt 后半段，重提交。
- 能过，触发在后半段；被拦，触发在前半段。
- 继续对半砍。直到收敛到单个词或短语。
30 词的 prompt，最多 5 轮搞定。
Step 2：把专有名词换成描述
几乎一定能过的替换：
Taylor Swift→blonde pop singer in glittering stage outfit, microphone in handIron Man→man in red and gold robotic armor, glowing chest platePutin→bald middle-aged Eastern European politician in dark suitCoca-Cola can→red soda can with white ribbon design
模型依然能产出可识别的结果，但不踩名字过滤。
Step 3：弱化暴力 / 血腥语言
Blood→red liquid，或者直接去掉，让场景上下文暗示Body on the ground→figure resting on the groundSword raised, blood dripping→dramatic medieval combat scene, action poseDead→still、unconscious，或者去掉
合法的恐怖 / 战争 / 医学场景，多用光线和构图（暗影、低角度、昏暗光）暗示，少用显式损伤描述。
Step 4：重新表述与年龄相关的语言
主体确实是成年人，就写明：adult woman in her late 20s。原来写过 student、young 的话，加上”成年”锚点往往就能过。如果主体必须是未成年人（毕业照、家庭合影），就避免任何可被读成暗示性的衣着或姿态语言。
Step 5：先清空负面 prompt 再测
把整个负面段去掉、只跑正向。能过就是负面踩雷。再加回的话，只放中性词（blurry, low quality, deformed hands），不要在负面里写 nude、child、nsfw 这类敏感词——哪怕你的意思是抑制它们。
Step 6：换模型
不同模型过滤强度差很多。如果是合法用途（确实没违规）但 Midjourney 拒了，试试 Flux Dev、SDXL、Imagen。本地开源模型的过滤最松，云上商业模型最严。
Step 7：商业 / 教育用途可申请例外
OpenAI、Anthropic 这类平台有商业级客服可以审核误判。把用例、prompt 整理好，申请政策复核。流程慢（1-2 周），但对反复出现的误判有效。
怎么确认已经修好
- 同 prompt 改了之后从头到尾跑完不报错。
- 输出仍然捕捉到你要的主体和氛围。
- 不同 seed 连续 3 次都能过，确认是触发词不是噪声。
- 当天账号拒绝计数不再上涨。
如果还是没修好
- 看一眼平台的 status page——有时安全策略在事故期间临时收紧，过几小时会回滚。
- prompt 砍到最简（主体 + 风格、别的都删），然后逐词加回，每加一个测一次。
- 用新账号或同事账号验证一次，排除账号级速率限制伪装成内容拦截的情况。
- 联系支持前，备好完整 prompt、拒绝文案、时间点、用例说明。
预防建议
- 维护一份”中性词替换表”，把常踩雷的词及安全替代词收录在内。
- prompt 里别写任何专有名词，写它的样子，不写它的名字。
- 提交前花 5 秒用审核员视角读一遍，能挡掉 80% 的拒绝。
- 做边缘性创意（恐怖、冲突、时尚）时，先在更宽松的模型里迭代，定终再用更严的商业模型重渲。
- 一次被拒就停下来重写——反复提交边缘 prompt 会给账号软标记。