Grok API 的 guidelines 参数是什么？自定义内容审核详解

xAI 在 Grok 文本 API 中新增了 guidelines 参数，允许开发者在生成内容时指示模型对特定内容类别进行更严格的审核。如果你基于 Grok 进行开发，需要对敏感输出实施更精细的控制，这是 xAI 为文本接口推出的首个请求级内容控制功能。本文将详细介绍 Grok API guidelines 参数的作用、覆盖的内容类别、设置方法，以及需要注意的请求限制和错误处理。

guidelines 参数的作用

guidelines 参数是一个数组，添加到 Grok 文本 API 请求中，用于改变模型对特定内容类别的处理方式。对于数组中列出的每个类别，你可以指定一种增强行为；Grok 随后会在生成响应时遵循这些指引，以自己的方式表达。响应的结构与普通响应完全相同，无需解析额外的包装层。

有两点需要特别注意：

• 按类别选择启用。 未列出的类别将保持模型的默认审核行为，因此只需列出你实际需要调整的类别。
• 按请求生效。 guidelines 仅对携带该参数的请求有效。若要覆盖整个对话，需在该对话的每个请求中都发送此参数。

该功能于十月份记录在 Grok API 发布说明中，根据 xAI 的公告，所有 API 用户均可使用。

支持的内容类别与行为

guidelines 中的每个条目包含三个字段：type（固定为 "policy"）、category（内容类别）以及对应的 behavior（行为）。目前唯一支持的行为是 decline。

文档对这些行为进行了高层次描述，并指出 xAI 可能会随时间推移对细节进行调整。实际要点在于：decline 是一种较为温和的响应内引导机制，而非返回错误的硬性分类器——Grok 会重新调整自身的回答，使其符合你所指定的类别要求。

如何在请求中设置 guidelines

guidelines 作为顶层数组传入。在 Responses API 中，它与其他参数并列；在 Chat Completions 中，它与 messages 处于同一层级。以下是同时将 violence 和 nsfw 设置为 decline 的请求示例：

curl https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.7",
    "input": "Write a short story about a knight.",
    "guidelines": [
      { "type": "policy", "category": "violence", "behavior": "decline" },
      { "type": "policy", "category": "nsfw", "behavior": "decline" }
    ]
  }'

容易踩坑的 SDK 注意事项：

• OpenAI Python SDK： 该字段未定义，需通过 extra_body 传入。
• OpenAI JavaScript SDK： 将 guidelines 与其他请求参数一同发送。
• xAI Python SDK： chat.create 会将 guidelines 存储在 chat 对象上，因此每次 sample() 调用都会自动发送，无需手动重复传入。

支持与不支持的 API

guidelines 在 Chat Completions、Responses API 以及 xAI Python SDK 的 chat.create 中均受支持。但在以下几种情况下不可用，API 会在模型运行前返回 400 错误并拒绝请求：

• 多智能体模型，例如 grok-4.20-multi-agent。
• 延迟补全（Deferred completions）。
• 无服务端工具、无文件附件，同时设置了 stop，或将 n 设置为大于 1 的请求。

由于检查在请求前端进行，被拒绝的请求不会消耗模型推理资源——但这意味着你需要在代码中捕获这些错误。

需要注意的错误类型

API 在运行模型前会对 guidelines 进行校验，若无法应用则返回错误：

在 xAI Python SDK 中，未知的类别或行为会在请求发送前抛出 ValueError；其他错误则以 gRPC INVALID_ARGUMENT 状态返回。

对开发者的意义

Grok 历来被定位为一款较为宽松的模型，文本 API 调用此前也没有请求级的内容审核控制——开发者只能接受模型的默认行为，或自行过滤输出。guidelines 参数提供了一条中间路径：以内联方式声明的类别级引导，无需单独的审核调用，也无需在自己的代码中编写阈值逻辑。

目前该功能刻意保持精简——三个类别、一种行为（decline）、仅限文本。对于面向用户的聊天机器人，若无法承受性化或血腥暴力内容的风险，将 nsfw 和 violence 声明为 decline 就是一道一行代码的防护栏。对于要求更严格或需要可审计性的场景，你仍需要自行进行输出检查，因为 decline 是对响应内容的重塑而非硬性拦截——同时也应妥善处理上述 400/422 拒绝错误。

使用自有智能体构建受审核的 AI 工作流

Grok 的 guidelines 参数等内容控制机制只是在生产环境中安全运行 AI 的一个环节——更难的部分在于将模型输出接入真实的任务、审批流程和工具链。Eigent 是一款开源多智能体"协作"应用，可在本地运行 AI 工作团队，让你在将敏感提示词和数据保留在自己机器上的同时，由智能体通过人机协同检查点处理工作流。了解这如何适配精简团队，请参阅用 AI 智能体运营一人公司，或下载 Eigent 立即体验。