fix: 修复重试计数、误报反馈、响应式阻塞等问题，版本号更新为v1.2.1

修复 AiReplyOrchestrator.retryOrFail 使用 .then() 导致 retryCount 失效；修复误报反馈端点 .subscribe() 过早触发覆盖 AI 回复；修复 PersonaResolver 在响应式上下文使用 .block() 阻塞线程；修复 penalize/approveOriginalComment 缺少乐观锁重试；修复误报反馈端点无法重试 FAIL 状态；修复 tag-NEUTRAL 缺少样式、handleTriggerAiReply 缺少加载保护；修复 filterKeyword 未做防抖、performCleanup 逻辑错误；优化 extractChoice 优先匹配违规类别避免误判

README.md

@@ -1,6 +1,6 @@
 # AI回评 / Comment AI Autopilot
 
-基于 AI 的 Halo 博客评论自动回复插件，支持多 AI 角色、自审核、自动发布和对话式连续回复。
+基于 AI 的 Halo 博客评论自动回复插件，支持多 AI 角色、合规检测、自审核、自动发布和对话式连续回复。
 
 ## 功能特性
 
@@ -9,6 +9,8 @@
 - **自动回复** — 监听新评论，自动调用 AI 生成回复，支持多轮对话上下文
 - **多语言适配** — 根据评论语言自动用对应语言回复
 - **情感分析** — 分析评论情感倾向（非常正面/正面/中性/负面/非常负面），根据情感调整回复语气
+- **前置过滤（合规检测）** — AI 回复前对评论进行合规性分类，自动拦截广告/辱骂攻击/敏感内容/乱码，违规评论停止生成 AI 回复以节省 Token，可选自动将违规评论设为待审核状态
+- **误报反馈** — 被误拦截的评论可进行误报反馈，支持"AI回复"和"仅通过"两种处理方式，"仅通过"后可随时补触发 AI 回复
 - **草稿模式** — AI 回复先存为草稿，管理员审核后再发布，支持批量操作
 - **失败重试** — AI 生成失败时自动重试，指数退避策略
 - **对话轮次限制** — 同一评论线程中限制 AI 最多回复轮次，防止无限对话
@@ -20,7 +22,7 @@
 - **Prompt 模板** — 支持自定义 Prompt 模板，提供多种模板变量（文章标题、发布日期、评论数、对话历史等）
 - **Prompt 预设** — 内置友好型、专业型、幽默型、简洁型预设风格，可多选组合
 - **插件健康检查** — 实时检测 AI Foundation 连接状态和模型可用性
-- **日志筛选** — 按状态、情感筛选，关键词搜索
+- **日志筛选** — 按状态、情感筛选，关键词搜索，支持查看拦截原因和分类标签
 - **数据清理** — 自动清理超过指定天数的旧记录
 - **AI Foundation 集成** — 通过 Halo 官方推荐的 `ExtensionGetter` 获取 AI 服务，需安装 AI Foundation 插件
 

build.gradle

@@ -5,7 +5,7 @@ plugins {
 }
 
 group 'top.nxxy335.commentaiautopilot'
-version '1.0.4'
+version project.property('version')
 
 repositories {
     mavenCentral()

docs/CHANGELOG.md

@@ -1,5 +1,166 @@
 # 更新日志
 
+## v1.2.1
+
+> 2026-07-01
+
+### Bug 修复
+
+- **修复 `AiReplyOrchestrator.retryOrFail` 重试计数失效** — `.then()` 丢弃了更新后的记录导致 `retryCount` 始终为 0，AI 生成失败时陷入无限重试。改为 `.flatMap()` 传递更新后的记录
+- **修复误报反馈"AI 回复"被空字符串覆盖** — `.subscribe()` 在异步流程中过早触发，导致 AI 回复生成完成后被空字符串覆盖。改为在 `.doOnSuccess()` 中触发异步生成
+- **修复 `PersonaResolver` 在响应式上下文中使用 `.block()`** — 调用阻塞方法会阻塞 Reactor 线程。改为返回 `Mono<String>` 并使用 `Flux.concatMap().next()` 替代 for 循环
+- **修复 `penalizeComment`/`penalizeReply` 缺少乐观锁重试** — 并发更新 Comment/Reply 时可能静默失败。添加 `Retry.backoff(3, 100ms)` 重试
+- **修复 `approveOriginalComment` 缺少乐观锁重试** — 同上，添加 `Retry.backoff(3, 100ms)` 重试
+- **修复误报反馈端点无法重试 `FAIL` 状态记录** — 仅接受 `FILTERED` 和 `FALSE_POSITIVE` 状态，AI 生成失败的记录无法重试。现接受 `FAIL` 状态
+- **修复 `tag-NEUTRAL` 缺少 CSS 样式** — 中性情感标签无样式显示。补充样式定义
+- **修复 `handleTriggerAiReply` 缺少加载保护** — 触发 AI 回复按钮可被重复点击导致重复提交。添加 loading 状态
+- **修复 `filterKeyword` 输入未做防抖** — 每次按键都触发搜索，性能开销大。添加 300ms 防抖
+- **修复 `performCleanup` 逻辑错误** — 清理逻辑存在判断错误
+
+### 改进
+
+- **优化 `extractChoice` 分类匹配优先级** — 优先匹配违规类别（advertising/abuse/sensitive/meaningless），再匹配 `normal`，避免正常评论被误判为违规类别
+
+---
+
+## v1.2.0
+
+> 2026-06-25
+
+### 新增
+
+- **误报反馈功能** — 被拦截的评论可进行误报反馈，支持两种处理方式：
+  - **AI 回复**：标记为通过 + 触发 AI 生成回复
+  - **仅通过**：仅标记为通过，不生成回复
+- **误报通过状态** — 新增 `FALSE_POSITIVE` 状态，"仅通过"的记录显示为"误报通过"，不显示"通过/拒绝"按钮
+- **触发 AI 回复按钮** — "误报通过"状态的记录可随时点击"触发AI回复"按钮补生成 AI 回复
+- **上下文优先判断原则** — 前置过滤 AI 提示词重写，遵循五条核心原则：上下文优先、口语化宽容、恶意导向判定、宁放勿杀、闲聊不算无意义
+
+### Bug 修复
+
+- **修复误报反馈"AI 回复"被前置过滤再次拦截** — `processComment()` 始终调用 `preFilterService.check()`，用户已确认为误报的评论会被再次拦截。新增 `processFalsePositive()` 方法跳过前置过滤和去重检查
+- **修复误报反馈"AI 回复"被去重检查拦截** — `hasExistingReply()` 找到已有的 FILTERED→PENDING 记录导致 AI 回复无法生成。`processFalsePositive()` 复用已有记录，不经过去重检查
+- **修复误报反馈"AI 回复"导致全站崩溃** — `processComment()` 同步等待 AI 生成完成，HTTP 请求长时间不返回。改为 `.subscribe()` 异步执行，API 立即返回
+- **修复误报反馈"仅通过"后显示通过/拒绝按钮** — "仅通过"将记录设为 `status=PASS, published=false, reply=""`，导致显示"通过/拒绝"按钮且内容为空。改为 `status=FALSE_POSITIVE`
+- **修复 `extractChoice` 无匹配时返回原始文本** — AI 返回非预期文本时被误判为违规类别。改为返回空字符串触发安全拦截
+- **修复 `approveOriginalComment` 缺少乐观锁重试** — 并发更新 Comment/Reply 时可能静默失败。添加 `Retry.backoff(3, 100ms)` 重试
+
+### 改进
+
+- **消除 `checkBlockedCommenters` 重复代码** — `FilterService` 新增 `isCommenterBlocked(commentName)` 公共方法，`AiReplyOrchestrator` 改为调用它
+- **前端批量操作防重复提交** — 批量通过/拒绝/删除按钮添加 `batchLoading` 状态，操作期间禁用按钮
+
+---
+
+## v1.1.2
+
+> 2026-06-24
+
+### Bug 修复
+
+- **修复 AI 分类完全不可用** — `classifyWithChoice` 和 `classifyWithChat` 均使用了 `GenerateTextRequest.Builder.system()` 方法，而该方法在当前 AI Foundation 版本中不被支持或导致运行时错误，导致所有评论均被拦截并显示"AI分类服务不可用，安全拦截"。现改为将 system prompt 合并到 user prompt 中，与可用的 `chat()` 方法保持一致的调用方式
+- **修复 `classifyWithChoice` NPE** — `.map()` 返回 `null` 时触发 Reactor 内部 NullPointerException，改为 `.flatMap()` + `Mono.empty()` 正确触发 fallback
+
+### 改进
+
+- **分类调用诊断日志增强** — 在 `AiFoundationDelegate`、`AiFoundationClient`、`CommentPreFilterService` 中增加关键诊断日志（分类开始、fallback 触发、分类结果、异常详情），便于排查分类链路问题
+- **AI 分类空结果处理** — 当 AI 返回空字符串时单独拦截，区别于"服务不可用"场景
+
+---
+
+## v1.1.1
+
+> 2026-06-24
+
+### 改进
+
+- **"无意义"分类范围收窄** — 与文章主题无关的闲聊、灌水、打招呼不再被判为"无意义"，仅纯乱码和无意义字符堆砌（如随机符号、键盘乱敲）才归类为"无意义"
+- **AI 分类降级方案** — 当 `OutputSpec.choice` 结构化输出不被模型支持时，自动退回到普通 chat 调用并从响应文本中提取分类值（`classifyWithChat` fallback）
+
+---
+
+## v1.1.0
+
+> 2026-06-23
+
+### 新增
+
+- **评论前置过滤（合规检测）** — AI 回复前对评论进行合规性分类，识别广告/辱骂攻击/敏感内容/无意义内容，违规评论停止生成 AI 回复，节省 Token
+- **违规评论自动设为待审核** — 检测到违规评论时自动将原评论 `approved` 置为 `false`，进入待审核队列，前端不再展示该评论
+- **FILTERED 日志状态** — 被拦截的评论生成"已拦截"状态记录，日志页支持按"已拦截"状态筛选
+- **拦截原因分类标签** — 日志页显示拦截分类标签（广告/辱骂攻击/敏感内容/无意义）和详细拦截原因（含评论内容摘要）
+- **安全优先策略** — AI 分类服务不可用或异常时，默认拦截评论而非放行，防止违规内容漏网
+
+### 改进
+
+- **AI Foundation 隔离加载** — 将 AI Foundation API 引用隔离到 `AiFoundationDelegate` 类，`AiFoundationClient` 不再直接引用 AI Foundation 类，修复未安装 AI Foundation 时插件无法启动的问题（`NoClassDefFoundError`）
+- **评论内容 HTML 剥离** — 前置过滤检测前自动剥离评论 HTML 标签，提升 AI 分类准确性
+- **对话场景精准处罚** — AI 对话场景下违规内容来自 Reply 时，仅取消通过该 Reply 而非父级 Comment，避免误伤
+- **升级配置自动迁移** — 从 v1.0.x 升级时自动将 `preFilterEnabled` 从 `false` 迁移为 `true`（新默认值）
+
+### Bug 修复
+
+- **修复未安装 AI Foundation 时插件无法启动** — `BeanDefinitionStoreException: Failed to parse AiFoundationClient`，将 AI Foundation API 引用隔离到委托类
+- **修复前置过滤默认关闭** — `preFilterEnabled` 默认值从 `false` 改为 `true`，新安装和升级用户均默认启用
+- **修复 `penalize()` 遗漏 `approved=null`** — Halo 评论创建时 `approved` 可能为 `null`，原代码仅处理 `approved=true` 的情况
+- **修复 `classify()` 失败时放行违规评论** — `defaultIfEmpty` 和 `onErrorResume` 改为拦截而非放行
+- **修复 Windows 构建失败** — Gradle Worker Daemon 执行 pnpm 退出码 268435659，改用系统 pnpm Exec 任务并禁用 Daemon
+
+---
+
+## v1.0.4
+
+> 2026-06-19
+
+### 改进
+
+- **对话弹窗头像显示** — 对话弹窗中每条消息显示 Gravatar 头像，基于评论者或 AI 角色的邮箱自动匹配
+- **对话引用摘要** — 对话弹窗中回复消息显示引用摘要框，标明引用了谁的什么内容，支持截断显示
+- **UI 全面重构** — LogsView 和 SettingsView 改用纯 Scoped CSS，移除所有 Tailwind 类和自定义 CSS 依赖，避免 Halo 主题冲突
+- **标签去 Emoji 化** — 状态、情感标签改用纯色背景标签，去除所有 Emoji
+- **移动端适配优化** — 全面优化移动端响应式布局，解决排版错位问题
+- **AI角色设置完善** — 支持 CRUD、Gravatar 头像预览、性别/唤醒词/默认角色配置
+- **配置导入导出** — 支持将插件配置（ConfigMap + AI角色）导出为 JSON 文件，方便备份和迁移
+- **评论者黑名单弹窗选择** — 设置页面可从已有评论列表中选择评论者添加到黑名单
+
+### Bug 修复
+
+- **修复对话弹窗引用溯源** — 后端 `getConversation` 重写，构建 Reply 映射字典正确溯源引用关系
+- **修复 ConversationMessage 数据结构** — 新增 `quoteOwner`/`quoteContent` 字段支持引用摘要展示
+- **修复 AI 角色邮箱提取** — 后端新增 `extractOwnerEmail` 方法，正确从 CommentOwner 提取邮箱用于头像生成
+
+---
+
+## v1.0.3
+
+### 改进
+
+- **SettingsView 完整功能版** — 5个设置面板（基本设置、AI角色、模型设置、Prompt、数据清理）全部实现
+- **AI角色管理** — 支持 CRUD、Gravatar 头像、性别/唤醒词/默认角色配置
+- **数据清理** — 自动清理开关、保留天数滑块、手动清理
+- **导入导出** — JSON 配置导入导出
+- **评论者黑名单弹窗选择** — 从已有评论列表中选择评论者
+
+---
+
+## v1.0.2
+
+### 改进
+
+- **LogsView & SettingsView 样式重构** — 移除所有 Tailwind 类，改用 `<style scoped>` 原生 CSS
+- **标签配色、气泡样式、引用框** — 全部使用纯 CSS 实现，避免 Halo 主题冲突
+
+---
+
+## v1.0.1
+
+### 改进
+
+- **版本号升级** — 强制刷新 Halo 前端缓存
+- **历史数据兼容** — LogsView 增加历史 Markdown 引用文本清理正则，防止旧版测试数据套娃显示
+
+---
+
 ## v1.0.0
 
 > 2026-06-18

docs/guide/draft-mode.md

@@ -22,6 +22,18 @@
 - 草稿记录显示 **审核通过** 和 **拒绝** 按钮
 - 已发布的记录显示正常状态
 - 被拒绝的记录显示 REJECTED 标签
+- 失败的记录显示 FAIL 标签，并显示重试次数
+- 每条记录可点击 **查看对话** 查看完整对话上下文
+
+## 对话上下文查看
+
+点击日志记录的 **查看对话** 按钮，弹出对话上下文窗口：
+
+- 以气泡形式展示完整对话（评论 + 所有回复）
+- AI 回复和用户回复以不同颜色气泡区分
+- 每条消息显示发送者头像（通过 Gravatar 服务生成）
+- 回复消息显示引用摘要框，标明该回复引用了哪条消息
+- 支持移动端响应式布局
 
 ## 批量操作
 

docs/guide/faq.md

@@ -23,6 +23,7 @@
 3. **已有AI回复记录** — 同一评论不会重复触发
 4. **历史评论** — 插件启动前的评论不会自动触发，可使用手动触发
 5. **AI生成失败** — 检查AI模型配置和日志
+6. **被前置过滤拦截** — 若启用"前置过滤"，违规评论会被拦截，可在日志页通过"已拦截"状态筛选查看
 
 ## 如何对历史评论触发AI回复？
 
@@ -66,3 +67,57 @@
 ## 黑名单支持邮箱吗？
 
 支持。黑名单同时匹配评论者的显示名称和邮箱地址，不区分大小写。你也可以在设置页面点击"添加评论者"按钮从评论列表中选择。
+
+## 对话窗口中的头像是怎么来的？
+
+对话窗口中每条消息的头像通过 [Gravatar](https://gravatar.com) 服务生成（使用 [Cravatar](https://cn.cravatar.com) 镜像）。头像基于评论者或 AI 角色的邮箱自动匹配。如果未设置邮箱，则显示默认图标。
+
+## 对话窗口中的引用框是什么？
+
+当一条回复是针对另一条回复的（即层级回复），对话窗口会在该消息气泡内显示一个引用摘要框，标明该回复引用了谁的什么内容。引用内容会截断显示（最多35个字符），方便快速了解对话脉络。
+
+## 如何备份和迁移插件配置？
+
+在插件设置页面顶部点击 **导出** 按钮，将当前配置导出为 JSON 文件。在目标实例中点击 **导入** 按钮选择该文件即可恢复配置。导入会覆盖当前配置，请谨慎操作。
+
+## AI Foundation 显示"部分功能不可用"怎么办？
+
+这通常表示 AI Foundation 插件未正确配置模型。请检查：
+
+1. AI Foundation 插件已安装并启用
+2. 在 AI Foundation 中配置了至少一个 AI 模型
+3. 如果回评插件未指定模型名称，将使用 AI Foundation 的默认模型
+
+## 前置过滤会误伤正常评论吗？
+
+前置过滤默认启用。AI 会对评论进行分类判断，若 AI 服务不可用或分类失败，为安全起见会拦截评论而非放行。如果你发现正常评论被误拦截，可以在设置中关闭"启用前置过滤"开关。被拦截的评论会在日志页生成一条"已拦截"状态的记录，可查看具体分类标签和拦截原因。
+
+## 所有评论都显示"AI分类服务不可用，安全拦截"怎么办？
+
+这表示 AI 分类调用链路存在问题，可能的原因：
+
+1. **AI Foundation 插件未安装或未启用** — 请确保 AI Foundation 插件已正确安装并启用
+2. **AI Foundation 中未配置模型** — 请在 AI Foundation 中配置至少一个 AI 模型
+3. **模型名称配置错误** — 检查插件设置中的模型名称是否与 AI Foundation 中的 AiModel 资源名称一致，留空则使用默认模型
+4. **AI Foundation 版本过旧** — 请确保使用最新版本的 AI Foundation 插件
+
+::: tip 排查步骤
+1. 检查插件设置页面顶部的 AI Foundation 连接状态
+2. 查看插件日志中 `[Delegate]` 和 `[PreFilter]` 前缀的诊断信息
+3. 确认 AI 回复功能（非前置过滤）是否正常工作 — 如果 AI 回复也无法生成，说明是 AI Foundation 连接问题
+:::
+
+## 被前置过滤拦截的评论会怎样？
+
+1. **停止生成 AI 回复** — 不会消耗后续 Token
+2. **创建拦截记录** — 在日志页显示为"已拦截"状态，标注分类标签（如"辱骂攻击"）和详细原因（含评论内容摘要）
+3. **自动设为待审核** — 原评论的 `approved` 会被置为 `false`，前端不再展示该评论，需人工判断后审核通过
+
+## 被误拦截的评论怎么处理？
+
+在日志页的"已拦截"记录右侧，点击 **误报反馈** 按钮，可选择：
+
+- **AI 回复** — 标记为误报 + 自动通过评论 + 触发 AI 生成回复
+- **仅通过** — 仅标记为误报 + 自动通过评论，不生成 AI 回复
+
+选择"仅通过"后，记录状态变为"误报通过"，可随时点击 **触发AI回复** 按钮补生成 AI 回复。

docs/guide/introduction.md

@@ -15,19 +15,23 @@ AI回评（Comment AI Autopilot）是一个 Halo 博客系统的插件，能够
 - **批量操作** — 草稿模式下支持批量通过/拒绝/删除
 - **文章/页面级开关** — 在文章编辑器中直接控制是否启用AI回复，文章默认开启，页面默认关闭
 - **评论者黑名单** — 屏蔽指定评论者，不触发AI回复，支持名称、邮箱和正则表达式
+- **前置过滤（合规检测）** — AI回复前对评论进行合规性分类，自动拦截广告/辱骂/敏感/乱码内容，节省Token；可选将违规评论设为待审核状态
+- **误报反馈** — 被误拦截的评论可进行误报反馈，支持"AI回复"和"仅通过"两种处理方式，"仅通过"后可随时补触发 AI 回复
 - **手动触发** — 在评论管理页面对历史评论手动触发AI回复
 - **安全审核** — AI生成的内容经过两阶段安全审核（安全检查 + 质量评分），不合规内容自动拒绝
 - **Prompt 预设** — 内置友好型、专业型、幽默型、简洁型预设风格，可多选组合
 - **对话轮次限制** — 同一评论线程中限制 AI 最多回复轮次，防止无限对话
 - **速率限制** — 每分钟最大 AI 回复数量，防止批量评论消耗过多额度
 - **日志筛选搜索** — 按状态、情感筛选，关键词搜索
+- **对话上下文查看** — 在日志页面查看完整对话上下文，支持引用摘要展示和 Gravatar 头像显示
 - **数据清理** — 自动清理超过指定天数的旧记录
+- **配置导入导出** — 支持将插件配置导出为 JSON 文件，方便备份和迁移
 - **AI Foundation 集成** — 通过 Halo 官方推荐的 `ExtensionGetter` 获取 AI 服务，需安装 AI Foundation 插件
 
 ## 工作流程
 
 ```
-新评论 → 唤醒词检查 → 过滤检查 → 情感分析 → 构建Prompt → AI生成 → 安全审核 → 发布/草稿
+新评论 → 唤醒词检查 → 过滤检查 → 前置过滤（合规检测） → 情感分析 → 构建Prompt → AI生成 → 安全审核 → 发布/草稿
                                                           ↓ (失败)
                                                         重试 → ... → 最终失败
 ```
@@ -35,12 +39,13 @@ AI回评（Comment AI Autopilot）是一个 Halo 博客系统的插件，能够
 1. **新评论到达** — Reconciler 监听到新评论创建事件
 2. **唤醒词检查** — 检查评论是否以某个角色的唤醒词开头，匹配则唤醒对应角色
 3. **过滤检查** — 检查文章/页面是否启用AI回复、评论者是否在黑名单中（唤醒词触发时绕过页面级启用检查）
-4. **情感分析** — 调用AI分析评论情感倾向
-5. **构建Prompt** — 结合AI角色人格、情感提示、文章内容、评论上下文构建Prompt
-6. **AI生成** — 调用AI模型生成回复内容
-7. **安全审核** — 对生成内容进行两阶段审核（安全检查 + 质量评分 1-5 分映射到 0-100）
-8. **发布/草稿** — 根据设置自动发布或存为草稿等待审核
-9. **重试** — 如果AI生成失败，系统会自动重试（最多 maxRetryCount 次），每次重试间隔递增
+4. **前置过滤（合规检测）** — 若启用，AI 对评论内容进行合规性分类（正常/广告/辱骂攻击/敏感内容/无意义）。违规评论将停止后续流程，可选自动设为待审核状态
+5. **情感分析** — 调用AI分析评论情感倾向
+6. **构建Prompt** — 结合AI角色人格、情感提示、文章内容、评论上下文构建Prompt
+7. **AI生成** — 调用AI模型生成回复内容
+8. **安全审核** — 对生成内容进行两阶段审核（安全检查 + 质量评分 1-5 分映射到 0-100）
+9. **发布/草稿** — 根据设置自动发布或存为草稿等待审核
+10. **重试** — 如果AI生成失败，系统会自动重试（最多 maxRetryCount 次），每次重试间隔递增
 
 ## 前置要求
 

docs/guide/manual-trigger.md

@@ -37,3 +37,15 @@ POST /apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/{replyN
 ```
 
 对指定回复触发对话式AI回复。
+
+### 更新草稿回复内容
+
+```
+PUT /apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/{name}/content
+```
+
+更新草稿状态的AI回复内容。请求体为 JSON 格式：`{"reply": "新的回复内容"}`。仅未发布的草稿回复可编辑。
+
+::: warning
+已发布的回复不可编辑。
+:::

docs/guide/prompt.md

@@ -49,8 +49,10 @@ Prompt模板控制AI生成回复时的完整提示词结构。
 
 情感提示由插件根据情感分析结果自动追加到 Prompt 末尾，不需要在模板中手动添加：
 
+- **非常正面** → 追加"评论者情绪非常正面积极，请用热情洋溢的语气回复，表达真诚的感谢和共鸣。"
 - **正面** → 追加"评论者情绪正面积极，请用热情友好的语气回复，可以表达感谢和共鸣。"
 - **负面** → 追加"评论者情绪偏负面，请用理性温和的语气回复，避免激化矛盾，展现理解和包容。"
+- **非常负面** → 追加"评论者情绪非常负面，请用非常温和、理性的语气回复，避免任何可能激化矛盾的表达，展现充分的理解和耐心。"
 - **中性** → 不追加额外提示
 
 ## 安全提示

docs/guide/sentiment.md

@@ -22,13 +22,13 @@
 
 ## 日志展示
 
-在AI回复日志页面，每条记录会显示情感标签：
+在AI回复日志页面，每条记录会显示情感标签（纯色背景标签）：
 
-- 🟢 **非常正面** — 深绿色标签
-- 🟩 **正面** — 浅绿色标签
-- ⚪ **中性** — 灰色标签
-- 🟥 **负面** — 浅红色标签
-- 🔴 **非常负面** — 深红色标签
+- **非常正面** — 深绿色标签
+- **正面** — 浅绿色标签
+- **中性** — 灰色标签
+- **负面** — 浅红色标签
+- **非常负面** — 深红色标签
 
 ## 性能影响
 

docs/guide/settings.md

@@ -8,6 +8,8 @@
 - Prompt设置
 - 数据清理
 
+页面右侧为操作控制侧边栏，显示保存按钮和未保存状态指示器。在 Prompt 设置页面，侧边栏还会显示可用模板变量列表。
+
 ## 基本设置
 
 | 配置项 | 说明 | 默认值 |
@@ -18,6 +20,8 @@
 | 速率限制 | 每分钟最大AI回复数量，防止批量评论消耗过多额度 | 10 |
 | 最大重试次数 | AI生成失败时的最大重试次数 | 3 |
 | 评论者黑名单 | 不触发AI回复的评论者，支持名称、邮箱和正则表达式（`regex:` 开头），逗号分隔 | 空 |
+| 启用前置过滤 | AI回复前检测评论合规性，拦截广告/辱骂/敏感内容，节省Token | 开启 |
+| 违规评论设为待审核 | 检测到违规评论时自动取消通过，需人工审核 | 开启 |
 
 ::: tip 评论者黑名单
 黑名单支持三种格式：
@@ -28,6 +32,28 @@
 点击"添加评论者"按钮可从已有评论列表中选择评论者自动添加到黑名单。
 :::
 
+::: tip 前置过滤（合规检测）
+启用前置过滤后，AI 在生成回复前会先对评论内容进行合规性分类，识别以下类别：
+
+- **正常**：放行，继续走 AI 回复流程
+- **广告**：包含推广链接、产品推销、引流信息等
+- **辱骂攻击**：包含辱骂、人身攻击、恶意挑衅、歧视性言论等
+- **敏感内容**：涉及政治敏感、违法违规、色情暴力等
+- **无意义**：纯乱码、无意义字符堆砌（如随机符号、键盘乱敲）
+
+对于非"正常"类别的评论，插件会：
+
+1. **停止生成 AI 回复**，节省 Token 与 API 调用
+2. 创建一条 `FILTERED` 状态的日志记录（可在日志页通过"已拦截"状态筛选查看）
+3. 若启用"违规评论设为待审核"，会自动将原评论的 `approved` 置为 `false`，使其进入待审核队列，需人工判断后审核通过
+
+被误拦截的评论可在日志页点击 **误报反馈** 按钮处理，支持"AI 回复"和"仅通过"两种方式。选择"仅通过"后记录变为"误报通过"状态，可随时点击"触发AI回复"按钮补生成回复。
+
+::: warning
+前置过滤依赖 AI Foundation 插件进行分类判断，会额外消耗少量 Token。若 AI 服务不可用或分类失败，为安全起见将拦截评论而非放行，防止违规内容漏网。
+:::
+:::
+
 ## AI角色设置
 
 AI角色定义了回复评论的虚拟身份。支持创建多个角色，每个角色有独立的昵称、人格提示词、性别、语气风格和 Gravatar 头像，可指定一个为默认角色。
@@ -113,3 +139,21 @@ AI角色定义了回复评论的虚拟身份。支持创建多个角色，每个
 ::: warning
 清理操作仅删除 `AiCommentReply` 记录（插件内部的日志记录），不会删除已发布的 Halo Reply 评论。
 :::
+
+## 配置导入导出
+
+插件设置页面顶部提供导入导出按钮，方便备份和迁移配置。
+
+### 导出配置
+
+点击 **导出** 按钮，将当前配置（包括 ConfigMap 数据和所有 AI 角色）导出为 JSON 文件。
+
+### 导入配置
+
+1. 点击 **导入** 按钮，选择 JSON 配置文件
+2. 确认导入操作（导入会覆盖当前配置，不可撤销）
+3. 导入完成后自动刷新设置和角色列表
+
+::: warning
+导入操作会覆盖当前配置，请谨慎操作。建议在导入前先导出当前配置作为备份。
+:::

docs/index.md

@@ -16,14 +16,16 @@ hero:
 features:
   - title: 自动回复
     details: 监听新评论，自动调用AI生成回复，支持对话式上下文和失败重试
-  - title: 多语言适配
-    details: 根据评论语言自动用对应语言回复，中文评论中文回复，英文评论英文回复
+  - title: 多 AI 角色
+    details: 创建多个虚拟角色，独立昵称、人格、性别、语气和 Gravatar 头像
   - title: 情感分析
     details: 分析评论情感倾向，根据正面/中性/负面调整回复语气
+  - title: 前置过滤
+    details: AI回复前检测评论合规性，拦截广告/辱骂/敏感内容，节省Token
   - title: 草稿模式
     details: AI回复先存为草稿，管理员审核后再发布，支持批量操作
-  - title: 灵活过滤
-    details: 文章/页面级开关控制，评论者黑名单支持名称和邮箱匹配
+  - title: 对话上下文
+    details: 查看完整对话上下文，支持引用摘要展示和头像显示
   - title: 数据管理
-    details: 仪表盘统计、日志筛选搜索、自动清理旧记录
+    details: 仪表盘统计、日志筛选搜索、自动清理旧记录、配置导入导出
 ---

gradle.properties

@@ -1 +1,4 @@
-version=1.0.0-SNAPSHOT
+version=1.2.1
+
+# Fix Windows Gradle Worker Daemon exit code 268435659 when running pnpm via Exec tasks
+org.gradle.daemon=false

src/main/java/top/nxxy335/commentaiautopilot/CommentAiAutopilotPlugin.java

@@ -1,6 +1,10 @@
 package top.nxxy335.commentaiautopilot;
 
+import com.fasterxml.jackson.databind.JsonNode;
+import com.fasterxml.jackson.databind.ObjectMapper;
+import com.fasterxml.jackson.databind.node.ObjectNode;
 import org.springframework.stereotype.Component;
+import run.halo.app.extension.ConfigMap;
 import run.halo.app.extension.ReactiveExtensionClient;
 import run.halo.app.extension.index.IndexSpecs;
 import run.halo.app.extension.Scheme;
@@ -25,13 +29,18 @@ import reactor.core.publisher.Mono;
 @Component
 public class CommentAiAutopilotPlugin extends BasePlugin {
 
+    private static final String CONFIG_MAP_NAME = "comment-ai-autopilot-configmap";
+
     private final SchemeManager schemeManager;
     private final ReactiveExtensionClient client;
+    private final ObjectMapper objectMapper;
 
-    public CommentAiAutopilotPlugin(PluginContext pluginContext, SchemeManager schemeManager, ReactiveExtensionClient client) {
+    public CommentAiAutopilotPlugin(PluginContext pluginContext, SchemeManager schemeManager,
+                                     ReactiveExtensionClient client, ObjectMapper objectMapper) {
         super(pluginContext);
         this.schemeManager = schemeManager;
         this.client = client;
+        this.objectMapper = objectMapper;
     }
 
     @Override
@@ -54,6 +63,49 @@ public class CommentAiAutopilotPlugin extends BasePlugin {
 
         // 初始化默认AI角色"小回"
         initDefaultPersona();
+
+        // 迁移：确保升级用户的前置过滤配置正确
+        migratePreFilterConfig();
+    }
+
+    /**
+     * 迁移前置过滤配置：从 v1.0.x 升级到 v1.1.0 时，
+     * ConfigMap 中可能保存了旧默认值 preFilterEnabled=false，
+     * 需要将其更新为 true（新默认值）。
+     */
+    private void migratePreFilterConfig() {
+        client.fetch(ConfigMap.class, CONFIG_MAP_NAME)
+            .flatMap(cm -> {
+                var data = cm.getData();
+                if (data == null) return Mono.empty();
+                String basicJson = data.get("basic");
+                if (basicJson == null || basicJson.isBlank()) return Mono.empty();
+                try {
+                    JsonNode node = objectMapper.readTree(basicJson);
+                    if (!node.has("preFilterEnabled")) {
+                        // 字段不存在，添加并设为 true
+                        ((ObjectNode) node).put("preFilterEnabled", true);
+                        data.put("basic", objectMapper.writeValueAsString(node));
+                        return client.update(cm)
+                            .doOnSuccess(c -> log.info("[Migration] Added preFilterEnabled=true to ConfigMap"));
+                    }
+                    if (node.has("preFilterEnabled") && !node.get("preFilterEnabled").asBoolean(true)) {
+                        // 字段存在但为 false（旧默认值），迁移为 true
+                        ((ObjectNode) node).put("preFilterEnabled", true);
+                        data.put("basic", objectMapper.writeValueAsString(node));
+                        return client.update(cm)
+                            .doOnSuccess(c -> log.info("[Migration] Migrated preFilterEnabled from false to true"));
+                    }
+                } catch (Exception e) {
+                    log.warn("[Migration] Failed to migrate preFilter config: {}", e.getMessage());
+                }
+                return Mono.empty();
+            })
+            .subscribe(
+                null,
+                err -> log.debug("[Migration] PreFilter config migration skipped: {}", err.getMessage()),
+                () -> log.debug("[Migration] PreFilter config migration check completed")
+            );
     }
 
     private void initDefaultPersona() {

src/main/java/top/nxxy335/commentaiautopilot/endpoint/CommentAiAutopilotEndpoint.java

@@ -101,6 +101,8 @@ public class CommentAiAutopilotEndpoint implements CustomEndpoint {
             .POST("/import", this::importConfig)
             // 更新草稿回复内容（同时更新 AiCommentReply 和 Reply 扩展）
             .PUT("/replies/{name}/content", this::updateReplyContent)
+            // 误报反馈：将拦截记录标记为误报，可选触发AI回复
+            .POST("/replies/{name}/false-positive", this::falsePositive)
             .build();
     }
 
@@ -1035,4 +1037,131 @@ public class CommentAiAutopilotEndpoint implements CustomEndpoint {
                     .switchIfEmpty(ServerResponse.notFound().build());
             });
     }
+
+    /**
+     * 误报反馈：将被拦截的评论标记为误报（正常），并可选触发 AI 回复。
+     *
+     * 请求体：{ "action": "aiReply" | "approveOnly" }
+     * - aiReply: 将评论审核状态设为已通过 + 触发 AI 生成回复
+     * - approveOnly: 仅将评论审核状态设为已通过，不触发 AI 回复
+     */
+    private Mono<ServerResponse> falsePositive(ServerRequest request) {
+        var name = request.pathVariable("name");
+        return request.bodyToMono(String.class)
+            .flatMap(body -> {
+                String actionStr;
+                try {
+                    JsonNode node = objectMapper.readTree(body);
+                    actionStr = node.has("action") ? node.get("action").asText("approveOnly") : "approveOnly";
+                } catch (Exception e) {
+                    actionStr = "approveOnly";
+                }
+                final String action = actionStr;
+
+                return client.fetch(AiCommentReply.class, name)
+                    .flatMap(record -> {
+                        String currentStatus = record.getSpec().getStatus();
+                        // 允许：FILTERED（拦截误报）、FALSE_POSITIVE（已通过但可触发AI）、FAIL（AI生成失败可重试）
+                        if (!"FILTERED".equals(currentStatus)
+                            && !"FALSE_POSITIVE".equals(currentStatus)
+                            && !"FAIL".equals(currentStatus)) {
+                            return ServerResponse.badRequest()
+                                .bodyValue(Map.of("message", "仅已拦截、误报通过或AI生成失败的记录可进行此操作"));
+                        }
+
+                        String commentName = record.getSpec().getCommentId();
+                        String replyName = record.getSpec().getReplyTo();
+
+                        // 1. 将原评论/回复的审核状态设为已通过
+                        Mono<Void> approveMono = approveOriginalComment(commentName, replyName);
+
+                        // 2. 更新 AiCommentReply 记录状态
+                        Mono<Void> updateRecordMono = Mono.defer(() -> client.fetch(AiCommentReply.class, name)
+                            .flatMap(latest -> {
+                                latest.getSpec().setFilterCategory("误报");
+                                latest.getSpec().setFilterReason("用户确认为误报，已通过");
+                                if ("aiReply".equals(action)) {
+                                    latest.getSpec().setStatus("PENDING");
+                                    latest.getSpec().setReply("");
+                                } else {
+                                    // 仅通过：使用 FALSE_POSITIVE 状态，区别于 PASS
+                                    // 避免前端显示"通过/拒绝"按钮和"未发布"标签
+                                    latest.getSpec().setStatus("FALSE_POSITIVE");
+                                    latest.getSpec().setPublished(false);
+                                }
+                                return client.update(latest);
+                            })
+                            .retryWhen(Retry.backoff(3, Duration.ofMillis(100))
+                                .filter(e -> e instanceof OptimisticLockingFailureException))
+                            .then());
+
+                        // 3. 异步触发 AI 回复（在记录更新完成后，不阻塞 HTTP 响应）
+                        // 使用 processFalsePositive 跳过前置过滤和去重检查
+                        final boolean isConversation = Boolean.TRUE.equals(record.getSpec().getIsAiConversation());
+                        final String recordName = record.getMetadata().getName();
+
+                        return approveMono
+                            .then(updateRecordMono)
+                            .doOnSuccess(v -> {
+                                if ("aiReply".equals(action)) {
+                                    personaResolver.getPersonaNameFromComment(commentName)
+                                        .flatMap(personaName ->
+                                            orchestrator.processFalsePositive(commentName, replyName, isConversation, personaName, recordName)
+                                        )
+                                        .subscribe(
+                                            null,
+                                            err -> log.warn("[FalsePositive] AI reply trigger failed for {}: {}", commentName, err.getMessage()),
+                                            () -> log.info("[FalsePositive] AI reply trigger completed for {}", commentName)
+                                        );
+                                }
+                            })
+                            .then(ServerResponse.ok().bodyValue(Map.of(
+                                "message", "aiReply".equals(action) ? "已标记为误报，AI回复正在后台生成" : "已标记为误报并通过"
+                            )));
+                    })
+                    .switchIfEmpty(ServerResponse.notFound().build());
+            });
+    }
+
+    /**
+     * 将被拦截评论的原 Comment 或 Reply 审核状态设为已通过。
+     */
+    private Mono<Void> approveOriginalComment(String commentName, String replyName) {
+        // 优先处理 Reply（AI 对话场景下违规内容来自 Reply）
+        if (replyName != null && !replyName.isBlank()) {
+            return client.fetch(Reply.class, replyName)
+                .flatMap(reply -> {
+                    var spec = reply.getSpec();
+                    if (spec != null && !Boolean.TRUE.equals(spec.getApproved())) {
+                        spec.setApproved(true);
+                        spec.setApprovedTime(Instant.now());
+                        return client.update(reply)
+                            .retryWhen(Retry.backoff(3, Duration.ofMillis(100))
+                                .filter(e -> e instanceof OptimisticLockingFailureException))
+                            .doOnSuccess(r -> log.info("[FalsePositive] Reply {} approved", replyName))
+                            .then();
+                    }
+                    return Mono.empty();
+                })
+                .switchIfEmpty(Mono.defer(() -> approveComment(commentName)));
+        }
+        return approveComment(commentName);
+    }
+
+    private Mono<Void> approveComment(String commentName) {
+        return client.fetch(Comment.class, commentName)
+            .flatMap(comment -> {
+                var spec = comment.getSpec();
+                if (spec != null && !Boolean.TRUE.equals(spec.getApproved())) {
+                    spec.setApproved(true);
+                    spec.setApprovedTime(Instant.now());
+                    return client.update(comment)
+                        .retryWhen(Retry.backoff(3, Duration.ofMillis(100))
+                            .filter(e -> e instanceof OptimisticLockingFailureException))
+                        .doOnSuccess(c -> log.info("[FalsePositive] Comment {} approved", commentName))
+                        .then();
+                }
+                return Mono.empty();
+            });
+    }
 }

src/main/java/top/nxxy335/commentaiautopilot/extension/AiCommentReply.java

@@ -65,5 +65,11 @@ public class AiCommentReply extends AbstractExtension {
 
         @Schema(description = "已发布的回复名称")
         private String replyName;
+
+        @Schema(description = "前置过滤拦截分类（广告/辱骂攻击/敏感内容/无意义，为空表示未被拦截）")
+        private String filterCategory;
+
+        @Schema(description = "前置过滤拦截原因详情（为空表示未被拦截）")
+        private String filterReason;
     }
 }

src/main/java/top/nxxy335/commentaiautopilot/service/AiFoundationClient.java

@@ -3,30 +3,25 @@ package top.nxxy335.commentaiautopilot.service;
 import lombok.extern.slf4j.Slf4j;
 import org.springframework.stereotype.Component;
 import reactor.core.publisher.Mono;
-import run.halo.aifoundation.AiModelService;
-import run.halo.aifoundation.chat.GenerateTextRequest;
-import run.halo.aifoundation.chat.GenerateTextResult;
-import run.halo.aifoundation.schema.OutputSpec;
 import run.halo.app.plugin.extensionpoint.ExtensionGetter;
 
 import java.util.List;
 
 /**
- * AI Foundation client that uses Halo's {@link ExtensionGetter} to obtain the
- * {@link AiModelService} extension provided by the ai-foundation plugin.
- * <p>
- * This is the recommended way to integrate with AI Foundation, see
- * <a href="https://github.com/halo-dev/plugin-ai-foundation/blob/main/dev/dev.md">dev guide</a>.
- * <p>
- * Requires the following declaration in plugin.yaml:
+ * AI Foundation 客户端，通过 Halo 的 {@link ExtensionGetter} 获取 AI 服务。
+ *
+ * <p>此类不直接引用任何 AI Foundation API 类（AiModelService、GenerateTextRequest 等），
+ * 所有 AI Foundation 交互委托给 {@link AiFoundationDelegate}。
+ * 当 AI Foundation 插件未安装时，{@link AiFoundationDelegate} 的类加载会触发
+ * {@link NoClassDefFoundError}，在 {@code Mono.defer()} 中被捕获，
+ * 保证插件在无 AI Foundation 环境下仍可正常启动。
+ *
+ * <p>需要在 plugin.yaml 中声明可选依赖：
  * <pre>
  * spec:
  *   pluginDependencies:
  *     ai-foundation?: "*"
  * </pre>
- * The dependency is optional, so the plugin still loads when AI Foundation is
- * not installed; availability is checked at runtime and all calls return empty
- * in that case.
  */
 @Slf4j
 @Component
@@ -39,90 +34,68 @@ public class AiFoundationClient {
     }
 
     /**
-     * Call AI Foundation to generate a chat response using the specified model.
-     * Uses {@link GenerateTextRequest} with {@code maxRetries=2} so that
-     * transient model errors are retried by the SDK.
+     * 调用 AI Foundation 生成聊天回复。
      *
-     * @param prompt    the prompt text
-     * @param modelName the AiModel metadata.name, null or blank to use default model
-     * @return the generated text, or empty if AI Foundation is unavailable
+     * @param prompt    提示词文本
+     * @param modelName AiModel metadata.name，null 或空则使用默认模型
+     * @return 生成的文本，AI Foundation 不可用时返回 empty
      */
     public Mono<String> chat(String prompt, String modelName) {
-        return aiModelService()
-            .flatMap(service -> service.languageModel(modelName != null ? modelName : "")
-                .flatMap(model -> model.generateText(
-                    GenerateTextRequest.builder().prompt(prompt).maxRetries(2).build()))
-                .map(GenerateTextResult::getText))
-            .doOnError(e -> log.error("AI Foundation call failed: {}", e.getMessage()))
-            .onErrorResume(e -> {
-                log.warn("AI Foundation not available: {}", e.getMessage());
-                return Mono.empty();
-            });
-    }
-
-    /**
-     * Call AI Foundation to classify text into one of the given choices using
-     * structured output ({@link OutputSpec#choice(List)}).
-     * <p>
-     * This is the recommended way to do classification per the dev guide,
-     * as it is more reliable than prompt parsing.
-     *
-     * @param systemPrompt system prompt describing the task
-     * @param userPrompt   the user input to classify
-     * @param choices      the allowed classification values
-     * @param modelName    the AiModel metadata.name, null or blank to use default model
-     * @return the selected choice string, or empty if AI Foundation is unavailable
-     */
-    public Mono<String> classify(String systemPrompt, String userPrompt,
-                                  List<String> choices, String modelName) {
-        return aiModelService()
-            .flatMap(service -> service.languageModel(modelName != null ? modelName : "")
-                .flatMap(model -> model.generateText(
-                    GenerateTextRequest.builder()
-                        .system(systemPrompt)
-                        .prompt(userPrompt)
-                        .output(OutputSpec.choice(choices))
-                        .maxRetries(2)
-                        .build()))
-                .map(result -> {
-                    Object output = result.getOutput();
-                    return output != null ? String.valueOf(output).trim() : "";
-                }))
-            .doOnError(e -> log.error("AI Foundation classify failed: {}", e.getMessage()))
-            .onErrorResume(e -> {
-                log.warn("AI Foundation not available: {}", e.getMessage());
-                return Mono.empty();
-            });
-    }
-
-    /**
-     * Check if AI Foundation is available: plugin installed and an
-     * AiModelService extension is enabled.
-     */
-    public Mono<Boolean> isAvailable() {
-        return aiModelService().hasElement()
-            .onErrorResume(e -> {
-                log.debug("AI Foundation not available: {}", e.getMessage());
-                return Mono.just(false);
-            });
-    }
-
-    /**
-     * Obtain the enabled AiModelService extension via ExtensionGetter.
-     * <p>
-     * Wrapped in {@link Mono#defer} with a {@link NoClassDefFoundError} guard so
-     * that the plugin still works when the optional ai-foundation dependency is
-     * not installed (the AiModelService API class is then absent from the
-     * classloader).
-     */
-    private Mono<AiModelService> aiModelService() {
         return Mono.defer(() -> {
             try {
-                return extensionGetter.getEnabledExtension(AiModelService.class);
+                return AiFoundationDelegate.chat(extensionGetter, prompt, modelName);
             } catch (NoClassDefFoundError e) {
                 log.debug("AI Foundation API not on classpath: {}", e.getMessage());
                 return Mono.empty();
             }
+        })
+        .onErrorResume(NoClassDefFoundError.class, e -> {
+            log.warn("AI Foundation not available: {}", e.getMessage());
+            return Mono.empty();
+        });
+    }
+
+    /**
+     * 调用 AI Foundation 进行文本分类，使用结构化输出（OutputSpec.choice）。
+     *
+     * @param systemPrompt 系统提示词
+     * @param userPrompt   待分类的用户输入
+     * @param choices      允许的分类值列表
+     * @param modelName    AiModel metadata.name，null 或空则使用默认模型
+     * @return 选中的分类字符串，AI Foundation 不可用时返回 empty
+     */
+    public Mono<String> classify(String systemPrompt, String userPrompt,
+                                  List<String> choices, String modelName) {
+        return Mono.defer(() -> {
+            try {
+                return AiFoundationDelegate.classify(extensionGetter, systemPrompt, userPrompt, choices, modelName);
+            } catch (NoClassDefFoundError e) {
+                log.warn("[Client] AI Foundation API not on classpath (classify): {}", e.getMessage());
+                return Mono.empty();
+            }
+        })
+        .onErrorResume(NoClassDefFoundError.class, e -> {
+            log.warn("[Client] AI Foundation NoClassDefFoundError during classify: {}", e.getMessage());
+            return Mono.empty();
+        });
+    }
+
+    /**
+     * 检查 AI Foundation 是否可用（插件已安装且 AiModelService 扩展已启用）。
+     */
+    public Mono<Boolean> isAvailable() {
+        return Mono.defer(() -> {
+            try {
+                return AiFoundationDelegate.isAvailable(extensionGetter);
+            } catch (NoClassDefFoundError e) {
+                log.debug("AI Foundation API not on classpath: {}", e.getMessage());
+                return Mono.just(false);
+            }
+        })
+        .onErrorResume(NoClassDefFoundError.class, e -> Mono.just(false))
+        .onErrorResume(e -> {
+            log.debug("AI Foundation not available: {}", e.getMessage());
+            return Mono.just(false);
         });
     }
 }

src/main/java/top/nxxy335/commentaiautopilot/service/AiFoundationDelegate.java

@@ -0,0 +1,164 @@
+package top.nxxy335.commentaiautopilot.service;
+
+import lombok.extern.slf4j.Slf4j;
+import reactor.core.publisher.Mono;
+import run.halo.aifoundation.AiModelService;
+import run.halo.aifoundation.chat.GenerateTextRequest;
+import run.halo.aifoundation.chat.GenerateTextResult;
+import run.halo.aifoundation.schema.OutputSpec;
+import run.halo.app.plugin.extensionpoint.ExtensionGetter;
+
+import java.util.List;
+
+/**
+ * AI Foundation API 隔离层。
+ *
+ * <p>此类集中了所有对 AI Foundation 插件 API 的直接引用（AiModelService、
+ * GenerateTextRequest、GenerateTextResult、OutputSpec）。
+ *
+ * <p>关键设计：此类不是 Spring 组件，由 {@link AiFoundationClient} 通过
+ * {@code Mono.defer()} 懒加载调用。当 AI Foundation 插件未安装时，
+ * JVM 加载此类会触发 NoClassDefFoundError，该错误在
+ * {@code AiFoundationClient} 的 defer + try-catch 中被捕获，
+ * 从而保证插件在无 AI Foundation 的环境下仍可正常启动。
+ */
+@Slf4j
+class AiFoundationDelegate {
+
+    private AiFoundationDelegate() {}
+
+    static Mono<String> chat(ExtensionGetter extensionGetter, String prompt, String modelName) {
+        return extensionGetter.getEnabledExtension(AiModelService.class)
+            .flatMap(service -> service.languageModel(modelName != null ? modelName : "")
+                .flatMap(model -> model.generateText(
+                    GenerateTextRequest.builder().prompt(prompt).maxRetries(2).build()))
+                .map(GenerateTextResult::getText))
+            .doOnError(e -> log.error("[Delegate] chat call failed: {}", e.getMessage()))
+            .onErrorResume(e -> {
+                log.warn("[Delegate] chat not available: {}", e.getMessage());
+                return Mono.empty();
+            });
+    }
+
+    /**
+     * 使用 AI 进行文本分类。
+     * 优先使用 OutputSpec.choice 结构化输出，失败时退回到普通 chat 并解析响应。
+     */
+    static Mono<String> classify(ExtensionGetter extensionGetter, String systemPrompt,
+                                  String userPrompt, List<String> choices, String modelName) {
+        log.info("[Delegate] Starting classification, modelName='{}'", modelName);
+        return classifyWithChoice(extensionGetter, systemPrompt, userPrompt, choices, modelName)
+            .switchIfEmpty(
+                Mono.defer(() -> {
+                    log.info("[Delegate] classifyWithChoice returned empty, falling back to classifyWithChat");
+                    return classifyWithChat(extensionGetter, systemPrompt, userPrompt, choices, modelName);
+                })
+            )
+            .doOnNext(result -> log.info("[Delegate] Classification succeeded: '{}'", result))
+            .doOnSuccess(result -> {
+                if (result == null) {
+                    log.warn("[Delegate] Classification completed with no result (both methods returned empty)");
+                }
+            });
+    }
+
+    /**
+     * 使用 OutputSpec.choice 结构化输出分类（部分模型不支持）。
+     * 注意：不使用 system() 方法，因为部分 AI Foundation 版本可能不支持，
+     * 将 system prompt 合并到 user prompt 中。
+     */
+    private static Mono<String> classifyWithChoice(ExtensionGetter extensionGetter, String systemPrompt,
+                                                    String userPrompt, List<String> choices, String modelName) {
+        // 合并 system prompt 和 user prompt，避免使用 system() 方法
+        String combinedPrompt = systemPrompt + "\n\n" + userPrompt;
+        return extensionGetter.getEnabledExtension(AiModelService.class)
+            .flatMap(service -> service.languageModel(modelName != null ? modelName : "")
+                .flatMap(model -> model.generateText(
+                    GenerateTextRequest.builder()
+                        .prompt(combinedPrompt)
+                        .output(OutputSpec.choice(choices))
+                        .maxRetries(2)
+                        .build()))
+                .flatMap(result -> {
+                    Object output = result.getOutput();
+                    if (output != null) {
+                        String value = String.valueOf(output).trim();
+                        if (!value.isEmpty()) {
+                            log.debug("[Delegate] classifyWithChoice got output: '{}'", value);
+                            return Mono.just(value);
+                        }
+                    }
+                    // output 为空可能是模型不支持结构化输出，返回 empty 触发 fallback
+                    log.info("[Delegate] classifyWithChoice: output is null/empty, triggering fallback");
+                    return Mono.empty();
+                }))
+            .onErrorResume(e -> {
+                log.warn("[Delegate] classifyWithChoice failed, will fallback to chat: {}", e.getMessage());
+                return Mono.empty();
+            });
+    }
+
+    /**
+     * 使用普通 chat 调用进行分类，从响应文本中提取匹配的分类值。
+     * 作为 OutputSpec.choice 不可用时的降级方案。
+     * 不使用 system() 方法，将 system prompt 合并到 user prompt 中，
+     * 与可用的 chat() 方法保持一致的调用方式。
+     */
+    private static Mono<String> classifyWithChat(ExtensionGetter extensionGetter, String systemPrompt,
+                                                  String userPrompt, List<String> choices, String modelName) {
+        // 合并 system prompt 和 user prompt，与 chat() 方法保持一致的调用方式
+        String combinedPrompt = systemPrompt + "\n\n" + userPrompt;
+        return extensionGetter.getEnabledExtension(AiModelService.class)
+            .flatMap(service -> service.languageModel(modelName != null ? modelName : "")
+                .flatMap(model -> model.generateText(
+                    GenerateTextRequest.builder()
+                        .prompt(combinedPrompt)
+                        .maxRetries(2)
+                        .build()))
+                .map(GenerateTextResult::getText)
+                .map(text -> extractChoice(text, choices)))
+            .doOnError(e -> log.error("[Delegate] classifyWithChat failed: {}", e.getMessage()))
+            .onErrorResume(e -> {
+                log.warn("[Delegate] classifyWithChat error: {}", e.getMessage());
+                return Mono.empty();
+            });
+    }
+
+    /**
+     * 从 chat 响应文本中提取匹配的分类值。
+     * 优先精确匹配，其次包含匹配。
+     * 包含匹配时优先匹配违规类别（广告/辱骂/敏感/无意义），最后才匹配"正常"，
+     * 避免 AI 解释性文本中同时出现"正常"和违规词时误判为"正常"。
+     * 无匹配时返回空字符串（触发 defaultIfEmpty 安全拦截），避免原始文本被误判为违规类别。
+     */
+    static String extractChoice(String text, List<String> choices) {
+        if (text == null || text.isBlank()) return "";
+        String trimmed = text.trim();
+        // 精确匹配
+        for (String choice : choices) {
+            if (trimmed.equals(choice)) return choice;
+        }
+        // 包含匹配：先匹配违规类别，最后匹配"正常"
+        // 避免"该评论属于广告，不是正常评论"被误匹配为"正常"
+        for (String choice : choices) {
+            if ("正常".equals(choice)) continue;
+            if (trimmed.contains(choice)) return choice;
+        }
+        // 最后检查"正常"
+        for (String choice : choices) {
+            if ("正常".equals(choice) && trimmed.contains(choice)) return choice;
+        }
+        // 无匹配，返回空字符串触发安全拦截
+        log.warn("[Delegate] No matching choice found in response: '{}', returning empty for safety", trimmed);
+        return "";
+    }
+
+    static Mono<Boolean> isAvailable(ExtensionGetter extensionGetter) {
+        return extensionGetter.getEnabledExtension(AiModelService.class)
+            .hasElement()
+            .onErrorResume(e -> {
+                log.debug("[Delegate] AI Foundation not available: {}", e.getMessage());
+                return Mono.just(false);
+            });
+    }
+}

src/main/java/top/nxxy335/commentaiautopilot/service/AiReplyOrchestrator.java

@@ -31,6 +31,7 @@ public class AiReplyOrchestrator {
     private final CommentReplyPublisher commentReplyPublisher;
     private final FilterService filterService;
     private final RateLimitService rateLimitService;
+    private final CommentPreFilterService preFilterService;
     private final ReactiveExtensionClient client;
     private final ObjectMapper objectMapper;
 
@@ -49,6 +50,7 @@ public class AiReplyOrchestrator {
                                CommentReplyPublisher commentReplyPublisher,
                                FilterService filterService,
                                RateLimitService rateLimitService,
+                               CommentPreFilterService preFilterService,
                                ReactiveExtensionClient client,
                                ObjectMapper objectMapper) {
         this.contextExtractor = contextExtractor;
@@ -59,6 +61,7 @@ public class AiReplyOrchestrator {
         this.commentReplyPublisher = commentReplyPublisher;
         this.filterService = filterService;
         this.rateLimitService = rateLimitService;
+        this.preFilterService = preFilterService;
         this.client = client;
         this.objectMapper = objectMapper;
     }
@@ -102,7 +105,7 @@ public class AiReplyOrchestrator {
                         }
                         // Wake word triggered: skip page-level annotation check
                         if (wakeWordTriggered) {
-                            return checkBlockedCommenters(commentName)
+                            return filterService.isCommenterBlocked(commentName)
                                 .flatMap(blocked -> {
                                     if (blocked) {
                                         log.info("[Orchestrator] Commenter blocked, skipping wake word: {}", commentName);
@@ -130,6 +133,45 @@ public class AiReplyOrchestrator {
             .then();
     }
 
+    /**
+     * 误报反馈专用：跳过前置过滤和去重检查，直接为已确认误报的评论生成 AI 回复。
+     *
+     * <p>与 {@link #processComment} 不同，此方法：
+     * <ul>
+     *   <li>跳过前置过滤（用户已确认评论合规）</li>
+     *   <li>跳过去重检查（已有 FILTERED 记录，需复用）</li>
+     *   <li>跳过速率限制和黑名单检查（管理员主动操作）</li>
+     * </ul>
+     *
+     * @param commentName     the parent Comment name
+     * @param replyName       the Reply name (null for top-level comments)
+     * @param isAiConversation true when this is a conversation continuation
+     * @param personaName     the persona name to use
+     * @param recordName      the existing AiCommentReply record name to update
+     */
+    public Mono<Void> processFalsePositive(String commentName, String replyName,
+                                            boolean isAiConversation, String personaName,
+                                            String recordName) {
+        log.info("[Orchestrator] Processing false-positive: comment={}, record={}", commentName, recordName);
+
+        return getModelName().flatMap(modelName ->
+            contextExtractor.extract(commentName, replyName, isAiConversation)
+                .flatMap(context -> {
+                    // Fetch the existing record (was FILTERED, now PENDING)
+                    return client.fetch(AiCommentReply.class, recordName)
+                        .flatMap(replyRecord ->
+                            sentimentService.analyzeSentiment(context.commentContent(), modelName)
+                                .flatMap(sentimentResult ->
+                                    promptBuilder.buildPrompt(context, sentimentResult.sentiment(), personaName)
+                                        .flatMap(prompt -> generateAndPublish(prompt, context, replyRecord, modelName, personaName))
+                                )
+                        );
+                })
+        )
+        .doOnError(e -> log.error("[Orchestrator] Error processing false-positive {}: {}", commentName, e.getMessage(), e))
+        .then();
+    }
+
     /**
      * Proceed with processing after all checks have passed.
      * Handles dedup checks and conversation round limits.
@@ -168,55 +210,29 @@ public class AiReplyOrchestrator {
             );
     }
 
-    /**
-     * Check if the commenter is in the blocked list.
-     */
-    private Mono<Boolean> checkBlockedCommenters(String commentName) {
-        return client.fetch(run.halo.app.core.extension.content.Comment.class, commentName)
-            .flatMap(comment -> {
-                var owner = comment.getSpec().getOwner();
-                if (owner == null) return Mono.just(false);
-                String displayName = owner.getDisplayName();
-                String email = run.halo.app.core.extension.content.Comment.CommentOwner.KIND_EMAIL.equals(owner.getKind())
-                    ? owner.getName() : "";
-                return client.fetch(ConfigMap.class, CONFIG_MAP_NAME)
-                    .mapNotNull(cm -> {
-                        var data = cm.getData();
-                        if (data == null) return false;
-                        String basicJson = data.get("basic");
-                        if (basicJson == null || basicJson.isBlank()) return false;
-                        try {
-                            JsonNode node = objectMapper.readTree(basicJson);
-                            String blockedStr = node.has("blockedCommenters") ? node.get("blockedCommenters").asText("") : "";
-                            if (blockedStr.isBlank()) return false;
-                            for (String item : blockedStr.split(",")) {
-                                String trimmed = item.trim();
-                                if (!trimmed.isEmpty() && (trimmed.equalsIgnoreCase(displayName) || trimmed.equalsIgnoreCase(email))) {
-                                    return true;
-                                }
-                            }
-                            return false;
-                        } catch (Exception e) {
-                            return false;
-                        }
-                    })
-                    .defaultIfEmpty(false);
-            })
-            .defaultIfEmpty(false);
-    }
-
     private Mono<Void> doProcess(String commentName, String replyName, boolean isAiConversation,
                                   String personaName) {
         return getModelName().flatMap(modelName ->
             contextExtractor.extract(commentName, replyName, isAiConversation)
-                .flatMap(context -> sentimentService.analyzeSentiment(context.commentContent(), modelName)
-                    .flatMap(sentimentResult -> {
-                        log.info("[Orchestrator] Sentiment for {}: {} (confidence: {})",
-                            commentName, sentimentResult.sentiment(), sentimentResult.confidence());
-                        return promptBuilder.buildPrompt(context, sentimentResult.sentiment(), personaName)
-                            .flatMap(prompt -> createAiCommentReply(context, sentimentResult.sentiment(), personaName)
-                                .flatMap(replyRecord -> generateAndPublish(prompt, context, replyRecord, modelName, personaName))
-                            );
+                .flatMap(context -> preFilterService.check(context.commentContent(), modelName)
+                    .flatMap(preFilterResult -> {
+                        if (!preFilterResult.passed()) {
+                            log.warn("[Orchestrator] Comment pre-filtered: {}, reason: {}",
+                                commentName, preFilterResult.reason());
+                            // 创建拦截记录并执行处罚（针对实际违规的 Comment 或 Reply）
+                            return createFilteredRecord(context, preFilterResult)
+                                .then(preFilterService.penalize(commentName, replyName))
+                                .then();
+                        }
+                        return sentimentService.analyzeSentiment(context.commentContent(), modelName)
+                            .flatMap(sentimentResult -> {
+                                log.info("[Orchestrator] Sentiment for {}: {} (confidence: {})",
+                                    commentName, sentimentResult.sentiment(), sentimentResult.confidence());
+                                return promptBuilder.buildPrompt(context, sentimentResult.sentiment(), personaName)
+                                    .flatMap(prompt -> createAiCommentReply(context, sentimentResult.sentiment(), personaName)
+                                        .flatMap(replyRecord -> generateAndPublish(prompt, context, replyRecord, modelName, personaName))
+                                    );
+                            });
                     })
                 )
         );
@@ -325,7 +341,7 @@ public class AiReplyOrchestrator {
                 // Update retryCount and reset status to PENDING
                 return updateRecordForRetry(replyRecord, newRetryCount)
                     .delayElement(Duration.ofSeconds(delaySeconds))
-                    .then(retryGenerate(context, replyRecord, modelName, personaName));
+                    .flatMap(updated -> retryGenerate(context, updated, modelName, personaName));
             } else {
                 log.warn("[Orchestrator] Max retry count ({}) exceeded for: {}, marking as FAIL. Reason: {}",
                     maxRetry, context.commentId(), reason);
@@ -574,6 +590,34 @@ public class AiReplyOrchestrator {
             .defaultIfEmpty(10);
     }
 
+    /**
+     * 创建被前置过滤拦截的记录。
+     */
+    private Mono<AiCommentReply> createFilteredRecord(ContextExtractor.CommentContext context,
+                                                        CommentPreFilterService.PreFilterResult preFilterResult) {
+        AiCommentReply record = new AiCommentReply();
+        record.setMetadata(new Metadata());
+        record.getMetadata().setName("ai-reply-" + UUID.randomUUID().toString().substring(0, 8));
+        record.setSpec(new AiCommentReply.Spec());
+        record.getSpec().setCommentId(context.commentId());
+        record.getSpec().setPostId(context.postId());
+        record.getSpec().setPostSlug(context.postSlug());
+        record.getSpec().setPostKind(context.postKind());
+        record.getSpec().setReply("");
+        record.getSpec().setScore(0);
+        record.getSpec().setStatus("FILTERED");
+        record.getSpec().setRetryCount(0);
+        record.getSpec().setReplyTo(context.replyTo());
+        record.getSpec().setIsAiConversation(context.isAiConversation());
+        record.getSpec().setPublished(false);
+        record.getSpec().setSentiment("NEUTRAL");
+        record.getSpec().setFilterCategory(preFilterResult.category());
+        record.getSpec().setFilterReason(preFilterResult.reason());
+        return client.create(record)
+            .doOnSuccess(created -> log.info("[Orchestrator] Created filtered record: {} category={} reason={}",
+                created.getMetadata().getName(), preFilterResult.category(), preFilterResult.reason()));
+    }
+
     private Mono<AiCommentReply> createAiCommentReply(ContextExtractor.CommentContext context, String sentiment,
                                                         String personaName) {
         AiCommentReply record = new AiCommentReply();

src/main/java/top/nxxy335/commentaiautopilot/service/CommentPreFilterService.java

@@ -0,0 +1,267 @@
+package top.nxxy335.commentaiautopilot.service;
+
+import com.fasterxml.jackson.databind.JsonNode;
+import com.fasterxml.jackson.databind.ObjectMapper;
+import lombok.extern.slf4j.Slf4j;
+import org.jsoup.Jsoup;
+import org.jsoup.safety.Safelist;
+import org.springframework.dao.OptimisticLockingFailureException;
+import org.springframework.stereotype.Component;
+import reactor.core.publisher.Mono;
+import reactor.util.retry.Retry;
+import run.halo.app.core.extension.content.Comment;
+import run.halo.app.core.extension.content.Reply;
+import run.halo.app.extension.ConfigMap;
+import run.halo.app.extension.ReactiveExtensionClient;
+
+import java.time.Duration;
+import java.time.Instant;
+import java.util.List;
+import java.util.Map;
+
+/**
+ * 评论前置过滤服务：在 AI 回复之前检测评论合规性。
+ *
+ * 检测维度：
+ * 1. 敏感词/辱骂/广告/恶意攻击 — 通过 AI 分类判断
+ * 2. 自动处置 — 违规评论跳过 AI 回复，可选将评论设为待审核状态
+ */
+@Component
+@Slf4j
+public class CommentPreFilterService {
+
+    private final ReactiveExtensionClient client;
+    private final ObjectMapper objectMapper;
+    private final AiFoundationClient aiFoundationClient;
+
+    private static final String CONFIG_MAP_NAME = "comment-ai-autopilot-configmap";
+
+    private static final String CLEAN = "正常";
+    private static final String SPAM = "广告";
+    private static final String ABUSE = "辱骂攻击";
+    private static final String SENSITIVE = "敏感内容";
+    private static final String MEANINGLESS = "无意义";
+    private static final List<String> CLASSIFY_CHOICES = List.of(CLEAN, SPAM, ABUSE, SENSITIVE, MEANINGLESS);
+
+    private static final Map<String, String> CATEGORY_DESCRIPTIONS = Map.of(
+        SPAM, "检测到推广链接、产品推销或引流信息",
+        ABUSE, "检测到辱骂、人身攻击、恶意挑衅或歧视性言论",
+        SENSITIVE, "检测到政治敏感、违法违规或色情暴力内容",
+        MEANINGLESS, "检测到纯乱码或无意义字符堆砌"
+    );
+
+    private static final String CLASSIFY_SYSTEM_PROMPT = """
+            你是评论内容合规检测员。请判断以下评论属于哪个类别：
+
+            类别定义：
+            - 正常：正常的评论、提问、讨论、赞美、闲聊等，即使与文章主题无关也算正常
+            - 广告：包含推广链接、产品推销、引流信息等
+            - 辱骂攻击：包含辱骂、人身攻击、恶意挑衅、歧视性言论等
+            - 敏感内容：涉及政治敏感、违法违规、色情暴力等
+            - 无意义：纯乱码、无意义字符堆砌（如随机符号、键盘乱敲）
+
+            ═══════════════════════════════════════
+            核心判断原则（必须严格遵守）：
+            ═══════════════════════════════════════
+
+            【原则一：上下文优先】
+            绝对禁止仅凭单个词汇进行机械拦截。必须结合整句话的语境、语气和前后文逻辑进行综合判断。一个词是否违规，取决于它在句子中的功能，而非词汇本身。
+
+            【原则二：口语化宽容】
+            中文互联网存在大量口语化简写、谐音和省略表达。如果某个词在特定语境下明显是中性词或亲属称谓的口语化表达，且整句无攻击性、无恶意，必须判定为"正常"。
+            常见口语化中性用法示例：
+            - "他妈" → 可能是"他妈妈"的简称，如"小轩是他妈的朋友"=小轩是他妈妈的朋友 → 正常
+            - "你妹" → 可能是"你妹妹"的简称，如"你妹在哪上学"=你妹妹在哪上学 → 正常
+            - "卧槽" → 可能是语气词表示惊讶，如"卧槽这也太强了"=哇塞这也太厉害了 → 正常
+            - "牛逼" → 口语化赞美，如"这文章写得牛逼" → 正常
+            - "靠" → 语气词表示无奈或惊讶，如"靠又忘了" → 正常
+
+            【原则三：恶意导向判定】
+            只有当词汇被明确用作辱骂、人身攻击、引战或带有较强负面情绪时，才判定为"辱骂攻击"。
+            恶意用法示例（这些才应判为"辱骂攻击"）：
+            - "你他妈的" → 直接对他人进行辱骂 → 辱骂攻击
+            - "你妹的" → 带有攻击性的语气词 → 辱骂攻击
+            - "傻逼" → 直接辱骂他人 → 辱骂攻击
+
+            【原则四：宁放勿杀】
+            当你无法确定评论是否违规时，应判定为"正常"而非"辱骂攻击"。误杀正常评论比漏判违规评论的负面影响更大。
+
+            【原则五：闲聊不算无意义】
+            与文章主题无关的闲聊、灌水、打招呼等属于"正常"，不要误判为"无意义"。
+
+            只返回类别名称，不要返回其他内容。""";
+
+    public CommentPreFilterService(ReactiveExtensionClient client,
+                                    ObjectMapper objectMapper,
+                                    AiFoundationClient aiFoundationClient) {
+        this.client = client;
+        this.objectMapper = objectMapper;
+        this.aiFoundationClient = aiFoundationClient;
+    }
+
+    /**
+     * 检测评论是否合规。
+     *
+     * @param commentContent 评论内容（纯文本）
+     * @param modelName       AI 模型名称
+     * @return 检测结果
+     */
+    public Mono<PreFilterResult> check(String commentContent, String modelName) {
+        return loadConfig().flatMap(config -> {
+            if (!config.enabled()) {
+                log.info("[PreFilter] Pre-filter is DISABLED, allowing all comments");
+                return Mono.just(new PreFilterResult(true, CLEAN, "前置过滤未启用"));
+            }
+
+            // 剥离 HTML 标签，获取纯文本
+            String plainText = stripHtml(commentContent);
+            String truncated = truncate(plainText, 500);
+            String userPrompt = "评论内容：\n" + truncated;
+            log.info("[PreFilter] Checking comment (enabled=true): {}", truncated.substring(0, Math.min(50, truncated.length())));
+
+            return aiFoundationClient.classify(CLASSIFY_SYSTEM_PROMPT, userPrompt, CLASSIFY_CHOICES, modelName)
+                .doOnNext(result -> log.info("[PreFilter] AI classify returned: '{}'", result))
+                .map(result -> {
+                    if (CLEAN.equals(result)) {
+                        log.info("[PreFilter] Comment passed: category={}", result);
+                        return new PreFilterResult(true, CLEAN, "评论合规");
+                    }
+                    // 空结果视为分类失败
+                    if (result == null || result.isBlank()) {
+                        log.warn("[PreFilter] AI classify returned empty/blank result, blocking for safety");
+                        return new PreFilterResult(false, MEANINGLESS, "AI分类返回空结果，安全拦截");
+                    }
+                    String desc = CATEGORY_DESCRIPTIONS.getOrDefault(result, "检测到违规内容");
+                    String snippet = truncated.substring(0, Math.min(50, truncated.length()));
+                    String reason = desc + " — 「" + snippet + "」";
+                    log.warn("[PreFilter] Comment BLOCKED: category={}, content={}", result, snippet);
+                    return new PreFilterResult(false, result, reason);
+                })
+                // 分类失败时拦截评论（安全优先），而非放行
+                .defaultIfEmpty(new PreFilterResult(false, MEANINGLESS, "AI分类服务不可用，安全拦截"))
+                .onErrorResume(e -> {
+                    log.warn("[PreFilter] Detection error, BLOCKING comment for safety: {}", e.getMessage(), e);
+                    return Mono.just(new PreFilterResult(false, MEANINGLESS, "AI分类服务异常，安全拦截"));
+                });
+        });
+    }
+
+    /**
+     * 对违规评论执行自动处置：将评论或回复设为待审核状态。
+     *
+     * <p>当 replyName 不为空时（AI 对话场景或回复触发），取消通过的是包含违规内容的 Reply；
+     * 否则取消通过的是顶层 Comment。这样可避免误伤父级 Comment 中正常的内容。
+     *
+     * @param commentName 评论的 metadata.name
+     * @param replyName   回复的 metadata.name（可为 null，表示顶层评论）
+     * @return Mono<Void>
+     */
+    public Mono<Void> penalize(String commentName, String replyName) {
+        return loadConfig().flatMap(config -> {
+            if (!config.pendingOnViolation()) {
+                return Mono.empty();
+            }
+            // 优先处理 Reply：AI 对话场景下违规内容来自 Reply
+            if (replyName != null && !replyName.isBlank()) {
+                return penalizeReply(replyName);
+            }
+            return penalizeComment(commentName);
+        });
+    }
+
+    private Mono<Void> penalizeComment(String commentName) {
+        return client.fetch(Comment.class, commentName)
+            .flatMap(comment -> {
+                var spec = comment.getSpec();
+                if (spec == null) return Mono.<Comment>empty();
+                // 只要 approved 不是 false，就强制设为 false
+                // 覆盖 approved=true 和 approved=null 两种情况
+                if (!Boolean.FALSE.equals(spec.getApproved())) {
+                    log.info("[PreFilter] Penalizing comment {}: approved={} → false", commentName, spec.getApproved());
+                    spec.setApproved(false);
+                    spec.setApprovedTime(null);
+                    return client.update(comment)
+                        .doOnSuccess(c -> log.info("[PreFilter] Comment {} set to pending for violation", commentName));
+                }
+                log.debug("[PreFilter] Comment {} already unapproved, skip penalize", commentName);
+                return Mono.<Comment>empty();
+            })
+            .retryWhen(Retry.backoff(3, Duration.ofMillis(100))
+                .filter(OptimisticLockingFailureException.class::isInstance)
+                .doBeforeRetry(sig -> log.debug("[PreFilter] Retrying penalizeComment {} (attempt {})", commentName, sig.totalRetries() + 1)))
+            .onErrorResume(e -> {
+                log.warn("[PreFilter] Failed to penalize comment {} after retries: {}", commentName, e.getMessage());
+                return Mono.empty();
+            })
+            .then();
+    }
+
+    private Mono<Void> penalizeReply(String replyName) {
+        return client.fetch(Reply.class, replyName)
+            .flatMap(reply -> {
+                var spec = reply.getSpec();
+                if (spec == null) return Mono.<Reply>empty();
+                // 只要 approved 不是 false，就强制设为 false
+                if (!Boolean.FALSE.equals(spec.getApproved())) {
+                    log.info("[PreFilter] Penalizing reply {}: approved={} → false", replyName, spec.getApproved());
+                    spec.setApproved(false);
+                    spec.setApprovedTime(null);
+                    return client.update(reply)
+                        .doOnSuccess(r -> log.info("[PreFilter] Reply {} set to pending for violation", replyName));
+                }
+                log.debug("[PreFilter] Reply {} already unapproved, skip penalize", replyName);
+                return Mono.<Reply>empty();
+            })
+            .retryWhen(Retry.backoff(3, Duration.ofMillis(100))
+                .filter(OptimisticLockingFailureException.class::isInstance)
+                .doBeforeRetry(sig -> log.debug("[PreFilter] Retrying penalizeReply {} (attempt {})", replyName, sig.totalRetries() + 1)))
+            .onErrorResume(e -> {
+                log.warn("[PreFilter] Failed to penalize reply {} after retries: {}", replyName, e.getMessage());
+                return Mono.empty();
+            })
+            .then();
+    }
+
+    /**
+     * 加载前置过滤配置。
+     */
+    private Mono<PreFilterConfig> loadConfig() {
+        return client.fetch(ConfigMap.class, CONFIG_MAP_NAME)
+            .mapNotNull(cm -> {
+                var data = cm.getData();
+                if (data == null) return new PreFilterConfig(true, true);
+                String basicJson = data.get("basic");
+                if (basicJson == null || basicJson.isBlank()) return new PreFilterConfig(true, true);
+                try {
+                    JsonNode node = objectMapper.readTree(basicJson);
+                    boolean enabled = !node.has("preFilterEnabled")
+                        || node.get("preFilterEnabled").asBoolean(true);
+                    boolean pendingOnViolation = !node.has("preFilterPendingOnViolation")
+                        || node.get("preFilterPendingOnViolation").asBoolean(true);
+                    return new PreFilterConfig(enabled, pendingOnViolation);
+                } catch (Exception e) {
+                    log.warn("[PreFilter] Failed to parse config: {}", e.getMessage());
+                    return new PreFilterConfig(true, true);
+                }
+            })
+            .defaultIfEmpty(new PreFilterConfig(true, true))
+            .onErrorResume(e -> {
+                log.warn("[PreFilter] Failed to load config: {}", e.getMessage());
+                return Mono.just(new PreFilterConfig(true, true));
+            });
+    }
+
+    private String truncate(String text, int maxLength) {
+        if (text == null) return "";
+        return text.length() > maxLength ? text.substring(0, maxLength) : text;
+    }
+
+    private String stripHtml(String html) {
+        if (html == null || html.isBlank()) return "";
+        return Jsoup.clean(html, Safelist.none()).trim();
+    }
+
+    public record PreFilterResult(boolean passed, String category, String reason) {}
+
+    public record PreFilterConfig(boolean enabled, boolean pendingOnViolation) {}
+}

src/main/java/top/nxxy335/commentaiautopilot/service/FilterService.java

@@ -58,6 +58,19 @@ public class FilterService {
             });
     }
 
+    /**
+     * 检查评论者是否在黑名单中（按 commentName 查询）。
+     */
+    public Mono<Boolean> isCommenterBlocked(String commentName) {
+        return client.fetch(Comment.class, commentName)
+            .flatMap(this::checkBlockedCommenters)
+            .defaultIfEmpty(false)
+            .onErrorResume(e -> {
+                log.warn("[Filter] Error checking blocked commenter: {}", e.getMessage());
+                return Mono.just(false);
+            });
+    }
+
     private Mono<Boolean> checkBlockedCommenters(Comment comment) {
         return client.fetch(ConfigMap.class, CONFIG_MAP_NAME)
             .mapNotNull(cm -> {

src/main/java/top/nxxy335/commentaiautopilot/service/PersonaResolver.java

@@ -9,8 +9,11 @@ import run.halo.app.core.extension.content.Post;
 import run.halo.app.core.extension.content.Tag;
 import run.halo.app.extension.ExtensionClient;
 import run.halo.app.extension.ReactiveExtensionClient;
+import reactor.core.publisher.Flux;
 import reactor.core.publisher.Mono;
 
+import java.util.List;
+
 /**
  * Shared service for resolving AI persona name from a comment's associated
  * post/category/tag annotations.
@@ -57,64 +60,80 @@ public class PersonaResolver {
                         return Mono.just(persona);
                     }
                 }
-                // 2. Category annotations
+                // 2. Category annotations (check sequentially, return first match)
                 var spec = post.getSpec();
-                if (spec != null && spec.getCategories() != null) {
-                    for (String categoryName : spec.getCategories()) {
-                        var persona = resolveFromCategory(categoryName);
-                        if (persona != null) return Mono.just(persona);
-                    }
-                }
-                // 3. Tag annotations
-                if (spec != null && spec.getTags() != null) {
-                    for (String tagName : spec.getTags()) {
-                        var persona = resolveFromTag(tagName);
-                        if (persona != null) return Mono.just(persona);
-                    }
-                }
-                return Mono.just("");
+                List<String> categories = (spec != null && spec.getCategories() != null)
+                    ? spec.getCategories() : List.of();
+                // 3. Tag annotations (fallback if no category match)
+                List<String> tags = (spec != null && spec.getTags() != null)
+                    ? spec.getTags() : List.of();
+
+                return resolveFromCategories(categories)
+                    .switchIfEmpty(resolveFromTags(tags));
             })
             .defaultIfEmpty("");
     }
 
-    private String resolveFromCategory(String categoryName) {
-        // Use block() here because this is called from a Reconciler (sync context)
-        // For reactive context, the caller should use the reactive version
-        try {
-            return reactiveClient.fetch(Category.class, categoryName)
-                .mapNotNull(cat -> {
-                    var catAnnotations = cat.getMetadata().getAnnotations();
-                    if (catAnnotations != null) {
-                        String catPersona = catAnnotations.get(AI_PERSONA_ANNOTATION);
-                        if (catPersona != null && !catPersona.isBlank()) {
-                            return catPersona;
-                        }
-                    }
-                    return null;
-                })
-                .block();
-        } catch (Exception e) {
-            return null;
+    /**
+     * Sequentially check category annotations, returning the first non-empty persona.
+     * Uses concatMap to preserve order and short-circuit on first match.
+     */
+    private Mono<String> resolveFromCategories(List<String> categoryNames) {
+        if (categoryNames == null || categoryNames.isEmpty()) {
+            return Mono.empty();
         }
+        return Flux.fromIterable(categoryNames)
+            .concatMap(this::resolveFromCategory)
+            .next();
     }
 
-    private String resolveFromTag(String tagName) {
-        try {
-            return reactiveClient.fetch(Tag.class, tagName)
-                .mapNotNull(tag -> {
-                    var tagAnnotations = tag.getMetadata().getAnnotations();
-                    if (tagAnnotations != null) {
-                        String tagPersona = tagAnnotations.get(AI_PERSONA_ANNOTATION);
-                        if (tagPersona != null && !tagPersona.isBlank()) {
-                            return tagPersona;
-                        }
-                    }
-                    return null;
-                })
-                .block();
-        } catch (Exception e) {
-            return null;
+    /**
+     * Sequentially check tag annotations, returning the first non-empty persona.
+     * Uses concatMap to preserve order and short-circuit on first match.
+     */
+    private Mono<String> resolveFromTags(List<String> tagNames) {
+        if (tagNames == null || tagNames.isEmpty()) {
+            return Mono.empty();
         }
+        return Flux.fromIterable(tagNames)
+            .concatMap(this::resolveFromTag)
+            .next();
+    }
+
+    private Mono<String> resolveFromCategory(String categoryName) {
+        return reactiveClient.fetch(Category.class, categoryName)
+            .mapNotNull(cat -> {
+                var catAnnotations = cat.getMetadata().getAnnotations();
+                if (catAnnotations != null) {
+                    String catPersona = catAnnotations.get(AI_PERSONA_ANNOTATION);
+                    if (catPersona != null && !catPersona.isBlank()) {
+                        return catPersona;
+                    }
+                }
+                return null;
+            })
+            .onErrorResume(e -> {
+                log.warn("Failed to resolve persona from category {}: {}", categoryName, e.getMessage());
+                return Mono.empty();
+            });
+    }
+
+    private Mono<String> resolveFromTag(String tagName) {
+        return reactiveClient.fetch(Tag.class, tagName)
+            .mapNotNull(tag -> {
+                var tagAnnotations = tag.getMetadata().getAnnotations();
+                if (tagAnnotations != null) {
+                    String tagPersona = tagAnnotations.get(AI_PERSONA_ANNOTATION);
+                    if (tagPersona != null && !tagPersona.isBlank()) {
+                        return tagPersona;
+                    }
+                }
+                return null;
+            })
+            .onErrorResume(e -> {
+                log.warn("Failed to resolve persona from tag {}: {}", tagName, e.getMessage());
+                return Mono.empty();
+            });
     }
 
     /**

src/main/resources/extensions/settings.yaml

@@ -40,6 +40,16 @@ spec:
           label: 评论者黑名单
           help: "输入评论者显示名称或邮箱，多个用逗号分隔。支持正则表达式，以 regex: 开头，如 regex:^spam.*"
           value: ""
+        - $formkit: switch
+          name: preFilterEnabled
+          label: 启用前置过滤
+          help: "AI回复前检测评论合规性，拦截广告/辱骂/敏感内容，节省Token"
+          value: true
+        - $formkit: switch
+          name: preFilterPendingOnViolation
+          label: 违规评论设为待审核
+          help: "检测到违规评论时自动取消通过，需人工审核"
+          value: true
     - group: model
       label: 模型设置
       formSchema:

src/main/resources/plugin.yaml

@@ -30,4 +30,4 @@ spec:
       url: "https://github.com/sunny-335/plugin-comment-ai-autopilot/blob/main/LICENSE"
   settingName: "comment-ai-autopilot-settings"
   configMapName: "comment-ai-autopilot-configmap"
-  version: "1.0.4"
+  version: "1.2.1"

ui/build.gradle

@@ -5,16 +5,33 @@ plugins {
 
 group 'top.nxxy335.commentaiautopilot.ui'
 
-// Fix Gradle 9.x compatibility with pnpm symlinks
-tasks.named('pnpmInstall') {
-    doNotTrackState("pnpm symlinks are not compatible with Gradle state tracking")
+// Use system pnpm directly — avoids Windows exit code 268435659
+// caused by Gradle Worker Daemon / node-gradle downloading pnpm on Windows
+node {
+    download = false
 }
 
-tasks.register('pnpmBuild', PnpmTask) {
+// Skip built-in pnpm tasks (they fail on Windows), replace with Exec-based tasks
+tasks.named('pnpmSetup').configure { enabled = false }
+tasks.named('pnpmInstall').configure { enabled = false }
+
+// Cross-platform: use 'cmd /c' on Windows, direct 'pnpm' on Linux/macOS
+def isWindows = System.properties['os.name'].toLowerCase().contains('windows')
+def pnpmCmd = isWindows ? ['cmd', '/c', 'pnpm'] : ['pnpm']
+
+tasks.register('uiInstall', Exec) {
+    group = 'build'
+    description = 'Install UI dependencies using system pnpm'
+    workingDir layout.projectDirectory
+    commandLine(pnpmCmd + ['install'])
+}
+
+tasks.register('uiBuild', Exec) {
     group = 'build'
     description = 'Build the UI project using pnpm'
-    args = ['build']
-    dependsOn tasks.named('pnpmInstall')
+    workingDir layout.projectDirectory
+    commandLine(pnpmCmd + ['run', 'build'])
+    dependsOn uiInstall
     inputs.dir(layout.projectDirectory.dir('src'))
     inputs.files(fileTree(
         dir: layout.projectDirectory,
@@ -22,17 +39,18 @@ tasks.register('pnpmBuild', PnpmTask) {
     outputs.dir(layout.buildDirectory.dir('dist'))
 }
 
-tasks.register('pnpmCheck', PnpmTask) {
+tasks.register('uiCheck', Exec) {
     group = 'verification'
     description = 'Run unit tests for the UI project using pnpm'
-    args = ['test:unit']
-    dependsOn tasks.named('pnpmInstall')
+    workingDir layout.projectDirectory
+    commandLine(pnpmCmd + ['run', 'test:unit'])
+    dependsOn uiInstall
 }
 
 tasks.named('check') {
-    dependsOn tasks.named('pnpmCheck')
+    dependsOn tasks.named('uiCheck')
 }
 
 tasks.named('assemble') {
-    dependsOn tasks.named('pnpmBuild')
+    dependsOn tasks.named('uiBuild')
 }

ui/src/utils/api.ts

@@ -0,0 +1,29 @@
+/**
+ * 统一 API 路径常量，避免硬编码散布在多个 Vue 文件中。
+ * 修改 API 路径只需在此处更新。
+ */
+export const API_BASE = '/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1'
+
+// ===== 日志相关 =====
+export const API_REPLIES = `${API_BASE}/replies`
+export const apiReply = (name: string) => `${API_REPLIES}/${name}`
+export const apiReplyAction = (name: string, action: string) => `${API_REPLIES}/${name}/${action}`
+export const API_BATCH_APPROVE = `${API_REPLIES}/batch-approve`
+export const API_BATCH_REJECT = `${API_REPLIES}/batch-reject`
+export const API_BATCH_DELETE = `${API_REPLIES}/batch-delete`
+export const apiConversation = (commentId: string) => `${API_BASE}/conversation/${commentId}`
+
+// ===== 概览相关 =====
+export const API_STATS = `${API_BASE}/stats`
+export const API_PERSONAS = `${API_BASE}/personas`
+export const apiPersona = (name: string) => `${API_PERSONAS}/${name}`
+export const API_HEALTH = `${API_BASE}/health`
+
+// ===== 设置相关 =====
+export const API_EXPORT = `${API_BASE}/export`
+export const API_IMPORT = `${API_BASE}/import`
+export const API_COMMENTERS = `${API_BASE}/commenters`
+export const API_CLEANUP = `${API_BASE}/cleanup`
+
+// ===== 评论触发 =====
+export const apiCommentTrigger = (commentName: string) => `${API_BASE}/comments/${commentName}/trigger`

ui/src/utils/gravatar.ts

@@ -0,0 +1,14 @@
+export async function computeGravatarHash(email: string): Promise<string> {
+  if (!email || email.trim() === '') return ''
+  const normalizedEmail = email.trim().toLowerCase()
+  const encoder = new TextEncoder()
+  const data = encoder.encode(normalizedEmail)
+  const hashBuffer = await crypto.subtle.digest('SHA-256', data)
+  const hashArray = Array.from(new Uint8Array(hashBuffer))
+  return hashArray.map(b => b.toString(16).padStart(2, '0')).join('')
+}
+
+export function getGravatarUrl(hash: string): string {
+  if (!hash) return ''
+  return `https://cn.cravatar.com/avatar/${hash}`
+}

ui/src/views/LogsView.vue

@@ -26,6 +26,8 @@
         <option value="FAIL">失败</option>
         <option value="PENDING">待审核</option>
         <option value="REJECTED">已拒绝</option>
+        <option value="FILTERED">已拦截</option>
+        <option value="FALSE_POSITIVE">误报通过</option>
       </select>
       <select v-model="filterSentiment" class="filter-select">
         <option value="">全部情感</option>
@@ -64,6 +66,21 @@
                 <span class="card-time">{{ formatDate(reply.metadata.creationTimestamp) }}</span>
               </div>
               <div class="card-text">{{ stripHtml(reply.spec.reply) || '(空)' }}</div>
+              <div v-if="reply.spec.status === 'FILTERED'" class="card-filter-reason">
+                <svg class="filter-icon" fill="currentColor" viewBox="0 0 20 20"><path fill-rule="evenodd" d="M10 18a8 8 0 100-16 8 8 0 000 16zM8.707 7.293a1 1 0 00-1.414 1.414L8.586 10l-1.293 1.293a1 1 0 101.414 1.414L10 11.414l1.293 1.293a1 1 0 001.414-1.414L11.414 10l1.293-1.293a1 1 0 00-1.414-1.414L10 8.586 8.707 7.293z" clip-rule="evenodd"/></svg>
+                <span class="filter-category" v-if="reply.spec.filterCategory">{{ reply.spec.filterCategory }}</span>
+                <span class="filter-detail">{{ reply.spec.filterReason || '未提供具体原因' }}</span>
+                <button class="btn-false-positive" @click="openFalsePositiveDialog(reply)">误报反馈</button>
+              </div>
+              <div v-if="reply.spec.status === 'FALSE_POSITIVE'" class="card-filter-reason">
+                <svg class="filter-icon fp-icon-ok" fill="currentColor" viewBox="0 0 20 20"><path fill-rule="evenodd" d="M10 18a8 8 0 100-16 8 8 0 000 16zm3.707-9.293a1 1 0 00-1.414-1.414L9 10.586 7.707 9.293a1 1 0 00-1.414 1.414l2 2a1 1 0 001.414 0l4-4z" clip-rule="evenodd"/></svg>
+                <span class="filter-category">误报</span>
+                <span class="filter-detail">{{ reply.spec.filterReason || '用户确认为误报' }}</span>
+                <button class="btn-trigger-ai" :disabled="triggerAiLoadingName === reply.metadata.name" @click="handleTriggerAiReply(reply)">
+                  <span v-if="triggerAiLoadingName === reply.metadata.name" class="fp-spinner"></span>
+                  触发AI回复
+                </button>
+              </div>
             </div>
           </div>
           <div class="card-footer">
@@ -131,11 +148,38 @@
         </div>
       </div>
     </teleport>
+
+    <!-- 误报反馈确认弹窗 -->
+    <teleport to="body">
+      <div v-if="showFalsePositiveDialog" class="dialog-overlay" @click.self="showFalsePositiveDialog = false">
+        <div class="dialog-box fp-dialog">
+          <div class="dialog-header">
+            <h3>确认为误报？</h3>
+            <button class="close-btn" @click="showFalsePositiveDialog = false"><svg fill="none" stroke="currentColor" viewBox="0 0 24 24" width="24" height="24"><path stroke-linecap="round" stroke-linejoin="round" stroke-width="2" d="M6 18L18 6M6 6l12 12"/></svg></button>
+          </div>
+          <div class="fp-dialog-body">
+            <p class="fp-desc">系统检测到该评论可能包含违规内容，但您认为这是正常表达。请选择处理方式：</p>
+            <div class="fp-actions">
+              <button class="fp-btn fp-btn-primary" :disabled="fpLoading" @click="handleFalsePositive('aiReply')">
+                <span v-if="fpLoading" class="fp-spinner"></span>
+                AI 回复
+              </button>
+              <button class="fp-btn fp-btn-secondary" :disabled="fpLoading" @click="handleFalsePositive('approveOnly')">
+                仅通过
+              </button>
+              <button class="fp-btn fp-btn-ghost" :disabled="fpLoading" @click="showFalsePositiveDialog = false">
+                取消
+              </button>
+            </div>
+          </div>
+        </div>
+      </div>
+    </teleport>
   </div>
 </template>
 
 <script setup lang="ts">
-import { ref, onMounted, watch } from "vue"
+import { ref, onMounted, onUnmounted, watch } from "vue"
 import { axiosInstance } from "@halo-dev/api-client"
 import { VPageHeader, VButton, VLoading, Toast } from "@halo-dev/components"
 import { IconPlug } from "@halo-dev/components"
@@ -143,10 +187,12 @@ import { IconPlug } from "@halo-dev/components"
 interface AiCommentReplyItem { metadata: { name: string; creationTimestamp: string }; spec: any }
 interface ConversationMessage { type: string; owner: string; content: string; time: string; isAi: boolean; quoteOwner?: string; quoteContent?: string }
 
-const replies = ref<AiCommentReplyItem[]>([]); const loading = ref(false); const page = ref(1); const size = ref(20); const total = ref(0); const totalPages = ref(0);
+const replies = ref<AiCommentReplyItem[]>([]); const loading = ref(false); const batchLoading = ref(false); const page = ref(1); const size = ref(20); const total = ref(0); const totalPages = ref(0);
 const selectedNames = ref<Set<string>>(new Set()); const selectAll = ref(false);
 const filterStatus = ref(""); const filterSentiment = ref(""); const filterKeyword = ref("");
 const showDialog = ref(false); const conversationLoading = ref(false); const conversationMessages = ref<ConversationMessage[]>([]);
+const showFalsePositiveDialog = ref(false); const falsePositiveTarget = ref<AiCommentReplyItem | null>(null); const fpLoading = ref(false);
+const triggerAiLoadingName = ref<string | null>(null);
 
 const toggleSelect = (name: string) => { selectedNames.value.has(name) ? selectedNames.value.delete(name) : selectedNames.value.add(name); selectAll.value = replies.value.length > 0 && replies.value.every(r => selectedNames.value.has(r.metadata.name)) }
 const toggleSelectAll = () => { if (selectAll.value) { selectedNames.value.clear(); selectAll.value = false } else { selectedNames.value = new Set(replies.value.map(r => r.metadata.name)); selectAll.value = true } }
@@ -172,11 +218,11 @@ const openConversation = async (reply: AiCommentReplyItem) => {
 const handleDelete = async (name: string) => { try { await axiosInstance.delete(`/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/${name}`); Toast.success("删除成功"); fetchReplies() } catch (e) { Toast.error("删除失败") } }
 const handleApprove = async (name: string) => { try { await axiosInstance.post(`/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/${name}/approve`); Toast.success("审核通过"); fetchReplies() } catch (e) { Toast.error("审核失败") } }
 const handleReject = async (name: string) => { try { await axiosInstance.post(`/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/${name}/reject`); Toast.success("已拒绝"); fetchReplies() } catch (e) { Toast.error("拒绝失败") } }
-const batchApprove = async () => { if(!selectedNames.value.size) return; try { await axiosInstance.post("/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/batch-approve", { names: Array.from(selectedNames.value) }); Toast.success("成功"); selectedNames.value.clear(); selectAll.value=false; fetchReplies() } catch(e) { Toast.error("失败") } }
-const batchReject = async () => { if(!selectedNames.value.size) return; try { await axiosInstance.post("/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/batch-reject", { names: Array.from(selectedNames.value) }); Toast.success("成功"); selectedNames.value.clear(); selectAll.value=false; fetchReplies() } catch(e) { Toast.error("失败") } }
-const batchDelete = async () => { if(!selectedNames.value.size) return; try { await axiosInstance.post("/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/batch-delete", { names: Array.from(selectedNames.value) }); Toast.success("成功"); selectedNames.value.clear(); selectAll.value=false; fetchReplies() } catch(e) { Toast.error("失败") } }
+const batchApprove = async () => { if(!selectedNames.value.size||batchLoading.value) return; batchLoading.value=true; try { await axiosInstance.post("/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/batch-approve", { names: Array.from(selectedNames.value) }); Toast.success("成功"); selectedNames.value.clear(); selectAll.value=false; fetchReplies() } catch(e) { Toast.error("失败") } finally { batchLoading.value=false } }
+const batchReject = async () => { if(!selectedNames.value.size||batchLoading.value) return; batchLoading.value=true; try { await axiosInstance.post("/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/batch-reject", { names: Array.from(selectedNames.value) }); Toast.success("成功"); selectedNames.value.clear(); selectAll.value=false; fetchReplies() } catch(e) { Toast.error("失败") } finally { batchLoading.value=false } }
+const batchDelete = async () => { if(!selectedNames.value.size||batchLoading.value) return; batchLoading.value=true; try { await axiosInstance.post("/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/batch-delete", { names: Array.from(selectedNames.value) }); Toast.success("成功"); selectedNames.value.clear(); selectAll.value=false; fetchReplies() } catch(e) { Toast.error("失败") } finally { batchLoading.value=false } }
 
-const getStatusLabel = (s: string) => { const m:any = { PASS: '通过', FAIL: '失败', PENDING: '待审', REJECTED: '拒绝' }; return m[s] || s }
+const getStatusLabel = (s: string) => { const m:any = { PASS: '通过', FAIL: '失败', PENDING: '待审', REJECTED: '拒绝', FILTERED: '已拦截', FALSE_POSITIVE: '误报通过' }; return m[s] || s }
 const getSentimentLabel = (s: string) => { const m:any = { VERY_POSITIVE: '极好', POSITIVE: '正面', NEUTRAL: '中性', NEGATIVE: '负面', VERY_NEGATIVE: '极差' }; return m[s] || s }
 const formatDate = (ts: string) => ts ? new Date(ts).toLocaleString("zh-CN") : ""
 const getPostUrl = (slug: string) => `${window.location.origin}/archives/${slug}`
@@ -197,9 +243,42 @@ const renderContent = (content: string) => {
 }
 
 const resetFilters = () => { filterStatus.value = ""; filterSentiment.value = ""; filterKeyword.value = ""; page.value = 1; fetchReplies() }
-watch([filterStatus, filterSentiment, filterKeyword], () => { page.value = 1; fetchReplies() })
+
+const openFalsePositiveDialog = (reply: AiCommentReplyItem) => { falsePositiveTarget.value = reply; showFalsePositiveDialog.value = true }
+const handleFalsePositive = async (action: string) => {
+  if (!falsePositiveTarget.value) return
+  fpLoading.value = true
+  try {
+    await axiosInstance.post(`/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/${falsePositiveTarget.value.metadata.name}/false-positive`, { action })
+    Toast.success(action === "aiReply" ? "已标记为误报，AI回复正在后台生成" : "已标记为误报并通过")
+    showFalsePositiveDialog.value = false
+    falsePositiveTarget.value = null
+    fetchReplies()
+  } catch (e: any) {
+    Toast.error(e?.response?.data?.message || "操作失败")
+  } finally { fpLoading.value = false }
+}
+const handleTriggerAiReply = async (reply: AiCommentReplyItem) => {
+  if (triggerAiLoadingName.value) return
+  triggerAiLoadingName.value = reply.metadata.name
+  try {
+    await axiosInstance.post(`/apis/console.api.comment-ai-autopilot.nxxy335.top/v1alpha1/replies/${reply.metadata.name}/false-positive`, { action: "aiReply" })
+    Toast.success("AI回复正在后台生成")
+    fetchReplies()
+  } catch (e: any) {
+    Toast.error(e?.response?.data?.message || "触发失败")
+  } finally { triggerAiLoadingName.value = null }
+}
+// 状态/情感筛选立即触发；关键词输入防抖 300ms 避免每次按键都请求
+watch([filterStatus, filterSentiment], () => { page.value = 1; fetchReplies() })
+let keywordDebounceTimer: ReturnType<typeof setTimeout> | null = null
+watch(filterKeyword, () => {
+  if (keywordDebounceTimer) clearTimeout(keywordDebounceTimer)
+  keywordDebounceTimer = setTimeout(() => { page.value = 1; fetchReplies() }, 300)
+})
 watch(page, () => { selectedNames.value.clear(); selectAll.value = false; fetchReplies() })
 onMounted(fetchReplies)
+onUnmounted(() => { if (keywordDebounceTimer) clearTimeout(keywordDebounceTimer) })
 </script>
 
 <style scoped>
@@ -236,6 +315,17 @@ onMounted(fetchReplies)
 .tags-wrap { display: flex; gap: 6px; flex-wrap: wrap; }
 .card-time { font-size: 12px; color: #9ca3af; }
 .card-text { font-size: 14px; color: #374151; line-height: 1.6; display: -webkit-box; -webkit-line-clamp: 3; -webkit-box-orient: vertical; overflow: hidden; }
+.card-filter-reason { display: flex; align-items: flex-start; gap: 6px; margin-top: 8px; padding: 6px 10px; background: #fef3c7; border: 1px solid #fde68a; border-radius: 6px; font-size: 12px; color: #92400e; }
+.filter-icon { width: 14px; height: 14px; flex-shrink: 0; margin-top: 1px; }
+.filter-category { flex-shrink: 0; padding: 1px 6px; background: #b45309; color: #fff; border-radius: 3px; font-weight: 600; font-size: 11px; line-height: 1.5; }
+.filter-detail { flex: 1; line-height: 1.5; }
+.btn-false-positive { flex-shrink: 0; margin-left: auto; padding: 2px 8px; border: 1px solid #b45309; border-radius: 4px; background: transparent; color: #b45309; font-size: 11px; cursor: pointer; white-space: nowrap; transition: all 0.15s; }
+.btn-false-positive:hover { background: #b45309; color: #fff; }
+.fp-icon-ok { color: #16a34a; }
+.btn-trigger-ai { flex-shrink: 0; margin-left: auto; padding: 2px 8px; border: 1px solid #2563eb; border-radius: 4px; background: transparent; color: #2563eb; font-size: 11px; cursor: pointer; white-space: nowrap; transition: all 0.15s; display: inline-flex; align-items: center; gap: 4px; }
+.btn-trigger-ai:hover:not(:disabled) { background: #2563eb; color: #fff; }
+.btn-trigger-ai:disabled { opacity: 0.6; cursor: not-allowed; }
+.btn-trigger-ai .fp-spinner { width: 11px; height: 11px; border-color: rgba(37,99,235,0.3); border-top-color: #2563eb; }
 .card-footer { display: flex; flex-direction: column; gap: 12px; padding: 12px 16px; background: #f9fafb; border-top: 1px solid #f3f4f6; }
 @media (min-width: 640px) { .card-footer { flex-direction: row; justify-content: space-between; align-items: center; } }
 .footer-info { font-size: 12px; color: #6b7280; display: flex; flex-wrap: wrap; gap: 12px; }
@@ -251,10 +341,10 @@ onMounted(fetchReplies)
 
 /* 标签体系 */
 .custom-tag { padding: 2px 6px; border-radius: 4px; font-size: 11px; font-weight: bold; }
-.tag-PASS { background: #dcfce7; color: #15803d; } .tag-FAIL { background: #fee2e2; color: #b91c1c; } .tag-PENDING { background: #fef9c3; color: #a16207; } .tag-REJECTED { background: #ffedd5; color: #c2410c; }
+.tag-PASS { background: #dcfce7; color: #15803d; } .tag-FAIL { background: #fee2e2; color: #b91c1c; } .tag-PENDING { background: #fef9c3; color: #a16207; } .tag-REJECTED { background: #ffedd5; color: #c2410c; } .tag-FILTERED { background: #f1f5f9; color: #b45309; border: 1px solid #fde68a; } .tag-FALSE_POSITIVE { background: #dbeafe; color: #1d4ed8; border: 1px solid #93c5fd; }
 .tag-published { background: #dbeafe; color: #1d4ed8; } .tag-draft { background: #f3f4f6; color: #4b5563; }
 .tag-conv { background: #f3e8ff; color: #7e22ce; }
-.tag-VERY_POSITIVE { background: #dcfce7; color: #14532d; } .tag-POSITIVE { background: #ecfdf5; color: #15803d; } .tag-NEGATIVE { background: #ffe4e6; color: #e11d48; } .tag-VERY_NEGATIVE { background: #fee2e2; color: #991b1b; }
+.tag-VERY_POSITIVE { background: #dcfce7; color: #14532d; } .tag-POSITIVE { background: #ecfdf5; color: #15803d; } .tag-NEUTRAL { background: #f3f4f6; color: #4b5563; } .tag-NEGATIVE { background: #ffe4e6; color: #e11d48; } .tag-VERY_NEGATIVE { background: #fee2e2; color: #991b1b; }
 
 /* 对话弹窗与响应式气泡 */
 .dialog-overlay { position: fixed; inset: 0; background: rgba(0,0,0,0.5); display: flex; align-items: center; justify-content: center; z-index: 9999; backdrop-filter: blur(2px); padding: 16px; box-sizing: border-box; }
@@ -297,4 +387,20 @@ onMounted(fetchReplies)
 .pagination { display: flex; flex-direction: column; gap: 12px; align-items: center; margin-top: 20px; font-size: 14px; color: #6b7280; }
 @media (min-width: 640px) { .pagination { flex-direction: row; justify-content: space-between; } }
 .pagination-btns { display: flex; gap: 8px; }
+
+/* 误报反馈弹窗 */
+.fp-dialog { max-width: 440px; }
+.fp-dialog-body { padding: 24px; }
+.fp-desc { margin: 0 0 20px; font-size: 14px; color: #4b5563; line-height: 1.6; }
+.fp-actions { display: flex; flex-direction: column; gap: 10px; }
+.fp-btn { padding: 10px 16px; border-radius: 8px; font-size: 14px; font-weight: 500; cursor: pointer; border: none; transition: all 0.15s; display: flex; align-items: center; justify-content: center; gap: 6px; }
+.fp-btn:disabled { opacity: 0.6; cursor: not-allowed; }
+.fp-btn-primary { background: #2563eb; color: #fff; }
+.fp-btn-primary:hover:not(:disabled) { background: #1d4ed8; }
+.fp-btn-secondary { background: #f3f4f6; color: #374151; border: 1px solid #d1d5db; }
+.fp-btn-secondary:hover:not(:disabled) { background: #e5e7eb; }
+.fp-btn-ghost { background: transparent; color: #9ca3af; }
+.fp-btn-ghost:hover:not(:disabled) { color: #6b7280; background: #f9fafb; }
+.fp-spinner { width: 14px; height: 14px; border: 2px solid rgba(255,255,255,0.3); border-top-color: #fff; border-radius: 50%; animation: fp-spin 0.6s linear infinite; }
+@keyframes fp-spin { to { transform: rotate(360deg); } }
 </style>

ui/src/views/SettingsView.vue

@@ -57,6 +57,14 @@
                 <div class="form-field__header"><span class="form-label">评论者黑名单</span><button class="btn-link" @click="openCommenterDialog">添加评论者</button></div>
                 <textarea v-model="settings.basic.blockedCommenters" rows="2" class="form-textarea" placeholder="例如：张三, spam@example.com"></textarea>
               </div>
+              <div class="form-row">
+                <div class="form-row__label"><span class="form-label">启用前置过滤</span><span class="form-hint">AI回复前检测评论合规性，拦截广告/辱骂/敏感内容，节省Token</span></div>
+                <label class="toggle"><input type="checkbox" v-model="settings.basic.preFilterEnabled" /><span class="toggle__track"><span class="toggle__thumb"></span></span></label>
+              </div>
+              <div class="form-row">
+                <div class="form-row__label"><span class="form-label">违规评论设为待审核</span><span class="form-hint">检测到违规评论时自动取消通过，需人工审核</span></div>
+                <label class="toggle"><input type="checkbox" v-model="settings.basic.preFilterPendingOnViolation" /><span class="toggle__track"><span class="toggle__thumb"></span></span></label>
+              </div>
             </div>
           </div>
 
@@ -244,10 +252,14 @@ const tabItems = [
 ]
 
 const promptVariables = [
-  { name: '{{persona_prompt}}', desc: '角色设定' },
-  { name: '{{comment}}', desc: '评论内容' },
-  { name: '{{article}}', desc: '文章内容' },
-  { name: '{{conversation_history}}', desc: '对话历史' },
+  { name: '{{persona_prompt}}', desc: 'AI角色人格提示词（含已启用的预设）' },
+  { name: '{{safety_prompt}}', desc: '安全规范提示词' },
+  { name: '{{post_title}}', desc: '文章标题' },
+  { name: '{{post_date}}', desc: '文章发布日期' },
+  { name: '{{comment_count}}', desc: '该文章的评论数' },
+  { name: '{{article}}', desc: '文章/页面内容（含标题）' },
+  { name: '{{conversation_history}}', desc: '对话历史上下文' },
+  { name: '{{comment}}', desc: '评论内容（含评论者名称）' },
 ]
 
 const promptPresets = [
@@ -258,7 +270,7 @@ const promptPresets = [
 ]
 
 const settings = reactive({
-  basic: { autoReply: true, autoPublish: true, maxRetryCount: 3, blockedCommenters: "", maxConversationRounds: 8, rateLimitPerMinute: 10 },
+  basic: { autoReply: true, autoPublish: true, maxRetryCount: 3, blockedCommenters: "", maxConversationRounds: 8, rateLimitPerMinute: 10, preFilterEnabled: true, preFilterPendingOnViolation: true },
   model: { modelName: "" },
   prompt: { customPromptTemplate: "", enabledPresets: [] as string[] },
   cleanup: { cleanupEnabled: true, retentionDays: 30 },
@@ -297,7 +309,7 @@ const filteredCommenters = computed(() => { const kw = commenterSearch.value.tri
 const openCommenterDialog = async () => { showCommenterDialog.value = true; commenterLoading.value = true; try { const { data } = await axiosInstance.get(`${apiBase}/commenters`); commenterList.value = data.items || data } catch(e) { commenterList.value = [] } finally { commenterLoading.value = false } }
 const addCommenter = (c: any) => { const v = c.email || c.displayName; const cur = settings.basic.blockedCommenters.split(",").map(s=>s.trim()).filter(Boolean); if(cur.includes(v)) return; cur.push(v); settings.basic.blockedCommenters = cur.join(","); Toast.success("已添加"); showCommenterDialog.value = false }
 const cleanupLoading = ref(false); const cleanupResult = ref<number | null>(null)
-const performCleanup = async () => { cleanupLoading.value=true; try { const { data } = await axiosInstance.post(`${apiBase}/cleanup`); cleanupResult.value = data.deletedCount ?? data ?? 0; Toast.success("清理完成") } catch(e){ Toast.error("清理失败") } finally { cleanupLoading.value=false } }
+const performCleanup = async () => { cleanupLoading.value=true; try { const { data } = await axiosInstance.post(`${apiBase}/cleanup`); cleanupResult.value = typeof data === 'number' ? data : (data?.deletedCount ?? 0); Toast.success("清理完成") } catch(e){ Toast.error("清理失败") } finally { cleanupLoading.value=false } }
 
 // Persona
 const personasApiBase = `${apiBase}/personas`