基于Node.js的Twitch聊天机器人垃圾消息过滤优化问询

当前方案的核心问题 #

你现在采用的逐个添加后缀匹配的方式属于事后被动防御，只能在垃圾消息出现后手动补全规则，不仅效率低下，还极易被垃圾机器人通过更换后缀快速绕过，长期可靠性完全无法保障。

先提炼垃圾消息的共性特征 #

从你遇到的情况来看，这类垃圾机器人消息通常有以下共性，可作为过滤依据：

• 包含固定格式的后缀（如a739、e644这类字母+3位数字的组合）
• 发送账号多为新注册账号（创建时间短、无粉丝积累、无历史发言记录）
• 短时间内批量发送，或同一内容重复推送
• 内容多为违规广告、无意义乱码，和正常用户发言逻辑不符

多维度的高效过滤方案 #

1. 用正则表达式匹配通用后缀模式 #

不用逐个添加后缀，直接匹配这类字母+数字的组合格式，覆盖同类型的所有后缀：

// 匹配"字母+3位数字"结尾的模式，i表示忽略大小写
const spamSuffixRegex = /[a-zA-Z]\d{3}$/i;

if (spamSuffixRegex.test(text)) {
  await apiClient.asUser(
    nyaka,
    async (ctx) =>
      await ctx.moderation.banUser(msg.channelId, {
        reason: `${user}: ${text}`,
        user: msg.userInfo.userId,
      })
  );
}

如果后缀格式有变化（比如数字和字母顺序调换、长度改变），可调整正则规则，比如/[a-zA-Z\d]{4}$/i可匹配任意4位字母数字混合的结尾。

2. 从账号维度做前置过滤 #

垃圾机器人基本都是新注册的小号，可通过Twitch API获取账号信息做判断：

// 获取当前发言用户的详细信息
const userDetails = await apiClient.users.getUserById(msg.userInfo.userId);
const accountAge = Date.now() - new Date(userDetails.createdAt).getTime();
const oneDay = 24 * 60 * 60 * 1000; // 1天的毫秒数

// 结合账号年龄和消息内容判断：注册不满1天+匹配垃圾后缀，直接封禁
if (accountAge < oneDay && spamSuffixRegex.test(text)) {
  await apiClient.asUser(
    nyaka,
    async (ctx) =>
      await ctx.moderation.banUser(msg.channelId, {
        reason: "新账号发送垃圾消息",
        user: msg.userInfo.userId,
      })
  );
}

3. 消息频率/重复度检测 #

维护一个简易缓存，检测同一账号短时间内的重复发言或高频发送行为：

// 用Map缓存用户最近一次发言的时间，过期时间设为5分钟
const userMessageCache = new Map();
const now = Date.now();
const cacheExpiry = 5 * 60 * 1000;

// 清理过期缓存
userMessageCache.forEach((timestamp, userId) => {
  if (now - timestamp > cacheExpiry) {
    userMessageCache.delete(userId);
  }
});

// 检测：用户5分钟内发过消息+当前消息匹配垃圾后缀，直接封禁
if (userMessageCache.has(msg.userInfo.userId) && spamSuffixRegex.test(text)) {
  // 执行封禁逻辑
} else {
  userMessageCache.set(msg.userInfo.userId, now);
}

4. 关键词组合过滤 #

如果垃圾消息包含固定违规话术，可搭配关键词列表做双重验证：

const spamKeywords = ["免费代练", "刷粉丝", "抽奖链接"]; // 根据实际违规内容补充
const hasSpamKeyword = spamKeywords.some(keyword => text.toLowerCase().includes(keyword));

// 匹配后缀或关键词，任一条件触发封禁
if (hasSpamKeyword || spamSuffixRegex.test(text)) {
  // 执行封禁逻辑
}

进阶优化方向 #

• 收集垃圾消息和正常消息样本，用TensorFlow.js训练简单的文本分类模型，实现自动识别
• 开启Twitch内置的自动审核工具，配合自定义规则使用，减少手动开发的工作量

内容的提问来源于stack exchange，提问作者nyakawaiiidesu