DeepSeek+微信小程序AI问答审核实战：从技术架构到算法备案全流程指南
·
摘要
本文以「睿贤品牌AI检测助手」微信小程序为实例，详细阐述基于 DeepSeek 大模型（deepseek-v4-pro/flash）的 AI 应用通过微信「深度合成 > AI问答」服务类目审核的完整技术方案与合规实践。内容涵盖系统架构设计、云开发 CloudBase 部署、多引擎搜索策略、大模型 Prompt 工程、以及算法备案材料的制备方法。文中涉及的备案信息均来自国家网信办公开渠道，可供同类 AI 应用开发者参考。
一、项目背景与审核要求
1.1 监管框架
2026 年以来，生成式 AI 服务的合规监管进入强执行阶段。核心法规依据包括：
| 法规 | 发布机构 | 核心要求 |
|---|---|---|
| 《互联网信息服务深度合成管理规定》 | 网信办等三部门（第12号令） | 深度合成服务须履行算法备案 |
| 《生成式人工智能服务管理暂行办法》 | 网信办等七部门（第15号令） | 生成式 AI 服务须安全评估+备案 |
| 《算法推荐管理规定》 | 网信办 | 具舆论属性算法须10个工作日内备案 |
最新动态：2026年7月18日，网信办发布第十八批深度合成服务算法备案信息公告，监管常态化趋势明确。
1.2 微信小程序审核要求（深度合成 > AI问答）
根据微信开放社区官方指引（2026-01 更新），调用第三方大模型 API 的小程序须满足：
前提条件:
- [x] 企业认证（个人主体不开放此类目）
- [x] 云环境有效期 ≥ 3个月
必备材料:
[ ] 技术《互联网信息服务算法备案》（生成合成类/深度合成）
[ ] 运营主体与技术主体的合作协议（含算法名称/备案编号）
[ ] 材料加盖双方公章 + 清晰可读违规成本：依据上述法规，未备案上线面临 1-10 万元罚款、产品下架、停业整顿。
二、技术架构
2.1 整体架构图
┌─────────────────────────────────────┐
│ 用户端（微信小程序） │
│ ┌───────────┐ ┌──────────────────┐ │
│ │ 首页UI │ │ 报告渲染(rich-text)│ │
│ │ 12平台雷达 │ │ Markdown→HTML │ │
│ └───────────┘ └──────────────────┘ │
└──────────────┬──────────────────────┘
│ HTTPS (wx.request)
▼
┌─────────────────────────────────────┐
│ 云函数 aiRouter (CloudBase) │
│ │
│ ┌─────────┐ ┌─────────┐ ┌──────┐ │
│ │Search │ │Analyze │ │Gen │ │
│ │Module │ │Module │ │Module│ │
│ └────┬────┘ └────┬────┘ └──┬───┘ │
│ │ │ │ │
│ ┌────▼──────────▼─────────▼───┐ │
│ │ Prompt Compiler │ │
│ └──────────────┬──────────────┘ │
│ │ │
│ ┌──────────────▼──────────────┐ │
│ │ TokenHub API Router │ │
│ │ → deepseek-v4-pro / flash │ │
│ └─────────────────────────────┘ │
└─────────────────────────────────────┘
↕ 并发请求
┌──────────────┐ ┌──────────────┐
│ Bing API │ │ 百度搜索 API │
│ (公司搜索×17)│ │ (site:×16) │
└──────────────┘ └──────────────┘2.2 技术栈详情
| 层级 | 技术选型 | 说明 |
|---|---|---|
| 前端框架 | 微信小程序原生 | WXML + WXSS + JS |
| 后端计算 | 微信云开发 CloudBase | 云函数(Node.js 16) + 云数据库 |
| AI 引擎 | DeepSeek deepseek-v4-pro / v4-flash | 经 TokenHub(MaaS)路由 |
| 搜索引擎 | Bing Web Search API + 百度搜索 API | 双引擎并发 |
| 协议通信 | OpenAI Compatible Format | /v1/chat/completions |
| 超时策略 | AI_TIMEOUT = 55000ms | 云函数硬限制 60000ms |
2.3 搜索模块设计
// 搜索策略伪代码
async function searchCompany(name, products) {
// Bing 公司搜索：17 条预定义查询
const bingQueries = buildBingQueries(name, products);
// Baidu 权威站点搜索：16 条 site: 限定查询
const baiduQueries = buildBaiduSiteQueries(name);
// 并发执行
const [bingResults, baiduResults] = await Promise.all([
Promise.all(bingQueries.map(q => fetchBing(q))),
Promise.all(baiduQueries.map(q => fetchBaidu(q)))
]);
// 去重 → 噪音过滤 → 公司名称过滤 → 相关度排序
return prioritizeBingText(
mergeAndDedupe(bingResults, baiduResults),
name, shortName, products,
relevantCount, isTiny
);
}相关度排序算法（prioritizeBingText）：基于 TF-IDF + 实体匹配的混合评分，对名气较大的企业（relevantCount≥15）动态设置文本截断上限（cap=5000字符），防止超长输入导致模型推理超时。
三、DeepSeek 模型集成与 Prompt 工程
3.1 为什么选择 DeepSeek
合规性是首要考量因素。DeepSeek 完成了以下三级备案（均可通过 beian.cac.gov.cn 核实）：
DEEPSEEK_FILINGS = {
"gen_ai_service": {
"name": "Deepseek Chat",
"filing_no": "Beijing-DeepseekChat-202404280016",
"url": "https://www.cac.gov.cn/2024-04/02/c_1713729983803145.htm",
"date": "2024-04-02"
},
"algo_tech_supporter": {
"name": "DeepSeek 大语言模型算法",
"filing_no": "网信算备110108970550101240011号",
"url": "https://www.cac.gov.cn/2024-04/11/c_1714509267496697.htm",
"date": "2024-04-11"
},
"algo_provider": { # ← 本次审核核心凭证
"name": "DeepSeekChat 求索对话生成算法",
"filing_no": "网信算备330105747635301240017号", # ⭐
"url": "https://www.cac.gov.cn/2024-06/12/c_1719783421546747.htm",
"date": "2024-06-12"
}
}交叉验证来源：阿里云 DashScope、火山引擎方舟、中科大 USTC Chat、硅基流动 SiliconFlow 等独立平台均已公示相同信息。
3.2 Prompt 设计
SYSTEM_PROMPT = """你是 GEO（生成式引擎优化）品牌可见度分析师。
基于以下搜索到的公开信源数据，对 {company_name} 进行全面的 AI 品牌可见度诊断。
输出要求:
五维评分（每维0-20分，总分100分）
至少3家竞品对标
P0/P1/P2 分级行动建议
第十节统一为"信源矩阵优化建议"
信源数据:
{compiled_text}
请严格按照上述要求输出结构化 Markdown 报告。"""关键设计决策：
temperature=0.3：低温度确保输出稳定性（诊断类场景不宜发散）max_tokens动态分配：根据输入长度自动调整（防止截断）- 角色设定为"GEO 品牌可见度分析师"而非通用助手，约束输出领域
3.3 性能数据
| 测试样本 | 企业类型 | 搜索命中 | AI耗时 | 总耗时 | 状态 |
|---|---|---|---|---|---|
| 杭州爱搜全域数据 | D类/互联网 | 0条 | 40s | 46s | ✅ |
| 娃哈哈 | B类/快消 | 10条 | 43s | 52s | ✅ |
| 奇瑞汽车 | A类/制造 | 12条 | 50s | 57s | ✅ |
| 三只松鼠 | B类/快消 | 18条 | 46s | 53s | ✅ |
注：奇瑞汽车 57s 接近 60s 云函数硬限制，通过 cap=5000 截断 + 相关度排序优化后稳定通过。
四、审核材料制备（实操指南）
4.1 材料1：算法备案截图
# 操作步骤
1. 打开 https://beian.cac.gov.cn/#/searchResult
2. 主体名称输入: "杭州深度求索人工智能基础技术研究有限公司"
3. 定位条目: "DeepSeekChat 求索对话生成算法"
4. 全屏截图（浏览器缩放100%）
5. 验证字段: 算法名称/类型/编号/主体/状态 五项齐全
6. 分辨率要求: 宽度 ≥ 1800px
7. 盖章: 加盖小程序主体（芜湖睿贤）公章常见错误：
- ❌ 使用自制汇总图表（审核员只认官方系统截图）
- ❌ 传微信压缩后的缩略图（宽度可能仅 300px）
- ❌ 遗漏"服务提供者"角色的备案（注意 DeepSeek 有两项算法备案，角色不同）
4.2 材料2：合作协议
协议来源：DeepSeek 开放平台标准范本
https://cdn.deepseek.com/policies/zh-CN/deepseek-open-platform-terms-of-service.html
关键页面清单：
- 封面（甲乙方全称 + 地址 + 联系方式）
- 内页算法备案信息表（3行 × 4列：类型/名称/编号/URL）
- 签署页（双章 + 日期 + 地点）
# PDF 拼合脚本（核心代码）
import fitz # PyMuPDF
from PIL import Image
def build_agreement_collage(pdf_path, output_path, target_width=1700):
doc = fitz.open(pdf_path)
pages_needed = [0, 1, 7] # 封面 + 备案表 + 签署页
images = []
for idx in pages_needed:
page = doc[idx]
# 按目标宽度计算 DPI
dpi = target_width / page.rect.width * 72
mat = fitz.Matrix(dpi/72, dpi/72)
pix = page.get_pixmap(matrix=mat)
images.append(Image.frombytes(..., pix.samples))
# 竖向拼接
result = vertical_concat(images)
result.save(output_path, 'JPEG', quality=90, optimize=True)五、经验总结与最佳实践
| 维度 | 建议 | 优先级 |
|---|---|---|
| 模型选型 | 优先选择已完成"生成合成类"深度合成备案的模型 | P0 |
| 协议准备 | 确保含算法名称 + 备案编号 + 公示链接三要素 | P0 |
| 材料清晰度 | 截图宽度 ≥ 1700px，文字无锯齿 | P0 |
| 主体一致性 | 应用主体/技术主体/备案主体三者信息完全对应 | P0 |
| 时间预留 | 预留 2-4 周审核周期（含可能的多次驳回） | P1 |
| 本地测试 | 建立桩测试环境（wx-server-sdk mock） | P2 |
六、参考资源
芜湖睿贤企业管理有限公司</
欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。
更多推荐
15
0- 0
已为社区贡献5条内容
所有评论(0)