我们用 Spring Boot 3 + WebSocket 打造了一个实时弹幕系统。 但如果直接上线，你很快会遇到两个大坑：
- 弹幕内容违规：低俗、谩骂、广告等让平台形象瞬间翻车
- 高并发压力大：弹幕量一多，数据库吃不消，延迟飙升
这次升级，我们带来三个杀手锏：
- AI 上下文审核：不仅看当前弹幕，还结合前后语境识别违规内容
- Redis 热点缓存：热门视频弹幕秒加载，架构简单高效
- 前端实时渲染：秒进直播间就能看到历史弹幕
为什么需要“上下文审核”
传统方式的短板
- 人工审核：效率低，延迟大
- 关键词过滤：只能处理已知词库，容易被谐音梗绕过
- 单句 AI 审核：可能漏判连续擦边球弹幕
上下文审核的优势
- AI 能够结合前后几条弹幕判断是否存在隐晦违规
- 可识别“接龙式”或“暗示型”违规行为
- 有助于减少误判和漏判
整体架构
复制依赖
复制AI 审核服务（支持上下文）
复制- 每个视频维护一个最近 5 条弹幕的队列
- 每次审核时，AI 会看到上下文而不是单条弹幕
- 有助于识别“连续擦边”或“接龙违规”
Redis 热点缓存方案
思路
- 弹幕审核通过后，直接存入 Redis List，按 videoId 作为 key
- 前端首次进入视频时，从 Redis 获取最新 N 条弹幕
- Redis 弹幕过期时间设置为视频播放窗口（例如 1 小时）
核心代码
复制历史弹幕 API
复制前端弹幕展示实现（Vue 3）
页面结构
复制样式（CSS 漂浮效果）
复制Vue 脚本逻辑
复制性能优化建议
- Redis List 限制长度：防止列表无限增长
- 多节点部署 + Redis 集群：保证高可用
- AI 审核异步化：减少审核延迟对整体性能的影响
- 上下文缓存过期：防止队列内保留过多历史数据
- 热点视频提前预热缓存：提升进入直播间的速度
结语
这样，你的弹幕系统就能：
- 毫秒级拦截违规弹幕（结合上下文判断）
- 热点视频弹幕秒加载
- 架构简单，无需分库分表
- 前端体验流畅，进入视频就有历史弹幕
