概述
反机器人规则若只凭直觉或大范围封禁，会在挡住滥用的同时误伤真实用户与合作伙伴。以标注流量为基线、按端点调优阈值、度量误判率，并把响应从挑战逐步升级到封禁，可让缓解措施既有效又克制。
关键步骤
- 按端点与客户端类型建立正常流量基线。
- 用标注攻击样本调优规则与阈值。
- 在正常流量上度量误判率。
- 从挑战到封禁渐进升级响应。
验证
- 真实滥用被规则捕获。
- 误判率在目标范围内。
- 中等置信度默认走挑战而非封禁。
- 超过误判预算的规则被回退。
决策点
低中置信度宜挑战，高置信度才封禁并保留复核路径；规则应分端点调优，因登录与 API 的正常模式差异很大。
适用范围
本条目围绕「反机器人策略调优工作流」给出可复制的步骤、验证方式与常见问题，适合需要按此流程落地的工程团队。执行时请结合自身上下文调整命令与阈值，并在变更前后留存证据，便于后续复核与回滚。
建议在正式环境落地前先在预发或隔离环境演练一遍，把关键观测指标与负责人一并记录，确保出现异常时能快速定位并恢复。
curl -s https://api.example.com/login -A "curl/8.4" -o /dev/null -w "%{http_code}\n"
# expect a challenge (e.g. 403 with challenge) rather than a hard block