Como funciona a moderação de prompts em IA (explicação simples)

Prompt: Explique de forma simples, para iniciantes, como funciona a moderação de conteúdo em geradores de IA (ex.: Grok). Aborde em termos acessíveis: 1) Como o sistema 'sabe' de antemão que determinado prompt pode gerar conteúdo proibido. 2) Se existe um plano interno ou roteiro que orienta a geração, e se esse plano permite decidir adiantadamente que tipo de imagem ou vídeo pode ser censurado. 3) Qual é o papel de filtros, classificadores e modelos de avaliação na decisão de permitir/recusar uma resposta, e o que acontece durante a geração (ex.: o tempo de processamento com porcentagens de progresso). 4) Por que pode parecer que o sistema 'espera' para dizer que não pode atender, e como as decisões são registradas e comunicadas ao usuário. 5) Quais são as limitações, vieses ou situações onde o sistema pode emitir uma negação tardia ou erro, e como isso pode afetar a experiência do usuário. 6) Dicas sobre como formular prompts para evitar false positives sem contornar as regras de uso. 7) Exemplos simples de prompts que são permitidos vs proibidos. 8) Perguntas que o usuário pode fazer para entender o comportamento de moderação. Forneça também uma breve analogia e uma lista de verificação de 5 itens.