要确保PPi（人工智能预测模型）的结果中不出现政治、seqing、db和暴力等内容，可以采取以下方法：

1. 数据筛选和清洗：在训练PPi模型之前，对用于训练的数据进行筛选和清洗。移除包含政治、seqing、db和暴力等内容的样本，以确保模型不会学习到这些内容。

2. 数据标记和分类：对训练数据进行标记和分类，将政治、seqing、db和暴力等内容的样本标记为不可接受的类别。在训练模型时，强调避免生成这些类别的结果。

3. 引入专家知识：请专家参与模型的训练和验证过程，借助他们的专业知识和经验帮助指导模型的学习。专家可以提供有关政治、seqing、db和暴力等内容的指导，以确保模型的结果不包含这些内容。

4. 后期过滤和审查：在模型生成结果后，进行后期过滤和审查。利用自然语言处理（NLP）技术和关键词过滤等方法，对生成的结果进行筛选，排除包含政治、seqing、db和暴力等内容的结果。

5. 用户反馈和改进：建立用户反馈机制，让用户能够报告任何包含政治、seqing、db和暴力等内容的结果。根据用户的反馈，及时调整和改进模型，提高过滤准确性和效果。

综上所述，通过数据筛选和清洗、数据标记和分类、引入专家知识、后期过滤和审查以及用户反馈和改进等方法，可以有效地让PPi的结果中不出现政治、seqing、db和暴力等内容。