编写劲道指数指标的过程需要遵循以下步骤：

1. 确定指标的目的和范围：明确指标的目标是什么，例如评估网页或文章的劲道程度，并排除政治、seqing、db和暴力等内容。

2. 收集训练数据：收集一组标记为劲道或非劲道的样本数据，这些数据应该涵盖各种不同主题和内容类型，但不包含政治、seqing、db和暴力等内容。

3. 特征提取：对训练数据进行特征提取，以便机器学习算法能够理解和处理。这可能包括文本处理技术，如分词、词性标注、词频统计等。

4. 构建训练集和测试集：将特征提取后的数据划分为训练集和测试集。通常，将大部分数据用于训练，少量用于测试，以评估指标的性能。

5. 选择和训练机器学习模型：选择适合该问题的机器学习算法，例如支持向量机（SVM）、朴素贝叶斯（Naive Bayes）等，并使用训练集对其进行训练。

6. 模型评估和调优：使用测试集对训练好的模型进行评估，计算准确率、召回率、F1值等指标。如果性能不理想，可以通过调整模型参数或尝试其他算法来改进。

7. 应用指标：将训练好的模型应用于实际数据，对待评估的网页或文章进行劲道指数的计算。可以根据模型的输出结果，设置一个阈值来判断是否包含政治、seqing、db和暴力等内容。

需要注意的是，在广大的互联网环境中，内容的多样性和变化性非常大，编写一个完全准确地排除所有政治、seqing、db和暴力等内容的指标是非常困难的。但通过合理的训练和调优，可以尽量减少误判和漏判的情况，提高指标的准确性和可靠性。