Mit einem LLM zu erkennen, welche Art von Spam wir in unserem Forum sehen, ist wirklich so, als würde man mit einer Atombombe auf eine Fliege schießen. Das kleine Sprachmodell für überwachte Wörter würde im Grunde völlig ausreichen, wenn es nur auf Bearbeitungen angewendet würde.
Ich zögere, die LLM-Spam-Erkennung zu nutzen, weil ich nicht weiß, wie viel Energie (und CO₂) sie verbraucht (wahrscheinlich mindestens eine Million Mal mehr als die Funktion für überwachte Wörter), und weil sie unerklärliche Fehlalarme erzeugen könnte. Die Anleitung lässt die Einrichtung auch sehr schwierig erscheinen (und da ich kein Administrator bin, muss ich jemanden auf höherer Ebene bitten, das herauszufinden).
IMHO, probiere doch mal ein „Decision 1“-Modell. Ich nutze diesen Workflow, um Nutzer herauszufiltern, die Servicekonten oder Gruppen-E-Mail-Adressen verwenden, und sende automatisch eine Antwort auf E-Mail-Benachrichtigungen. Ich habe auch eine Regel für Anfragen hinzugefügt, die an unsere Community-E-Mail-Adresse gehen. Ich fand ein LLM für diesen Zweck etwas zu unzuverlässig, aber die Implementierung eines „Decision 1“-Agenten war absolut robust.
Sieht so aus, als bietet Workflows auch die Option „Post Edited“ (Beitrag bearbeitet).
Hier ist das JSON mit dem hinzugefügten Trigger für „Post Edited“, falls du es importieren möchtest. Du müsstest nur die Prompts für deine spezifischen Szenarien anpassen.
