Detectar con un LLM el tipo de spam que vemos en nuestro foro es como matar moscas a cañonazos. El modelo de lenguaje pequeño basado en palabras vigiladas sería más que suficiente si se aplicara a las ediciones.
Dudo en utilizar la detección de spam con LLM porque no sé cuánta energía (y CO2) consume (probablemente al menos un millón de veces más que la función de palabras vigiladas) y podría tener falsos positivos inexplicables. La guía también lo hace parecer muy difícil de configurar (y como no soy administrador, tendré que pedirle a alguien con más autoridad que lo resuelva).
IMHO, prueba un modelo Decision 1. Yo utilizo este flujo de trabajo para aislar las direcciones de correo de los usuarios y las cuentas/servicios de grupo, y configurar una respuesta automática a las notificaciones por correo electrónico. También añadí uno para cualquier solicitud que llegue a nuestra dirección de correo de la comunidad. Encontré que un LLM es un poco demasiado poco fiable para esto, pero implementar un agente Decision 1 ha sido infalible.
Parece que los flujos de trabajo también tienen una opción de Publicación editada.
Aquí tienes el JSON con el disparador de edición de publicación añadido, por si quieres intentar importarlo. Solo tendrías que actualizar las instrucciones para que se adapten a tus escenarios específicos.
