Détecter le type de spam que nous voyons sur notre forum à l’aide d’un LLM revient vraiment à tuer une mouche avec une bombe atomique. Le petit modèle linguistique basé sur les mots surveillés serait largement suffisant s’il ne s’appliquait qu’aux modifications.
Je suis hésitant à utiliser la détection de spam par LLM, car je ne sais pas quelle quantité d’énergie (et de CO2) elle consomme (probablement au moins un million de fois plus que la fonction des mots surveillés), et elle pourrait générer des faux positifs inexpliquables. Le guide donne également l’impression que la configuration est très difficile (et je ne suis pas administrateur, donc je devrai demander à quelqu’un de plus haut placé de s’en charger).
À mon avis, essayez le modèle Decision 1. J’utilise ce workflow pour isoler les e-mails des comptes de service et des groupes d’utilisateurs et configurer une réponse automatique aux notifications par e-mail. J’ai également ajouté une règle pour toute sollicitation adressée à notre adresse e-mail communautaire. J’ai trouvé que les LLM étaient trop peu fiables pour ce cas, mais la mise en œuvre d’un agent Decision 1 est infaillible.
Il semble que les workflows incluent aussi une option pour les publications modifiées.
Voici le JSON avec le déclencheur de modification de publication ajouté, si vous souhaitez l’importer. Il vous suffira simplement d’adapter les prompts à vos scénarios spécifiques.
