Определять вид спама, который мы видим на нашем форуме, с помощью LLM — всё равно что стрелять из пушки по воробьям. Недостаточно большой языковой модели со списком запрещённых слов было бы вполне достаточно, если бы она применялась к правкам.
Я с опаской отношусь к использованию LLM для обнаружения спама, потому что не знаю, сколько энергии (и CO2) она потребляет (вероятно, как минимум в миллион раз больше, чем функция со списком запрещённых слов), и к тому же возможны необъяснимые ложные срабатывания. В руководстве это также описано как очень сложная задача при настройке (а я не администратор, поэтому мне придётся просить кого-то выше по иерархии разобраться с этим).
На мой взгляд, стоит попробовать модель Decision 1. Я использую этот рабочий процесс, чтобы изолировать пользователей, которые используют адреса электронной почты сервисных аккаунтов/групп, и настраиваю автоматический ответ на уведомления по электронной почте. Я также добавил триггер для любых спам-запросов, поступающих на наш общий адрес электронной почты сообщества. Я обнаружил, что LLM немного ненадежны для такой задачи, но внедрение агента Decision 1 работает безотказно.
Похоже, что в рабочих процессах также есть опция «Post Edited» (Сообщение изменено).
Вот JSON-файл с добавленным триггером редактирования сообщения, если хотите попробовать импортировать его. Вам нужно будет только обновить промпты под ваши конкретные сценарии.
