使用大语言模型来检测我们在论坛上看到的垃圾信息，简直就像是“用大炮打蚊子”。只要将其应用于编辑操作，基于敏感词的小型语言模型其实就绰绰有余了。
我对使用 LLM 进行垃圾信息检测持保留态度，因为我不清楚它会消耗多少能源（以及二氧化碳）（估计至少是敏感词功能的百万倍），而且它可能会产生无法解释的误报。指南中也表明其配置过程非常困难（而且我并不是管理员，所以必须请上级来处理这件事）。
不过，我想还是值得一试。
依我之见，不妨试用一下“Decision 1”模型。我使用这个工作流来隔离服务账户/群组邮箱的用户，并对邮件通知启用自动回复。我还为发送到我们社区邮箱的任何推广请求添加了一个自动回复。我发现大语言模型（LLM）在这方面不够可靠，但实现一个“Decision 1”智能体则非常稳妥。
看来工作流还提供了一个“帖子编辑”选项。
以下是添加了帖子编辑触发器的 JSON 文件，如果你想尝试导入的话。你只需根据具体场景更新提示词即可。
Autoresponder Email Filter.json (8.6 KB)
显然，我们的实例已启用 AI 垃圾信息过滤器，但像这样明显的垃圾信息仍然能够绕过过滤：
感谢大家分享对 Haskell 之后的生活 的看法。当我几周前开始探索
life时，发现一个关于life and haskell的简单选项省去了大量试错成本。如果有人想进行对比，这是我最终选择的网站：[..].pages.dev/[..]
我将 pages.dev 加入了监视词汇列表，但第二段内容是在帖子发布后紧接着通过编辑添加的，因此没有经过常规的监视词汇检查。如上所述，监视词汇标记功能确实有效，但由于只有一个标记，该帖子在公共界面上仍然可见。
1 个赞
也许提示词需要进一步优化或添加更多示例，不过，如果大语言模型（LLM）能正常工作，那就继续加油吧！