jevbooks

← 全部项目

mailverdict

pantos12/mailverdict · 项目主页

转发一封邮件,得到经过校准的网络钓鱼判定。

分类与路由94%次选分类: 内容审核

这是什么

MailVerdict 以确定性方式解析邮件,向经过校准的分类器提出一组问题,并返回可据以行动的钓鱼概率与指标。它同时作为面向 Copilot Studio 的 MCP 服务器和面向 Power Automate 的 REST 端点发布。

它怎么用 Jev

在确定性解析之后,一次 Jev 调用基于 ParsedEmail 状态回答彼此独立的问题(is_phishing、requests_credentials、requests_payment、impersonates_brand_or_person、urgency_pressure、attack_type)。JevSignals 输入代码阈值:p >= 0.90 即 PHISHING,否则为 SUSPICIOUS;LLM 仅对 SUSPICIOUS 判定生成解释。

用到的原语:choicescorenoul

值得抄的做法

用经过校准的分类器做判定,把 LLM 留给文字解释,使标签无法被提示注入。

怎么试

npm install;npm run analyze -- tests/fixtures/emails/phishing/01-credential-harvest-lookalike.eml

去 GitHub 看

Jev 判的jev-1.13.0

证据

每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。

  • Jev 是主角0.63
  • 有 System One 用法未判定0.58
  • 处理了不确定性0.13
  • 有实测数据0.15
  • 可直接跑0.97
  • 值得推荐0.29
  • 是模型的复刻0.15
  • 问题普遍性按 0–2 打分1.55
  • 与 Jev 相关0.97

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。