在我的公司，我參與了一個(gè)涉及電子商務(wù)網(wǎng)站客戶查詢表的專案。我們有一個(gè)系統(tǒng)來(lái)驗(yàn)證電子郵件地址，但更大的問題仍然存在：如何確保人們發(fā)送的訊息實(shí)際上與商店相關(guān)而不僅僅是垃圾郵件。這對(duì)於避免我們的支援團(tuán)隊(duì)因不相關(guān)的電子郵件而不堪重負(fù)至關(guān)重要。

該組件的核心挑戰(zhàn)和重點(diǎn)是開發(fā)一種方法，在每個(gè)查詢到達(dá)我們的收件匣之前自動(dòng)評(píng)估每個(gè)查詢的相關(guān)性 - 本質(zhì)上是針對(duì)客戶問題的垃圾郵件過(guò)濾器，重點(diǎn)是僅保留真正相關(guān)的訊息。

我解決這個(gè)問題的第一次嘗試非常簡(jiǎn)單：我使用了標(biāo)準(zhǔn)的電子郵件驗(yàn)證技術(shù)。這意味著檢查常見的垃圾郵件模式並確保電子郵件地址格式正確。它捕獲了一些明顯的垃圾郵件，但並非萬(wàn)無(wú)一失。聰明的垃圾郵件很容易繞過(guò)這些簡(jiǎn)單的檢查。

關(guān)鍵問題是我只看地址，而不是郵件本身。 要真正解決這個(gè)問題，我需要了解電子郵件的內(nèi)容，這就是我開始使用人工智慧的地方。

從這裡取得您的 api 金鑰 - AISTUDIO

示範(fàn)影片 - 影片連結(jié)

使用 GEMINI 1.5 FLASH 模型 建構(gòu)人工智慧驅(qū)動(dòng)的驗(yàn)證器

我的解決方案的核心非常簡(jiǎn)單，但很有效。

• 速率限制： 首先是防止濫用，這是我使用速率限制解決的問題?；旧希到y(tǒng)現(xiàn)在會(huì)追蹤在短時(shí)間內(nèi)（在本例中為五分鐘）從單一電子郵件地址收到的訊息數(shù)量。
• 製作提示：我創(chuàng)建了一組特定的指令 - “提示” - 告訴 AI 確切地在每封電子郵件中查找什麼內(nèi)容。此提示包括寄件者的姓名、電子郵件地址和訊息本身。 然後，我問人工智慧一些關(guān)鍵問題：

Analyze this email:
Name: [Sender's Name]
Email: [Sender's Email]
Message: [Email Message]

Is this message relevant to [domain/topic]?
Does the email address look legitimate?
Is the inquiry specific and reasonable?

Return JSON: {"is_valid": "Yes/No", "reason": "[Explanation]"}

• 與AI 互動(dòng)： 我使用了一個(gè)流行的AI 模型（Gemini 1.5 Flash 模型）（您可以輕鬆地將其應(yīng)用於其他模型），向其發(fā)送提示並接收J(rèn)SON響應(yīng)。此回應(yīng)包含兩個(gè)關(guān)鍵訊息：is_valid（是或否）和原因（對(duì) AI 決定的解釋）。

• 錯(cuò)誤處理：意外的事情發(fā)生了！我的程式碼包括強(qiáng)大的錯(cuò)誤處理。如果AI API呼叫失敗，或AI的回應(yīng)意外，系統(tǒng)會(huì)妥善處理錯(cuò)誤並防止崩潰。它回傳一條錯(cuò)誤訊息，而不是默默地失敗。

• 將它們放在一起：最終的系統(tǒng)因其簡(jiǎn)單而優(yōu)雅：一封電子郵件進(jìn)來(lái) ->速率限制檢查-> AI驗(yàn)證->決定（有效/無(wú)效）。這種方法比單獨(dú)的簡(jiǎn)單電子郵件驗(yàn)證要準(zhǔn)確得多。

實(shí)施程式碼

Analyze this email:
Name: [Sender's Name]
Email: [Sender's Email]
Message: [Email Message]

Is this message relevant to [domain/topic]?
Does the email address look legitimate?
Is the inquiry specific and reasonable?

Return JSON: {"is_valid": "Yes/No", "reason": "[Explanation]"}

記得替換佔(zhàn)位符：

• [YOUR_AI_API_ENDPOINT] 與您的 AI API 的實(shí)際端點(diǎn)。

• getApiKey() 函數(shù)以及用於安全存取 API 金鑰的方法。

• extractAIResponse() 函數(shù)，其中包含特定於解析所選 AI 模型回應(yīng)的程式碼。提供的範(fàn)例僅供說(shuō)明，可能無(wú)法直接與您的 AI 模型的回應(yīng)配合使用。

以上程式碼只是減少垃圾郵件的基本方法，需要改進(jìn)以滿足您的需求。

謝謝？

以上是使用 Google Gemini 模型建立人工智慧驅(qū)動(dòng)的電子郵件驗(yàn)證器的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！