打詐文本分析專案

專案簡介

本專案是一個透過大型語言模型（LLM）進行文本分析的系統，旨在分析詐騙訊息、提昇防詐意識。

不過，本設計具有一定程度上的彈性，能作為模板應用於任何具備文本分析需求的開發場景。

專案特性

1. LLM 文本分析核心
   利用先進的 LLM 技術，進行高效且精準的文本分析，適用於各種詐騙偵測及其他文本處理需求。

2. 可擴展的應用模板
   專案架構具備良好的可擴展性，開發者可以輕鬆調整，將其應用於不同領域的文本分析任務。

3. 簡易化 Fetch 爬蟲模組
   內建簡易爬蟲模組，開發者僅需透過設定 Source JSON 來自訂爬取的網站連結及 Element Selector，即可快速取得所需資料。

4. 知識庫雛型建置
   提供資料儲存庫的基礎架構，藉由嵌入式（Embedding）技術，能夠將爬取的資料與 LLM 結合，提升回覆的準確性與相關性。

5. 前後端不分離架構
   初版專案採用前後端不分離的開發模式，便於快速開發與部署，適合作為原型或概念驗證階段使用。

安裝與使用

1. 克隆專案

   git clone https://github.com/cablate/Fraud-Prevention.git

2. 安裝依賴

   npm install

3. 參數設定

   建立 .env 並放置你的 OpenAI API Key，我們支援您提供多組 API-Key，用於當使用額度達上限時自動切換。

    OPENAI_API_KEY_${i}=your-api-key

4. 設定爬蟲資料來源

   編輯 src/datasource/index.ts 來自訂資料來源與 Selector，詳情請參考專案內的範例檔案。

5. 啟動專案

   npm run start

貢獻方式

歡迎任何形式的貢獻！ 無論是提交 Pull Request、回報 Issue 或是提供建議，都是對本專案的寶貴貢獻。

授權條款

本專案採用 MIT License，詳情請參閱 LICENSE 檔案。

---

如果您覺得本專案有幫助，歡迎 star ⭐ 或分享給更多開發者！