在我的公司，我參與了一個涉及電子商務網站客戶查詢表的專案。我們有一個系統來驗證電子郵件地址，但更大的問題仍然存在：如何確保人們發送的訊息實際上與商店相關而不僅僅是垃圾郵件。這對於避免我們的支援團隊因不相關的電子郵件而不堪重負至關重要。
該組件的核心挑戰和重點是開發一種方法，在每個查詢到達我們的收件匣之前自動評估每個查詢的相關性 - 本質上是針對客戶問題的垃圾郵件過濾器，重點是僅保留真正相關的訊息。
我解決這個問題的第一次嘗試非常簡單：我使用了標準的電子郵件驗證技術。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，但並非萬無一失。聰明的垃圾郵件很容易繞過這些簡單的檢查。
關鍵問題是我只看地址，而不是郵件本身。 要真正解決這個問題，我需要了解電子郵件的內容，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
示範影片 - 影片連結
我的解決方案的核心非常簡單，但很有效。
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： 我使用了一個流行的AI 模型（Gemini 1.5 Flash 模型）（您可以輕鬆地將其應用於其他模型），向其發送提示並接收JSON響應。此回應包含兩個關鍵訊息：is_valid（是或否）和原因（對 AI 決定的解釋）。
錯誤處理：意外的事情發生了！我的程式碼包括強大的錯誤處理。如果AI API呼叫失敗，或AI的回應意外，系統會妥善處理錯誤並防止崩潰。它回傳一條錯誤訊息，而不是默默地失敗。
將它們放在一起：最終的系統因其簡單而優雅：一封電子郵件進來 ->速率限制檢查-> AI驗證->決定（有效/無效）。這種方法比單獨的簡單電子郵件驗證要準確得多。
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]"}
記得替換佔位符：
[YOUR_AI_API_ENDPOINT] 與您的 AI API 的實際端點。
getApiKey() 函數以及用於安全存取 API 金鑰的方法。
extractAIResponse() 函數，其中包含特定於解析所選 AI 模型回應的程式碼。提供的範例僅供說明，可能無法直接與您的 AI 模型的回應配合使用。
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動的電子郵件驗證器的詳細內容。更多資訊請關注PHP中文網其他相關文章！
