# AI 垃圾评论检测优化方案

## 当前问题

1. **Prompt 单一**：只有一个固定的 Prompt，无法适应不同场景
2. **缺少置信度**：AI 判断没有置信度评分，无法区分确定性高低
3. **处理过于机械**：直接根据 AI 结果自动处理，缺少灵活性
4. **缺少上下文**：只分析评论本身，没有考虑文章内容和用户历史
5. **无学习机制**：无法根据管理员的审核结果优化判断

## 优化方案

### 1. 多级 Prompt 系统

**极简模式（minimal）**
- 适用场景：API 费用敏感、快速检测
- Token 消耗：约 100-150 tokens
- 特点：只判断是否垃圾，理由简短

**标准模式（standard）** - 默认
- 适用场景：日常使用，平衡准确性和成本
- Token 消耗：约 200-300 tokens
- 特点：详细审核标准，包含置信度和处理建议

**增强模式（enhanced）**
- 适用场景：重要内容、疑难案例
- Token 消耗：约 300-500 tokens
- 特点：多维度分析，包含综合分析说明

### 2. 智能置信度系统

AI 返回置信度（0-1）：
- **0.9-1.0**：非常确定 → 可自动处理
- **0.7-0.9**：比较确定 → 建议自动处理
- **0.5-0.7**：中等确定 → 建议人工审核
- **0.0-0.5**：不太确定 → 必须人工审核

### 3. 智能处理建议

AI 返回处理建议：
- **auto**：自动处理（高置信度垃圾内容）
- **review**：建议人工审核（中等置信度或边缘情况）
- **approve**：建议直接通过（正常内容）

管理员可设置：
- 只有置信度 > 0.85 才自动处理
- 置信度 0.5-0.85 标记为待审核
- 置信度 < 0.5 直接通过并记录

### 4. 上下文增强

评论检测时提供：
- **文章信息**：标题、摘要（判断相关性）
- **用户历史**：检测次数、通过率（判断可信度）
- **评论时间**：判断是否为批量发送
- **IP 地址**：判断是否为已知垃圾来源

### 5. 多维度分析

AI 分析维度：
- **内容合规性**：是否违规
- **内容质量**：是否有实质性内容
- **用户行为**：用户名、邮箱、网站是否可疑
- **上下文相关性**：与文章主题的相关性

### 6. 学习优化机制

记录管理员的审核决策：
- 管理员批准了 AI 标记的垃圾评论 → 降低该类型的检测阈值
- 管理员拒绝了 AI 的判断 → 提高该类型的检测阈值
- 定期分析误判率，优化 Prompt

## 实施步骤

### 步骤 1：添加 Prompt 模式选择

在设置页添加选项：
```php
<select name="argon_comment_spam_detection_prompt_mode">
    <option value="minimal">极简模式（省 token）</option>
    <option value="standard" selected>标准模式（推荐）</option>
    <option value="enhanced">增强模式（更准确）</option>
    <option value="custom">自定义 Prompt</option>
</select>
```

### 步骤 2：优化检测函数

添加新函数：
- `argon_get_spam_detection_prompt($mode)` - 获取不同模式的 Prompt
- `argon_build_comment_context($comment)` - 构建评论上下文
- `argon_should_auto_process($result)` - 根据置信度判断是否自动处理

### 步骤 3：优化处理逻辑

根据 AI 的建议和置信度：
```php
if ($confidence > 0.85 && $suggestion === 'auto') {
    // 自动处理
} elseif ($confidence > 0.5) {
    // 标记为待审核
} else {
    // 直接通过，记录低置信度
}
```

### 步骤 4：添加学习机制

记录管理员操作：
```php
// 管理员批准/拒绝 AI 判断时
update_option('argon_spam_detection_feedback_' . $pattern_hash, [
    'ai_decision' => $ai_result,
    'admin_decision' => $admin_action,
    'timestamp' => time()
]);
```

### 步骤 5：优化显示界面

在后台评论列表显示：
- AI 置信度标签
- 处理建议
- 综合分析（鼠标悬停显示）

## 预期效果

1. **准确率提升**：通过多维度分析和置信度评分，减少误判
2. **灵活性增强**：管理员可根据置信度选择处理方式
3. **成本优化**：提供多级 Prompt，平衡准确性和成本
4. **持续优化**：通过学习机制不断提升判断准确性
5. **用户体验**：减少误杀正常评论，提升用户满意度

## 配置建议

### 小型博客（评论量 < 100/天）
- Prompt 模式：标准模式
- 实时检测：智能抽查 20%
- 自动处理阈值：置信度 > 0.9

### 中型博客（评论量 100-500/天）
- Prompt 模式：标准模式
- 实时检测：智能抽查 30%
- 自动处理阈值：置信度 > 0.85

### 大型博客（评论量 > 500/天）
- Prompt 模式：极简模式
- 实时检测：智能抽查 40%
- 自动处理阈值：置信度 > 0.8
- 定期使用增强模式批量扫描待审核评论

## 注意事项

1. **API 成本**：增强模式会消耗更多 tokens，建议按需使用
2. **响应时间**：上下文信息越多，AI 响应时间越长
3. **隐私保护**：不要将敏感信息（如完整邮箱）发送给 AI
4. **误判处理**：始终提供人工审核入口，避免误杀
5. **定期review**：定期检查 AI 判断结果，优化 Prompt