在当今数字化商业环境中，买家和卖家通过消息系统直接沟通时，绕过官方渠道交换联系信息可能导致严重的收入损失和品牌声誉损害。对于经纪业务等依赖安全连接的中介服务来说，检测并阻止此类违规行为至关重要。传统的正则表达式（regex）方法在处理结构化模式（如电话号码、邮箱地址）时有效，但面对日益复杂的伪装手段——例如使用表情符号、leet语言、虚构单位或分散信息——则显得力不从心。
Amazon Bedrock提供的Amazon Nova基础模型为这一问题提供了先进的生成式AI解决方案。Amazon Bedrock是一项完全托管的无服务器服务，提供来自领先公司的高性能AI基础模型。通过精心设计的提示词（prompt），模型能够理解上下文，识别各种隐藏形式的联系信息。例如，一条伪装消息“I can get that done for you directly :five: :five: :five:-:five: :five: :five:-:zero: :one: :one: :one: .”中，模型能识别出表情符号代表的电话号码。更复杂的场景下，模型能同时检测出多个电话号码、企业名称、邮箱地址、邮寄地址和个人信息，并以JSON格式输出每个发现的类别、内容、置信度（1-5分）和推理理由。
提示词优化工具可进一步改进提示语结构，提升模型输出的一致性和可读性。经过优化的提示词包含明确的任务描述、指令和输出格式要求，确保模型准确遵循。除了检测违规信息，同一套方法还可用于情感分析和行动项识别。例如，模型可判断用户对供应商的情感倾向（正面、中性或负面），并提取需要处理的行动项（如“调查经纪应用问题”）。这些结果可集成到后端工单系统，实现自动响应。
实际测试中，使用生成式AI的提示词方法在10条真实经纪消息上达到了100%的准确率，而正则表达式则难以应对不断演变的伪装技术。生成式AI的优势包括：上下文理解（检测跨消息的伪装信息）、适应性（无需频繁更新即可识别新伪装）、多维分析（同时检测情感、行动项和违规）、置信度评分（支持精细决策）以及自然语言处理能力（如解释leet语言）。
开发者可以将最终提示词存储在Amazon Bedrock Prompt Management中，通过版本控制实现团队协作和无缝更新。下一步，可通过Amazon Bedrock API集成到现有工作流中，利用AWS Step Functions或Amazon EventBridge编排复杂流程，或通过Amazon Bedrock AgentCore构建自主AI系统。总之，结合生成式AI的智能消息防御系统能有效保护企业利益，同时提升客户体验。