一個基於大型語言模型的智慧釣魚郵件偵測系統，採用現代化的毛玻璃設計風格，提供直觀且強大的郵件安全分析功能。

• 🤖 多模型支援: 整合 OpenAI、Anthropic、Google Gemini 等主流 LLM 提供商
• 🔍 智慧分析: 使用 LangChain + LangGraph 建構的高效分析工作流
• 🎨 現代毛玻璃設計: Glassmorphism 風格的直觀使用者介面
• 📱 響應式設計: 完美適配桌面、平板和行動裝置
• 🔒 隱私優先: API 金鑰僅在本地儲存
• 📊 結構化分析: 提供信心分數、風險等級和詳細解釋
• 🌙 深色模式: 內建主題切換功能
• ⚡ 即時處理: 快速的前端分析體驗

• Node.js 22+
• pnpm (推薦) 或 npm/yarn

git clone https://github.com/fileng87/llm-phish-detector.git
cd llm-phish-detector

pnpm install

pnpm dev

開啟瀏覽器前往 http://localhost:3000 即可開始使用。

1. 在應用程式中選擇您偏好的 LLM 提供商與工具
2. 輸入對應的 API 金鑰 (僅在本地儲存)
3. 調整模型參數 (溫度、模型版本等)
4. 開始分析可疑郵件內容

• 前端框架: Next.js 15 (App Router)
• UI 框架: React 19
• 類型系統: TypeScript 5
• 樣式系統: Tailwind CSS 4
• UI 元件: shadcn/ui (基於 Radix UI)
• 動畫效果: Framer Motion
• 主題管理: next-themes

• 工作流引擎: LangChain + LangGraph
• 支援提供商:
  • OpenAI (GPT-3.5, GPT-4, GPT-4-turbo)
  • Anthropic (Claude-3, Claude-3.5)
  • Google (Gemini Pro, Gemini Pro Vision)
• 郵件解析: postal-mime
• 結構化輸出: Zod schema 驗證

• 包管理器: pnpm
• 程式碼品質: ESLint + Prettier
• Git Hooks: Husky + lint-staged
• 建構工具: Next.js with Turbopack
• 容器化: Docker + Docker Compose

git clone https://github.com/fileng87/llm-phish-detector.git
cd llm-phish-detector

docker-compose up -d

docker build -t llm-phish-detector .

docker run -d \
  --name llm-phish-detector \
  -p 3000:3000 \
  --restart unless-stopped \
  llm-phish-detector

服務將在 http://localhost:3000 上運行。

歡迎提交 Issue 和 Pull Request！

1. Fork 本專案
2. 建立功能分支 (git checkout -b feature/amazing-feature)
3. 提交變更 (git commit -m 'Add amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 開啟 Pull Request

本專案採用 WTFPL 授權條款 - 詳見 LICENSE 檔案。

簡單來說：你想幹嘛就幹嘛！ 🎉