全球82億人口，網(wǎng)民55.6億，而ChatGPT坐擁3.5億全球月活，滲透率算下來(lái)也有6%左右了。但這還是DeepSeek-R1開(kāi)源之前的故事。1/20 開(kāi)源以來(lái)，DeepSeek-R1屬實(shí)又硬拉高了一大波全球 AI的滲透率，或者換句話(huà)說(shuō)，是解鎖了更多的應(yīng)用場(chǎng)景。

其實(shí)，本來(lái)就有個(gè)爛大街的共識(shí)是，截止 24 年年底大模型的tokens成本已經(jīng)足夠低、基座模型的智能程度也已經(jīng)足夠高，25年是可預(yù)見(jiàn)的AI Agent爆發(fā)的一年。也就是預(yù)計(jì)會(huì)在更個(gè)細(xì)分領(lǐng)域和細(xì)分場(chǎng)景上，涌現(xiàn)一批一大堆專(zhuān)注于特定任務(wù)的智能體?，F(xiàn)在看起來(lái)，這個(gè)共識(shí)似乎已經(jīng)開(kāi)始變成常識(shí)了。

Anyway,這篇來(lái)給各位介紹一個(gè)基于DeepSeek本地部署模型（或商用 API）的自動(dòng)化法證郵件分析系統(tǒng)。源碼已在Github 開(kāi)源，項(xiàng)目地址是：https://github.com/weiwill88/Email_audit， 歡迎大家試用后交流。

1、開(kāi)發(fā)背景

開(kāi)發(fā)的起點(diǎn)是，一個(gè)小紅書(shū)上的盆友來(lái)咨詢(xún)說(shuō)，自己做法證審計(jì)經(jīng)常需要查閱嫌疑人的工作郵箱，但是目前主要是人工根據(jù)經(jīng)驗(yàn)設(shè)計(jì)關(guān)鍵詞去做郵件過(guò)篩，然后再人肉的看完過(guò)去兩年左右的郵件。當(dāng)然，還需要根據(jù)蛛絲馬跡來(lái)梳理線(xiàn)索，so 問(wèn)了下是否能用DeepSeek自動(dòng)完成這個(gè)過(guò)程。我當(dāng)時(shí)直接回復(fù)說(shuō)，這個(gè)沒(méi)有 deepseek也能干，后來(lái)在實(shí)際做的過(guò)程中又想了下，可能也不是。

一年期用 Claude 3 或者 GPT 4o確實(shí)能力上沒(méi)問(wèn)題，但問(wèn)題是 API 貴啊。那當(dāng)時(shí)能否部署開(kāi)源模型到本地呢，既不要錢(qián)還保證信息安全，也不是不行，只是普通電腦如果只有集成顯卡，基本也就跑個(gè)7b，這個(gè)尺寸下原有的開(kāi)源模型比較拉胯，效果很差，那還不如不用。 

現(xiàn)在的變化是，DeepSeek-R1蒸餾過(guò)的幾個(gè)小尺寸模型也已五臟俱全，湊活下也能用。至少針對(duì)核心敏感數(shù)據(jù)的本地處理可以應(yīng)付下，大批量的脫敏數(shù)據(jù)條件允許下，也可以考慮使用商用API 來(lái)加快下速度。另外用 DeepSeek 的GRPO 方法也可以選擇對(duì)本地部署的小尺寸模型進(jìn)一步進(jìn)行微調(diào)，可以使用 Unsloth工具，7G顯存就能微調(diào)小尺寸模型。用自己的數(shù)據(jù)打造專(zhuān)屬模型，本也是本地部署的終極意義。

言歸正傳，Unsloth 微調(diào)的教程和案例后續(xù)再發(fā)文，接下來(lái)先介紹下這個(gè)項(xiàng)目本身。

2、項(xiàng)目定位

本系統(tǒng)旨在利用大語(yǔ)言模型實(shí)現(xiàn)對(duì)被分析對(duì)象 outlook 郵箱中海量郵件的自動(dòng)化分析和快速摘要，幫助法證審計(jì)人員迅速捕捉郵件中的蛛絲馬跡，降低人工篩查工作量。特別針對(duì)長(zhǎng)期郵件（如員工兩年內(nèi)的全部郵件）進(jìn)行重點(diǎn)優(yōu)化，實(shí)現(xiàn)自動(dòng)摘要、疑點(diǎn)提示及重點(diǎn)預(yù)警功能。

3、郵件模擬

本來(lái)是拿自己的 outlook 郵箱來(lái)做的樣例去試代碼邏輯，但發(fā)現(xiàn)我只有充斥著廣告的收件箱，發(fā)件箱幾乎為空，完全不具備代表性。于是，就用 DeepSeek-r1 按照法證審計(jì)中的一些風(fēng)險(xiǎn)要點(diǎn)，去模擬了一個(gè)案例，然后再用 Deepseek-V3 生成了具體的模擬郵件內(nèi)容（100 封）。

看完這個(gè)模擬郵件的設(shè)計(jì)文檔和生成郵件結(jié)果，我忽然也發(fā)現(xiàn)，我其實(shí)很多項(xiàng)目的數(shù)據(jù)樣例都可以讓 DeepSeek-r1 來(lái)生成，這樣或許測(cè)試數(shù)據(jù)還具備代表性。

4、快速開(kāi)始

4.1 環(huán)境要求

Python 3.8+、DeepSeek API Key（默認(rèn)模式）或 Ollama（離線(xiàn)模式）

4.2 安裝依賴(lài)

pip install -r requirements.txt

4.3 模型選擇

本項(xiàng)目支持兩種模式運(yùn)行：

1. 在線(xiàn)模式（默認(rèn)，推薦）

使用 DeepSeek V3 API：

? 優(yōu)點(diǎn)：分析速度更快（約 5-10 倍）結(jié)果更準(zhǔn)確無(wú)需本地部署資源占用少

?? 注意事項(xiàng)：需要聯(lián)網(wǎng)需要 API 密鑰郵件內(nèi)容會(huì)發(fā)送至 API 服務(wù)器

配置方法：

在 .env 文件中設(shè)置你的 API 密鑰：

DEEPSEEK_API_KEY=你的密鑰
DEFAULT_MODEL=deepseek_api

2. 離線(xiàn)模式

使用本地 Ollama 模型：

? 優(yōu)點(diǎn)：完全離線(xiàn)運(yùn)行數(shù)據(jù)本地處理無(wú)需 API 密鑰

?? 注意事項(xiàng)：需要較高配置（建議至少 16GB 內(nèi)存）首次運(yùn)行需要下載模型（約 7GB）分析速度較慢

配置方法：

安裝 Ollama：https://ollama.ai/ ( https://ollama.ai/ )

下載模型：

ollama pull deepseek-r1:7b

在 .env 文件中修改配置：

DEFAULT_MODEL=ollama
OLLAMA_MODEL=deepseek-r1:7b

4.4 數(shù)據(jù)安全說(shuō)明

在線(xiàn)模式（DeepSeek API）：郵件內(nèi)容會(huì)通過(guò) HTTPS 發(fā)送至 API 服務(wù)器建議處理敏感數(shù)據(jù)時(shí)使用離線(xiàn)模式 API 提供商承諾不存儲(chǔ)用戶(hù)數(shù)據(jù)

離線(xiàn)模式（Ollama）：所有數(shù)據(jù)本地處理無(wú)需網(wǎng)絡(luò)連接適合處理敏感信息

5、系統(tǒng)流程

5.1 使用方法

PST 文件解析：

python pst_parser.py

將自動(dòng)解析指定路徑下的 PST 文件，生成 CSV 格式的郵件元數(shù)據(jù)。

郵件分析：

python email_analyzer.py

默認(rèn)使用 DeepSeek API 進(jìn)行分析。如需切換到離線(xiàn)模式：

python email_analyzer.py --model ollama

對(duì)解析后的郵件進(jìn)行智能分析，生成審計(jì)報(bào)告。

5.2 配置說(shuō)明

程序會(huì)自動(dòng)在當(dāng)前目錄的 output 文件夾下查找 metadata_report.csv 文件。 請(qǐng)確保 PST 解析后的文件被保存在正確的位置。

公司郵箱配置

在 .env 文件中設(shè)置公司郵箱域名：

COMPANY_DOMAIN=你的公司郵箱域名

此配置用于識(shí)別外部郵件，這是風(fēng)險(xiǎn)評(píng)估的重要指標(biāo)。如果有多個(gè)域名，可以用逗號(hào)分隔。

6、輸出示例

6.1 時(shí)間線(xiàn)分析

6.2 關(guān)系網(wǎng)絡(luò)

6.3 審計(jì)報(bào)告

風(fēng)險(xiǎn)等級(jí)分布、關(guān)鍵發(fā)現(xiàn)列表、詳細(xì)分析結(jié)果、建議措施

7、后續(xù)迭代計(jì)劃

生成的報(bào)告還要經(jīng)過(guò)很多完善才可能能用，計(jì)劃后續(xù)結(jié)合前期介紹的 RAG 智能對(duì)話(huà)系統(tǒng)，可以針對(duì)特定問(wèn)題進(jìn)行全量郵件的檢索回答。

1. 郵件向量化與存儲(chǔ)

基于 ChromaDB 構(gòu)建本地向量數(shù)據(jù)庫(kù)實(shí)現(xiàn)增量數(shù)據(jù)更新機(jī)制支持多維度向量索引（正文、主題、時(shí)間等）優(yōu)化向量壓縮和檢索性能

2. 智能問(wèn)答系統(tǒng)

實(shí)現(xiàn)基于上下文的多輪對(duì)話(huà)支持復(fù)雜查詢(xún)和條件過(guò)濾添加時(shí)間范圍和關(guān)鍵詞篩選集成實(shí)體識(shí)別和關(guān)系提取

3. 深度分析功能

郵件線(xiàn)索追蹤和關(guān)聯(lián)分析人物關(guān)系圖譜構(gòu)建事件脈絡(luò)自動(dòng)梳理異常行為模式識(shí)別（完）