Two-Stage Fraud Detection Funnel (Jev + Kimi K3)
这是 Hassan 公开的项目资料。本站按原始来源展示项目信息，用中文说明适用场景和阅读边界；项目名、源帖与代码保持原样，便于逐项核对。
这条案例记录了什么
Agent 与模型路由、安全与权限门禁
根据任务状态选择一条已定义的处理路径。
社区公开项目或作者演示
原始来源：Hassan (Nutlope) architecture breakdown and code walkthrough。作者自述，本站未独立复现。
Hassan
记录日期：2026-09-17。日期与身份应以原始资料为准。
原始演示视频
视频来自此案例记录的原始媒体；播放内容和作者声明不等于本站复现。
怎样核对这个项目
- 先打开原始来源，确认作者、日期与 Jev 在项目中的具体用途。
- 如果提供仓库，再检查代码、运行要求和许可证；仓库存在不代表本站已经运行成功。
- 对速度、成本、准确率和规模数字，查看原文的任务、环境和计算口径。
- 路由候选是否完整。
- 模糊请求的回退分支。
- 完整任务成本与结果。
- 高风险动作是否单独授权。
原始文字与技术细节
以下内容保留原语言，供核对事实。中文页的场景说明是阅读提示，不是逐句翻译或实测结论。
展开英文项目摘要与原帖
项目摘要
Hassan’s demo first classifies 100 emails with Jev, then sends uncertain cases to Kimi K3. The linked post reports a 1.42-second Jev pass, 96 of 100 final answers correct and about $0.07 in total cost. The video shows a live run.
来源原文
Jev + Kimi K3 for fraud detection! TLDR: Jev classified 100 emails in 1.42 seconds, then I routed the uncertain cases to Kimi K3. The full pipeline got 96/100 correct for only ~$0.07. Video is not sped up, check out the live run! Here was my process: I gave Jev 100 emails to https://t.co/A9pPb6dFMy
原记录的限制
- The linked post reports a single 100-email demonstration, not a production fraud benchmark.