邮件分诊三件套GLiNER2.5-Decide意图×紧急度×路由的收件箱自动分拣方案【免费下载链接】GLiNER2.5-Decide项目地址: https://ai.gitcode.com/hf_mirrors/fastino/GLiNER2.5-DecideGLiNER2.5-Decide 是一个 340M 参数的本地文本分类模型一次调用同时完成邮件意图识别、紧急度分级与团队路由三项决策让共享收件箱的自动分拣不再需要跑三遍模型或依赖大模型提示词。本文带你快速理解它的三件套能力、安装部署方式与落地要点。为什么收件箱分诊需要三件套团队共享邮箱每天都在面对同一个困境一封邮件归档前其实需要回答三个问题——发件人想要什么意图通知、请求、投诉还是安全警报多快必须处理紧急度低、普通、高还是危急该谁去处理路由支持、财务、法务、安全还是归档传统做法是用三个独立的分类器或者反复调用大语言模型加提示词——既慢又贵。而 GLiNER2.5-Decide 的定位正是运营决策专家客户与银行意图、情绪、文档类型、邮件与工单路由、转人工、严重度、紧急度、垃圾邮件识别都在它的擅长范围见 README.md。它是什么一次前向推理多个决策头简单说GLiNER2.5-Decide 是 GLiNER2.5 家族的英文分类专才底层编码器为 DeBERTa-v3-large340M 参数24 层见 config.json 与 encoder_config/config.json通过gliner2库即可在 CPU 或 GPU 上运行Apache 2.0 协议可商用。它的核心特点是标签集在调用时传入没有固定提示词模板没有生成式 token想分几类就传几类标签⚡️单次调用打多个头意图、紧急度、路由写在同一个请求里模型只跑一遍️多标签可选单标签任务返回一个标签多标签任务返回所有超过阈值的标签实测表现在 17 个领域、每领域 300 条留出样本的基准测试中取得 60.2% 精确匹配准确率位列第一对比表见 README.md注意它不是通用模型——不推理、不解释、不回答开放式问题只负责打标签这类运营决策。想多语种输入可以换成同家族的 GLiNER2.5-multi-DecideREADME.md。三件套拆解意图 × 紧急度 × 路由意图识别发件人到底想要什么意图头回答这封邮件要触发什么动作。比如客服场景中退款、取消订阅、登录故障共享同一个收件箱和同一套标签模型直接选出队列应执行的动作让正确的流程在第一轮就启动示例见 README.md。对共享邮箱来说典型标签集是fyi、request、approval、complaint、newsletter、security_alert。紧急度分级多久内必须响应紧急度头输出低/普通/高/危急四档也可以传入0~5这样的字符串刻度让 SLA 系统直接按分值排序——发薪文件必须在下午 5 点截止前修正绝不该和维基页面错别字拿到同一个分示例见 README.md。邮件路由该哪个团队接手路由头把邮件直接投递到正确的队列support、billing、legal、security、finance、archive。员工描述的是问题而不是部门路由标签就是最终指派工单不再需要人工二次分发同类工单路由示例见 README.md。一次调用三头齐出官方给出的邮件分诊示例README.md正是三件套的完整形态model.classify_text( From: compliancegroup.example\nSubject: Protocol update — action required today\n\nPlease confirm the new retention rule is applied before Fridays audit., { intent: [fyi, request, approval, complaint, newsletter, security_alert], urgency: [low, normal, high, critical], route: [support, billing, legal, security, finance, archive], }, )可能的输出——三个决策一次到位路由器无需跑三遍模型{intent: request, urgency: high, route: legal}还可以顺手加上是否转人工handoff与是否垃圾邮件spam/ham两关让钓鱼邮件在意图路由之前就被拦下示例见 README.md 与 README.md。快速上手两步完成本地部署安装依赖pip install gliner2加载模型并推理from gliner2 import AutoExtractor model AutoExtractor.from_pretrained(fastino/GLiNER2.5-Decide)完整安装与示例代码见 README.md。如果需要离线部署、把权重下载到本地可先克隆仓库git clone https://gitcode.com/hf_mirrors/fastino/GLiNER2.5-Decide仓库内的 tokenizer.json 与 special_tokens_map.json 是标准分词器资产加载时自动配套无需额外配置。落地要点清单✅标签即产品目录标签集完全由你决定改业务就改标签数组不用重新训练✅标签可带描述当标签名不够自明时可给每个标签附一句定义私有分类体系也能保持精确示例见 README.md✅本地私有化邮件数据不出内网CPU 即可跑适合合规要求高的场景⚠️英文专才本模型面向英文输入多语种需求请选 multi-Decide⚠️多标签要设阈值如cls_threshold: 0.4阈值建议在开发集上调多标签示例见 README.md进阶选项仓库附带 SKILL.md说明如何用 Fastino 托管 API 完成实体抽取、文本分类、数据标注、微调训练与推理集成项目文件速览文件作用README.md模型说明、基准测试与全部用法示例config.json提取器架构配置span 架构、DeBERTa-v3-large 编码器encoder_config/config.json编码器超参24 层、hidden_size 1024tokenizer.json分词器词表与规则model.safetensors340M 模型权重SKILL.mdFastino 托管训练/推理 API 集成指南一句话总结如果你需要一个本地跑、单次推理、多决策头的邮件自动分拣引擎GLiNER2.5-Decide 的意图 × 紧急度 × 路由三件套是目前轻量的好选择。【免费下载链接】GLiNER2.5-Decide项目地址: https://ai.gitcode.com/hf_mirrors/fastino/GLiNER2.5-Decide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
