核心用法
本工具专为实时通话内容风险分析设计，支持三种输入形态：本地音频文件（MP3/WAV/M4A，最大100MB）、网络音频URL、或直接粘贴通话文字内容。系统基于自然语言理解与语义对比模型，对通话内容进行多维度风险扫描，识别威胁性指令、情绪操控、紧急转账等高风险特征。
执行流程：强制获取用户open-id（通过配置文件或用户主动提供）→ 调用 python -m scripts.fraud_call_identification 模块 → 输出结构化《反诈卫士分析报告》。报告包含：通话基本信息、整体风险评估、诈骗话术特征识别、诈骗类型判定（公检法冒充/投资诈骗/刷单返利等）、风险等级分级、以及针对性防诈应对建议。
历史查询功能：当用户提及"查看历史反诈报告""反诈报告清单"等关键词时，自动触发 --list 参数调用云端API，以Markdown表格形式返回历史记录，包含报告名称、输入类型、分析时间及可点击的报告链接。
显著优点
1. 多模态输入兼容：音频、URL、纯文本全支持，API服务自动下载网络资源，无需本地中转
2. 云端数据隔离：严格禁止读取本地记忆文件（memory/*.md、LanceDB），所有历史报告强制从云端接口获取，符合隐私合规要求
3. 结构化输出：风险等级量化、诈骗类型标签化、防诈建议 actionable，适合安全机构快速决策
4. 顶尖测谎能力：能从正常对话中洞察异常，识别隐蔽的话术陷阱
潜在局限
- 依赖外部API：核心分析能力依托云端服务，离线环境不可用
- 音频质量敏感：口音、噪音、录音清晰度直接影响识别准确率
- 非法律终局性：报告明确标注"仅供反诈参考，不能替代警方正式判定"
- open-id强制门槛：未配置config.yaml且用户拒绝提供身份标识时流程中断
适合人群
- 个人用户：接到可疑电话后快速自测风险
- 企业安全团队：批量分析客服录音、投诉电话
- 公安机关/反诈中心：辅助研判线索，生成标准化分析报告
- 金融机构：识别冒充银行/公检法的电信诈骗
常规风险
- API密钥泄露：config.yaml中硬编码api-key存在配置文件泄露风险
- 误报/漏报：AI模型对新型诈骗话术存在认知滞后可能
- 数据跨境：若api-url指向境外节点，通话内容分析涉及数据出境合规问题
- 社会工程反制：攻击者可能针对性训练绕过检测的话术
安全设计亮点：强制内存隔离规则（禁止本地记忆读取）有效防范了多用户场景下的数据串扰风险。