CASE EVIDENCE / A RECORD
Zeronuru404 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-26T22:50:00Z。
原始记录：NusaShield AI: 印尼金融科技多智能体欺诈检测系统，以 MiMo-V2.5-Pro 驱动 QRIS/钓鱼/发票欺诈推理
Chinese Brief
Zeronuru404 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-26T22:50:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。 Model Atlas 不把 benchmark、教程、发布说明或集合页包装成真实案例。
任务
Zeronuru404 构建了 NusaShield AI——一个面向印尼市场的多智能体欺诈检测平台，专门针对 QRIS（印尼快速支付）、钓鱼攻击和发票欺诈三大场景。核心推理引擎使用 mimo-v2.5-pro 长链推理能力，三个高复杂度 Agent（QRIS Scanner 600K tokens/次、Phishing Detector 400K tokens/次、Invoice Fraud Analyzer 700K tokens/次）均绑定 mimo-v2.5-pro 模型，每天处理约 43.9M tokens。系统参考印尼央行(BI)法规、OJK 指令和 BSSN 安全公告进行欺诈模式识别。
六智能体协作的端到端欺诈检测系统：QRIS Scanner 检测 QRIS swap 和伪造商户码、Phishing Detector 分析 SMS/WhatsApp/Email 钓鱼链接、Invoice Fraud Analyzer 解析发票 PDF 并交叉验证 NPWP/银行账号、WhatsApp Scam Agent 分类 WhatsApp Business 诈骗、Threat Intel Agent 跨 BI/OJK/BSSN 情报源交叉验证、Report Generator 输出印尼语执行摘要。技术栈包括 Hermes Agent 框架、PostgreSQL、Redis、Docker+Kubernetes。
MiMo-V2.5-Pro 是系统的核心推理引擎，承担三个最高复杂度 Agent（QRIS Scanner、Phishing Detector、Invoice Fraud Analyzer）的长链推理任务。每个 Agent 单次运行消耗 400K-700K tokens，需要模型具备跨语言（印尼语）多步推理、法律条文理解和欺诈模式识别能力。MiMo-V2.5-Pro 的 1M 上下文窗口和长链推理能力是选择该模型的关键原因。
项目 README 标注 'Development in progress — seeking MiMo API credits for production scale'，尚未进入生产部署阶段。项目为开发中状态，有完整 README 架构设计和 token 消耗模型，但缺少实际生产运行截图或用户反馈。