cognis-digital/coldforge

``` pip install cognis-coldforge coldforge scan . # → prioritized findings in seconds ``` ## 使用说明 —— 分步指南 1. **安装：** pip install -e . 2. **检查单个草稿**（无需 CSV），使用 `lint` 子命令检查模板/正文是否存在触发垃圾邮件的问题： coldforge lint --template body.txt 3. **渲染并检查联系人**，使用 `render` 子命令 —— 它会将每个联系人的字段替换到模板中，并对每条生成的消息进行评分： coldforge render --template body.txt --contacts contacts.csv 添加 `--subject subject.txt` 也可渲染主题行。 4. **读取结果。** 表格显示了每个 `email`、垃圾邮件 `score`（评分）、`grade`（等级）、任何 `missing`（缺失）的字段以及最严重的 `top_issue`（主要问题）。使用 `--format json` 获取每个联系人的完整 payload。设置 `--max-score` 以定义门槛：如果任何消息超过此值，**进程将退出并返回状态码 2**（如果在 `--strict` 模式下缺少必填字段，则返回 3）： coldforge render -t body.txt -c contacts.csv --max-score 25 --format json 5. **在 CI 中使用** —— 阻止文案垃圾邮件评分过高的营销活动： coldforge render -t body.txt -c contacts.csv --max-score 25 --format json || { echo "Message(s) over spam threshold"; exit 1; } ## 目录 - [为什么选择 coldforge？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献](#contributing) ## 为什么选择 coldforge？ 代码化营销（Outreach-as-code）：模板存放在代码仓库中，垃圾邮件检查器在 CI 中运行，您只需合并一个 PR 即可发布营销序列，而无需在 SaaS UI 中点击操作。 `coldforge` 是单一用途、可脚本化且可自托管的：将其指向目标，以您的工作流已使用的格式（表格 · JSON · SARIF）获取优先级排序的结果，以此控制 CI 流程，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ 加载联系人 - ✅ 查找占位符 - ✅ 缺失字段 - ✅ 渲染模板 - ✅ 渲染全部 - ✅ 检查文本 - ✅ 支持 Linux/macOS/Windows · Docker · devcontainer 运行 - ✅ 提供 Python, JavaScript, Go, 和 Rust 版本 (`ports/`) ## 快速开始 ``` pip install cognis-coldforge coldforge --version coldforge scan . # scan current project coldforge scan . --format json # machine-readable coldforge scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ coldforge scan . [HIGH ] COL-001 example finding (./src/app.py) [MEDIUM ] COL-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[target / manifest] --> P[coldforge
checks + rules] P --> OUT[findings (JSON / SARIF)] ``` ## 从任何 AI 技术栈中使用 `coldforge` 与所有流行的 AI 使用方式兼容： - **MCP 服务器** —— `coldforge mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** —— 将 `coldforge scan . --format json` 的输出通过管道传递给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** —— 用一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** —— 为非 AI pipeline 提供退出代码 + SARIF ## 对比 | | **Cognis coldforge** | Hugo | |---|:---:|:---:| | 可自托管，无需账户 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生（AI agent） | ✅ | ❌ | | 多语言端口 (JS/Go/Rust) | ✅ | ❌ | | 开放许可 | ✅ COCL | 视情况而定 | *秉承 **Hugo/Jinja 模板的精神，汲取了 instantly.ai 和 lemlist 的灵感**，并以 Cognis 的方式重新构建。遗漏了致谢？欢迎提交 PR。* ## 集成 接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP 服务器**（`coldforge mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 —— 任意方式，全平台 ``` pip install "git+https://github.com/cognis-digital/coldforge.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/coldforge.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/coldforge.git" # uv pip install cognis-coldforge # PyPI (when published) docker run --rm ghcr.io/cognis-digital/coldforge:latest --help # Docker brew install cognis-digital/tap/coldforge # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/coldforge/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | Cloud | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/coldforge` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`warmline`](https://github.com/cognis-digital/warmline) —— 根据 YAML 规则手册对入站/出站线索进行评分和排名，以 JSON/CSV 格式输出排名队列，供您的 SDR 和 CI 门禁使用。 - [`pactgen`](https://github.com/cognis-digital/pactgen) —— 根据 YAML 范围文件和定价表生成品牌化销售提案和 SOW，输出为 PDF/HTML，并带有确定性的细项数学检查。 - [`pactgen`](https://github.com/cognis-digital/pactgen) —— 通过单一配置，在本地 SQLite 真相源与 CRM API（HubSpot/Pipedrive/Salesforce）之间进行双向、幂等的联系人/交易同步。 - [`dripcheck`](https://github.com/cognis-digital/dripcheck) —— 检查邮件序列和 drip campaign 的可送达性：SPF/DKIM/DMARC、链接健康度、退订按钮的有无，以及 CAN-SPAM/GDPR 合规性。 - [`dealflow`](https://github.com/cognis-digital/dealflow) —— 将您的销售 pipeline 建模为 YAML 状态机，并直接根据 CRM 导出数据计算转化率、阶段速度和加权预测。 - [`introbot`](https://github.com/cognis-digital/introbot) —— 在您团队的合并网络图中寻找热度介绍路径，并根据单一联系人清单起草双重确认（double-opt-in）介绍请求。 **探索套件 →** [🗂️ 所有 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与包含 300+ 工具的 Cognis 套件无缝组合 —— JSON 输入/输出以及共享的兼容 OpenAI 的 `/v1` 骨干网络。有关套件图谱、组合模式和参考技术栈，请参阅 **[INTEROP.md](INTEROP.md)**。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下源代码可见 —— 个人、内部评估、研究和教育用途免费；**商业/生产用途需要许可证** (licensing@cognis.digital)。参见 [LICENSE](LICENSE)。

标签：Python, 可视化界面, 垃圾邮件检测, 数据可视化, 无后门, 日志审计, 模板引擎, 营销自动化, 请求拦截, 逆向工具, 邮件营销