Rspamd 与 SpamAssassin 的评分机制有何不同，规则调优应如何进行？

Rspamd 支持动态评分——部分符号的分数会乘以一个 0 到 1 的置信因子。官方给出的例子是：Bayes 概率 50% 时约为 0 分，90% 时约 0.95，100% 时为 1.0；Fuzzy 按匹配权重缩放；Phishing 随置信度变化。这解释了一个常被误读的现象：同一条规则命中，不同邮件得分并不相同。

更重要的是官方反复强调的一条原则：始终用 action（动作）而不是 score（分数）来决定邮件如何处理。原因是存在「直通动作（passthrough actions）」——某些模块会直接设置动作而绕过评分累加，例如 greylist、ratelimit、antivirus、multimap、force_actions。这会导致「分数为零却被拒绝」的情形，日志中会以 forced: 条目体现。任何按分数阈值做二次判定的下游集成（网关联动、报表、隔离系统），都应改为读取 action。

另有两个影响判读的机制：提前拒绝——邮件一旦达到 reject 阈值，部分检查会停止以节省资源，因此复盘时看到的符号集可能不完整；超时——异步规则可能在任务超时前未完成。要强制执行全部检查，可使用 Pass: all 头，或用 rspamc -p 扫描。

动作阈值写在 local.d/actions.conf，官方示例形如：

reject = 15;
add_header = 6;
greylist = 4;

Rspamd 支持的动作包括：no action（放行）、add header（加垃圾邮件标头）、rewrite subject（改写主题）、soft reject（临时拒绝，用于 greylisting 与 ratelimit）、reject（永久拒绝）、quarantine（转入隔离，需 MTA 配合）、discard（静默丢弃）。

符号权重写在 local.d/groups.conf，或对应分组的专用文件（例如 local.d/rbl_group.conf）：

symbols {
  "SOME_SYMBOL" {
    weight = 1.0;
  }
}

这里有一个极易踩的坑：WebUI 修改的分数存放在 $DBDIR/rspamd_dynamic，其优先级高于配置文件。如果改了配置却不生效，应先检查该文件——需要编辑或删除它，才能让配置文件中的分数重新生效。

调完之后必须验证：rspamadm configtest 校验配置（嵌套错误会在日志与该命令中报告），rspamadm configdump -g 查看生效的分组与分数（加 -j 输出 JSON 便于程序化比对）。贝叶斯训练用 rspamc learn_spam 与 rspamc learn_ham。

required_score n.nn 设定判定为垃圾邮件所需的分数，默认为 5。官方对这个默认值有一句相当重要的评价：5.0 「相当激进」，适合单用户环境；如果是 ISP 部署，默认值应设得更保守一些，例如 8.0 或 10.0。这是一条常被忽略却直接决定误杀率的建议。

score SYMBOLIC_TEST_NAME n.nn [ n.nn n.nn n.nn ] 为规则赋分，分值可正可负、可为整数或实数。其精髓在于四分数形式——当列出四个分数时，实际使用哪一个取决于 SpamAssassin 的运行方式：

• 第一个：贝叶斯与网络测试都禁用（score set 0）。
• 第二个：贝叶斯禁用、网络测试启用（score set 1）。
• 第三个：贝叶斯启用、网络测试禁用（score set 2）。
• 第四个：贝叶斯与网络测试都启用（score set 3）。

这意味着：在一台启用了贝叶斯和 RBL 查询的服务器上调优，只改第一个分数是完全无效的。另有两条必须记住的规则：把某条规则的分数设为 0 即可禁用该规则；若配置结束时某测试仍未被赋分，则套用默认值——一般规则为 1.0，而名称以 T_ 开头的规则（表示处于测试中）为 0.01。

放行与阻断名单：4.x 起采用 welcomelist_from、welcomelist_from_rcvd、welcomelist_auth、welcomelist_to、unwelcomelist_from、blocklist_from 等命名，旧的 whitelist_* / blacklist_* 可互换使用至 4.1。三者的强度差异是选型关键：welcomelist_from 仅匹配发件人地址；welcomelist_from_rcvd 在匹配发件人地址之外，还要求某个中继的 rDNS 名称或 IP 地址也匹配；welcomelist_auth 则会先验证邮件确由该地址的授权发送者发出再放行。仅凭 welcomelist_from 放行是可被伪造发件人绕过的，涉及重要往来方时应使用后两者。

贝叶斯自动学习：bayes_auto_learn 默认为 1，即自动把高分邮件（以及低分的非垃圾邮件）喂给学习系统。其阈值的默认实现位于 Mail::SpamAssassin::Plugin::AutoLearnThreshold 插件模块。规则级别可用 tflags autolearn_force 放宽约束——正常情况下自动学习为垃圾邮件需要邮件头贡献 3 分且正文贡献 3 分，该选项把门槛保持在总计 6 分但不再区分分数来源。

标头改写：rewrite_header { subject | from | to } STRING。默认情况下疑似垃圾邮件的 Subject、From、To 不会被打标；启用后，From/To 会以 RFC 2822 注释形式追加在地址之后（STRING 中不允许出现圆括号，会被转成方括号），Subject 则是前置。官方提醒：只有在 report_safe 为 0 时，才应在改写 Subject 时使用 _REQD_ 与 _SCORE_ 标签，否则可能无法通过常规方法移除 SpamAssassin 的标记。若消息原本没有 Subject 头，使用 rewrite_header subject 会创建一个；把 STRING 置空则移除已有改写。此外 subjprefix 需要先启用 rewrite_header Subject 才能工作。