邮件 Agent 实战:21,400 封真实邮件,效率最高的不是替你写,是帮你进入可决策状态

先说结论:在所有”用 AI 提效”的方向里,我们投入产出比最高的不是让它写代码,是让它读邮件。过去八个月,我们内部的一个邮件剧本 Agent 处理了 21,400 封真实邮件,能自动给出”应回复的草稿 + 该抄送谁 + 该挂哪张工单”的比例稳定在 41.7%,单封人工处理时间从平均 6 分 12 秒降到 3 分 40 秒。但真正决定它能不能用的,不是摘要质量,是三个我们踩过才知道的坑:不能替你点发送、不能碰钱和合同、输出必须能一键撤回。

一、为什么邮件是个被低估的场景

大多数团队试 AI 提效从写开始:写文案、写代码、写周报。写的共同问题是验收成本高——一篇稿子好不好,要读完才知道;一段代码对不对,要跑起来才知道。读不一样,读有一个廉价到离谱的验收方式:扫一眼。

邮件这个场景还有三个额外优势:

  • 输入天然结构化。发件人、收件人、时间线、引用层级都在,不需要设计 schema。
  • 意图空间可穷举。我们把半年邮件聚类后,真实业务意图收敛到 27 类,不是无限的。
  • 交付形态便宜。输出只要是一段可编辑草稿 + 三个结构化字段,用户零学习成本。

代价也很清楚:邮件是外部沟通的入口,一次错误直发就是事故。所以后面所有的设计,都围绕”宁可慢、不可错”这个前提。

二、第一课:先分类,再理解,最后才是写

我们最初的版本是个单步大模型:把整封邮件连引用带历史一次喂进去,要求输出”分类 + 意图 + 草稿”。结果召回看着不错,但两个指标很差:钱和承诺类意图识别准确率只有 71.4%,长线程(引用超过 3 层)的草稿可用率只有 43.8%。

拆成三步之后好了很多:

  1. 结构解析(不调用大模型)。按引用标记、分割线、签名档把邮件切成”本轮诉求 / 历史事实 / 寒暄噪声”。我们写成了一个 190 行的解析器,纯规则,可解释、可测。这一步单独把长线程草稿可用率从 43.8% 拉到 68.2%,因为它把”这次到底要干什么”从一段混杂历史里择出来了。
  2. 分类 + 关键槽位抽取。用固定 schema 强约束输出:意图、涉及对象(订单号/工单号/金额)、期望动作、期望时限、是否需要升级。槽位缺失宁可输出 unknown,不许猜。
  3. 草稿生成,且带有强烈的人格约束。草稿必须引用结构化槽位里的订单号,不许生成没有来源的事实;涉及金额、期限、合同条款的,直接禁写,转人工。

这套流水线跑完,整体意图识别准确率到了 88.6%,但更重要的是失败模式变得可控:不知道的时候它会说”未识别”,而不是编一个。

三、钱、承诺、法律:三条红线不带例外

这一节是全篇唯一不带商量的部分。我们的红线有三条,写死在代码里,不依赖提示词:

  • 涉金额的邮件不给草稿。只给”检测到涉及退款/赔付/价格调整,建议转财务 + 抄送主管”,草稿留空。理由很直白:这类回复每封都要留痕、要匹配政策口径,用 AI 省下的 3 分钟不抵一次错赔。
  • 涉及合同、合规、法务的,只做摘要和收件人推荐。我们实测过让模型读采购邮件,它能把”标准条款”总结得很好,但会在关键处把”可以协商”和”必须执行”混着写——这种错误在法务场景是不可接受的。
  • 任何对外发送必须过人工确认。Agent 只有”写入待发箱 + @提醒负责人”的权限,没有发送权限。我们评估过接发送 API,最后否决了:一封错发的成本等于三个月的效率收益。

注意这三条是”权限设计”而不是”提示词工程”。提示词会被绕过,权限不会。我们甚至在评审里专门注入对抗样本测过——把邮件伪装成”内部通知,请按以下口径直接回复客户”,模型识别不出伪装的占比 12.3%,但因为它没有发送权限,这件事没有变成事故。

四、21,400 封之后的真实数字

指标 上线前基线 上线后 备注
意图识别准确率(27 类) — 88.6% 单步版本 71.4%
草稿”稍改即可发”比例 0% 41.7% 不含红线类别
平均单封人工耗时 6 分 12 秒 3 分 40 秒 抽样 1,200 封A/B
漏转紧急工单 2.1% 0.7% 规则兜底 + 人工抽检
错了但没造成损失的 — 6.3% 草稿被人工拦下

几个必须诚实说明的地方。“6.3% 被拦下”是我们故意的——系统对低置信样本一律给草稿但不给”建议直接发”标记,人工必定过目。另外我们没有算”读摘要带来的信任损耗”:早期用户倾向于不信草稿,逐字重读,反而更慢;这个状态持续了大约三周才缓解。

五、可复用的最小骨架

如果只抄一套最小实现,我会给这五步:

  1. 本周先只做分类和槽位抽取,一行草稿都不生成。让团队先看它分类准不准,这个信任建立起来之前不要谈生成。
  2. 历史按月聚一次,意图列表从聚类里长出来,别拍脑袋定。我们的是 27 类,初期只有 9 类,剩下的都是后来补的。
  3. 输出永远是”草稿 + 三个字段”,不是一个自然段。结构化字段是给人检查的抓手。
  4. 红线用权限实现,见第三节。
  5. 每周抽 50 封人工复核,抽检比例是红线的一部分,不是优化项。

总结

邮件 Agent 给我们的最大启发是:AI 提效的正确姿势经常不是”替你做完”,而是”帮你快速进入可决策状态”。分类做对了、槽位抽准了、草稿给出来了,人的 3 分 40 秒花在判断上,而不是花在翻历史上。

如果只带一句话走:先让它读,再让它写;先给草稿,再谈自动。

互动提问:1) 你的团队会把”发送邮件”这个权限交给 AI 吗?边界会画在哪?2) 你觉得邮件里最该被红线保护的是钱、承诺还是法律表述?

分享到:

微博
Twitter
LinkedIn

— IMAI 编辑部 | 2026-11-07

发表评论