智能邮件助手

分析邮件内容，生成摘要，判断优先级和是否需要回复，并生成专业的回复草稿。

触发条件

当用户说以下内容时启动此技能：

"帮我回这封邮件"
"分析这封邮件"
"邮件摘要"
"email reply"
"帮我写邮件回复"
"这封邮件怎么回"
"初始化邮件知识库"
"添加文档到知识库"

知识库功能

此技能支持 RAG（检索增强生成）知识库，提升回复质量：

功能	说明
知识库初始化	创建结构化的知识库目录
文档管理	添加/更新/删除知识库文档
智能检索	根据邮件内容检索相关信息
上下文注入	将检索结果融入回复生成

工作流程

┌─────────────────────┐
│   输入邮件内容       │
│   (粘贴/文件)        │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   邮件内容解析       │
│   提取关键信息       │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   生成邮件摘要       │
│   (一句话概括)       │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   邮件分类判断       │
│   优先级/是否需回复   │
└──────────┬──────────┘
           │
     ┌─────┴─────┐
     │           │
     ▼           ▼
┌─────────┐  ┌─────────┐
│ 需要回复 │  │ 无需回复 │
└────┬────┘  │ 标记完成 │
     │       └─────────┘
     ▼
┌─────────────────────┐
│   RAG 知识库检索     │
│   (获取相关上下文)   │
└──────────┬──────────┘
     │
     ▼
┌─────────────────────┐
│   生成回复草稿       │
│   (结合知识库)       │
└──────────┬──────────┘
     │
     ▼
┌─────────────────────┐
│   回复质量审核       │
│   优化后输出         │
└─────────────────────┘

执行步骤

步骤 1：获取邮件内容

方式 A - 直接粘贴：

用户: 帮我回这封邮件：
---
From: client@company.com
Subject: 关于Q1项目进度
...邮件内容...

方式 B - 文件读取：

用户: 帮我分析这封邮件 /path/to/email.txt

步骤 2：邮件内容解析

提取以下信息：

{
  "from": "发件人邮箱",
  "from_name": "发件人姓名",
  "to": "收件人",
  "subject": "邮件主题",
  "date": "发送时间",
  "body": "邮件正文",
  "attachments": ["附件列表"],
  "thread_context": "是否是回复/转发"
}

步骤 3：生成邮件摘要

摘要提示词：

请用一句话概括这封邮件的核心内容：

【邮件主题】{subject}
【发件人】{from}
【邮件正文】
{body}

要求：
1. 不超过50字
2. 突出关键信息（时间、金额、请求等）
3. 使用陈述句

示例：
- "客户询问Q1项目进度并要求本周五前提交报告"
- "供应商通知下月起涨价15%，需确认是否续约"
- "HR提醒年假剩余5天，12月31日前需用完"

步骤 4：邮件分类

分类维度：

维度	选项
类型	询问/通知/请求/投诉/商务/个人/垃圾
优先级	🔴紧急/🟡重要/🟢普通/⚪可忽略
是否需回复	是/否
建议回复时间	立即/今天内/本周内/不急
情绪	积极/中性/消极/紧迫

分类提示词：

分析这封邮件并分类：

【邮件摘要】{summary}
【邮件正文】{body}

输出 JSON 格式：
{
  "type": "询问|通知|请求|投诉|商务|个人|垃圾",
  "priority": "urgent|important|normal|low",
  "needs_reply": true|false,
  "reply_deadline": "立即|今天|本周|不急",
  "sender_emotion": "positive|neutral|negative|urgent",
  "key_asks": ["具体请求1", "具体请求2"],
  "reasoning": "分类理由"
}

步骤 5：RAG 知识库检索（可选）

如果配置了知识库，在生成回复前检索相关信息：

知识库配置：

知识库目录: ~/.claude/cache/email-assistant/knowledge-base/

支持的文档格式：

.md - Markdown 文档
.txt - 纯文本文档
.pdf - PDF 文档（需 pdf-document 技能支持）
.docx - Word 文档

知识库初始化：

首次使用时，用户可添加以下类型文档到知识库：

公司信息: 公司简介、产品说明、服务条款
FAQ 文档: 常见问题和标准回复
历史邮件: 优秀回复案例
政策文档: 退款政策、隐私政策等

检索流程：

1. 解析邮件关键词和主题
2. 在知识库中搜索相关文档
3. 提取最相关的 3-5 个片段
4. 将相关信息注入回复生成提示词

检索提示词：

根据邮件内容，请从以下知识库片段中找出与回复相关的信息：

【邮件主题】{subject}
【关键请求】{key_asks}

【知识库片段】
{knowledge_snippets}

请提取：
1. 直接相关的信息点
2. 可引用的标准回复语
3. 相关政策或流程

步骤 6：生成回复草稿

如果 needs_reply = true，结合知识库生成回复：

回复生成提示词：

请根据以下邮件生成专业的回复：

【原邮件】
发件人: {from}
主题: {subject}
正文: {body}

【邮件分析】
类型: {type}
关键请求: {key_asks}
发件人情绪: {sender_emotion}

【知识库参考】(如有)
{relevant_knowledge}

【回复要求】
1. 专业但不冷冰冰
2. 直接回应每个请求
3. 如无法满足，给出替代方案
4. 结尾有明确下一步
5. 长度适中（100-200字）
6. 如有知识库信息，准确引用

【我的角色】
{user_context} (如：产品经理、销售、客服等)

请生成回复，不需要写主题行。

步骤 7：回复质量审核

生成后进行自我审核：

请审核这封回复邮件：

【原邮件关键请求】
{key_asks}

【回复草稿】
{draft_reply}

审核维度：
1. 是否回应了所有请求？
2. 语气是否合适？
3. 是否有明确的下一步？
4. 是否有遗漏或歧义？

输出：
{
  "score": 8.5,
  "issues": ["未明确回复第二个问题"],
  "suggestions": ["加入对时间节点的确认"]
}

如果分数 < 8，优化后再输出。

步骤 8：输出结果

完整输出格式：

# 邮件分析报告

## 📧 邮件概览

| 项目 | 内容 |
|------|------|
| 发件人 | {from_name} <{from}> |
| 主题 | {subject} |
| 时间 | {date} |
| 类型 | {type} |
| 优先级 | {priority_emoji} {priority} |

## 📝 一句话摘要

> {summary}

## 🏷️ 分类分析

- **是否需回复**: {needs_reply}
- **建议回复时间**: {reply_deadline}
- **发件人情绪**: {sender_emotion}
- **关键请求**:
  1. {key_ask_1}
  2. {key_ask_2}

---

## ✉️ 建议回复

**主题**: Re: {subject}

---

{draft_reply}

---

## 💡 回复建议

- 质量评分: {score}/10
- 注意事项: {notes}

---

*由 Claude Code email-assistant 技能生成*

使用示例

示例 1：分析并回复客户邮件

用户: 帮我回这封邮件：
From: li.ming@client.com
Subject: 关于下周演示的确认

王总您好，

我们计划下周三下午2点在贵司进行产品演示，
请问会议室和投影设备是否已经准备好？
另外，参会人员名单能否提前发给我们？

谢谢！
李明

Claude:
📝 摘要: 客户确认下周三演示安排，需确认会议室和参会名单

🏷️ 分类: 请求 | 🟡重要 | 需今天回复

✉️ 建议回复:

李明您好，

感谢确认！下周三下午2点的演示安排已就绪：

1. 会议室：已预定3楼大会议室
2. 设备：投影仪和视频会议系统均已测试
3. 参会名单：我方将有产品、技术、商务共5人参加，
   名单今天下班前发您

如有其他需要，请随时联系。

祝好

示例 2：批量处理邮件

用户: 帮我分析这5封邮件，告诉我哪些需要优先处理

Claude:
[分析5封邮件，输出优先级排序]

示例 3：特定角色回复

用户: 帮我以客服身份回复这封投诉邮件

Claude:
[生成客服风格的道歉+解决方案回复]

邮件回复模板库

模板 1：确认收到

{name}您好，

邮件已收到，感谢告知。

{具体回应}

如有问题，随时联系。

祝好

模板 2：需要时间处理

{name}您好，

感谢您的邮件。

关于{具体事项}，我需要与{相关方}确认后回复您，
预计{时间}前给您答复。

如有紧急情况，可直接电话联系我。

祝好

模板 3：礼貌拒绝

{name}您好，

感谢您的{请求/邀请/提议}。

经过慎重考虑，{拒绝理由}，因此这次无法{具体事项}。

{替代方案，如有}

感谢理解，期待未来有合作机会。

祝好

模板 4：跟进催促

{name}您好，

想跟进一下{具体事项}的进展。

上次沟通是在{日期}，您提到{上次结论}。

请问目前进展如何？是否需要我这边配合什么？

期待您的回复。

祝好

数据存储

邮件分析结果：~/.claude/cache/email-assistant/
文件命名：{YYYYMMDD}-{subject-slug}.md
知识库目录：~/.claude/cache/email-assistant/knowledge-base/

知识库管理

初始化知识库

用户: 初始化邮件知识库

Claude:
1. 创建知识库目录
2. 添加示例文档结构
3. 提示用户添加自己的文档

添加文档到知识库

用户: 把这个FAQ文档加入知识库 /path/to/faq.md

Claude:
1. 读取文档内容
2. 复制到知识库目录
3. 索引文档关键信息
4. 确认添加成功

知识库目录结构

~/.claude/cache/email-assistant/knowledge-base/
├── company/           # 公司信息
│   ├── about.md
│   └── products.md
├── faq/               # 常见问题
│   ├── general.md
│   └── technical.md
├── policies/          # 政策文档
│   ├── refund.md
│   └── privacy.md
├── templates/         # 回复模板
│   └── common-replies.md
└── history/           # 历史优秀回复
    └── examples.md

知识库检索策略

关键词匹配: 从邮件提取关键词，匹配文档标题和内容
语义搜索: 理解邮件意图，找到语义相关的文档片段
优先级排序: FAQ > 政策 > 模板 > 历史回复

依赖工具

Read: 读取邮件文件
Write: 保存分析结果
Glob: 搜索知识库文档
Grep: 在知识库中检索关键词

最佳实践

提高回复效率

先看摘要和优先级，决定处理顺序
紧急邮件立即处理，普通邮件批量处理
使用模板减少重复劳动

邮件礼仪

24小时内回复商务邮件
无法立即解决也要先确认收到
避免全大写和过多感叹号
检查收件人和抄送是否正确

避免常见错误

不要回复时忘记附件
不要在情绪激动时发送邮件
不要使用模糊表述（"尽快"改为"周五前"）

限制说明

此技能分析邮件并生成回复，不负责实际发送
需要用户手动复制到邮件客户端发送
涉及敏感信息的邮件请谨慎使用
生成的回复建议人工审核后发送

原始来源

改编自 n8n 模板：

模板ID: 2852
原名: AI-Powered Email Automation for Business: Summarize & Respond with RAG
链接: https://n8n.io/workflows/2852