手把手:用 AI 助手把「邮件/工单」自动分拣回复,写成一条流水线

导语

邮件和工单，是职场里最磨人的两样东西：量大、杂、还都得回。但你仔细看，其中八成是重复模式——咨询类、报错类、催单类、转交类。这些恰恰最适合交给 AI 助手先分拣、先起草。

9 月 15 日 Air India 公布的做法很典型：Agentforce 的邮件处理流程能识别一封邮件里的多个意图，调专门的子 Agent 去办，跨系统校验信息，能自己定的就自己定，拿不准的留给人工。它的关键不是「全自动化」，而是「能自动的自动、该人管的留给人」。

先想清楚：分拣 ≠ 全部代写

做这条流水线的第一步，是定边界。我的建议是：AI 负责「看懂 + 分类 + 起草初稿 + 处理低风险的」，人负责「拍板高风险的」。这样既省时间，又不背锅。

千万别一上来就让它替你发所有邮件，那是在给自己埋雷。

四步流水线（附提示词）

一条可落地的邮件/工单流水线，拆成四步：收件 → 分类 → 子 Agent 处理 → 回复或升级。

分类这一步，可以直接用这段提示词：

你是一个客服邮件分拣器。对每封 incoming 邮件：
1. 提炼「主意图」和「次要意图」（最多 3 个）；
2. 标注风险等级：低（咨询/确认）/ 中（需查系统）/ 高（退款/投诉/金额）；
3. 低风险：生成可直接发送的回复草稿；
4. 中风险：生成草稿并附「需核对字段清单」；
5. 高风险：只生成摘要和待办，交人工处理，不自动发送。
输出结构化 JSON。

子 Agent 处理这一步，把不同意图分给不同「专家」：查订单的、查知识的、写话术的，各管一摊，比一个大模型硬扛更稳。

关键闸门：置信度 + 人在环

整条流水线最该焊死的一道闸，是「置信度阈值」。低于阈值，一律升级给人。

参考 Air India 的做法，设一个 95% 的置信门槛：能确定处理的自动走，拿不准的带「建议动作」转人工。这样既吃掉大部分重复量，又把出错面压到最小。

WorkerBuddy 怎么落地（定时 + 知识库）

如果你用 WorkerBuddy 类的助手，可以这样搭：

• 用「连接器」把邮箱/工单系统接进来，定时（比如每 15 分钟）拉一次新邮件；
• 把公司的退款政策、常见问答挂成「知识库 / Expert」，让子 Agent 引用，别让它凭记忆编；
• 把上面那段提示词固化成一个「分拣 Skill」，以后每次直接调用，不用重说；
• 输出先落到草稿区，人工点一下才真正发出。

核心原则：自动的是「初稿和分类」，不是「发出去」。

我的判断：先把 80% 的重复量吃掉

很多人不做自动化，是怕「全自动化会出事」。但流水线真正的价值不在「全自动」，而在「把确定性的重复活先吃掉，把人的精力留给不确定的难活」。

先从一个邮箱、一类邮件开始跑两周，看它误判率，再慢慢扩大范围。比一上来喊「全面智能化」实在得多。

今日速览

• 9 月 15 日 Air India 把 Agentforce 扩展到邮件处理：多意图识别、子 Agent、95% 置信阈值 + 人工兜底
• 邮件/工单流水线四步：收件 → 分类 → 子 Agent 处理 → 回复或升级
• 关键闸门：低于置信阈值的自动升级给人，不自动发送
• 落地：连接器接邮箱 + 知识库挂政策 + 提示词固化成 Skill + 先出草稿后人工发