Day 10 · 邮件 + AI：智能分类与自动回复

「AI Python 系列」第 01 栏 · AI 时代的 Python 办公自动化

全栏 18 篇 · 零成本跟完 🍃

品牌：梅雅达编程笔记

摘要： 客服邮箱每天几十封邮件，手动分类、逐封回复、还要写日报。本篇用AI自动分类邮件（咨询/投诉/建议/合作/其他）、生成回复草稿、汇总当日邮件日报。内置模拟邮件数据，无需配置邮箱即可跟练。传统做法靠人看人回，AI做法分类+回复+汇总一条龙。

开篇 · 邮件处理的真实痛点

你有没有遇到过这些活：

共同特征： 邮件内容是文字，分类和回复全靠人脑理解。这正是 AI 最擅长的事。

今天用 AI 解决邮件处理的三个核心环节——分类、回复、汇总。

一、传统做法 vs AI 时代做法

传统做法：imaplib 收邮件 + 手动处理

import imaplib
import email

# 连接邮箱
mail = imaplib.IMAP4_SSL("imap.exmail.qq.com")
mail.login("service@meiyada.com", "password")
mail.select("inbox")

# 搜索未读邮件
_, data = mail.search(None, "UNSEEN")
for num in data[0].split():
_, msg_data = mail.fetch(num, "(RFC822)")
msg = email.message_from_bytes(msg_data[0][1])
print(msg["Subject"], msg["From"])

能力边界：

• ✅ 连接邮箱、读取邮件、获取标题/正文/附件
• ✅ 标记已读/未读、删除、移动到文件夹
• ❌ 不知道这封邮件属于什么类别
• ❌ 不会写回复内容
• ❌ 不会帮你汇总今天收了多少封、什么类型

AI 时代做法：分类 + 回复 + 日报

# AI 分类邮件
result = client.chat_json("请对以下邮件分类…")
# {"category": "投诉", "priority": "高", "summary": "…"}

# AI 生成回复草稿
reply = client.chat("请根据以下邮件生成回复…")

# AI 生成日报
report = client.chat("请根据今日邮件分类汇总生成日报…")

组合优势：

• AI 负责理解：分类、判断优先级、生成回复、汇总
• imaplib 负责收发：连接邮箱、读取邮件、发送回复（本篇用模拟数据）
• 人工只需审核回复草稿，确认后发送

二、邮件数据结构

本篇用模拟邮件数据，不用配置真实邮箱就能跟练：

MOCK_EMAILS = [
{
"id": 1,
"from": "张客户 <zhang@meiyada.com>",
"subject": "关于产品功能的咨询",
"body": "你好，我想了解你们的智能客服系统是否支持批量导入Excel数据？",
"time": "2026-07-20 09:15"
},
# … 更多邮件
]

实际项目中替换： 把 MOCK_EMAILS 换成 imaplib 读取的真实邮件即可，数据结构一样。

# 实际项目：从邮箱读取
def fetch_emails():
mail = imaplib.IMAP4_SSL("imap.your-mail-server.com")
mail.login("user@example.com", "password")
mail.select("inbox")
_, data = mail.search(None, "UNSEEN")
emails = []
for num in data[0].split():
_, msg_data = mail.fetch(num, "(RFC822)")
msg = email.message_from_bytes(msg_data[0][1])
body = ""
if msg.is_multipart():
for part in msg.walk():
if part.get_content_type() == "text/plain":
body = part.get_payload(decode=True).decode("utf-8", "ignore")
break
else:
body = msg.get_payload(decode=True).decode("utf-8", "ignore")
emails.append({
"id": num.decode(),
"from": msg["From"],
"subject": msg["Subject"],
"body": body,
"time": msg["Date"]
})
return emails

💡 教学用途，商用需合规。 实际使用邮箱 API 时注意遵守服务商的使用条款和频率限制。

三、实战 1：邮件自动分类

场景

8 封邮件，AI 自动分类为：咨询 / 投诉 / 建议 / 合作 / 其他，并判断优先级和一句话摘要。

核心代码

from llm_client import LLMClient
import json

client = LLMClient(provider="glm")

email = {
"from": "李用户 <li@customer.com>",
"subject": "系统登录不了！！很急",
"body": "从昨天下午开始系统就登录不了了，输入账号密码后页面一直空白…"
}

prompt = f"""请对以下邮件进行分类，输出JSON。

发件人：{email['from']}
主题：{email['subject']}
内容：{email['body']}

分类选项：咨询 / 投诉 / 建议 / 合作 / 其他

输出格式：
{{
"category": "…",
"priority": "高/中/低",
"summary": "一句话概括邮件核心内容"
}}"""

result = client.chat_json(prompt, temperature=0.1)
info = json.loads(result)
print(f"分类：{info['category']} | 优先级：{info['priority']}")
print(f"摘要：{info['summary']}")

输出示例：

{
"category": "投诉",
"priority": "高",
"summary": "用户系统无法登录，影响客户演示，要求紧急处理"
}

为什么用 chat_json + temperature=0.1？ 分类是确定性任务，不需要创意。JSON 模式保证输出格式稳定，低温度保证分类一致。

四、实战 2：AI 生成回复草稿

场景

AI 根据邮件内容和分类，自动生成一封专业回复。客服人员只需审核修改后发送。

核心代码

client = LLMClient(provider="glm")

prompt = f"""请根据以下邮件内容，生成一封专业的回复邮件正文。

原邮件：
主题：{email['subject']}
内容：{email['body']}

邮件分类：{classification['category']}
优先级：{classification['priority']}

要求：
1. 语气专业友善
2. 针对邮件内容逐一回应
3. 如果是投诉，先道歉再给解决方案
4. 如果是咨询，给出明确回答
5. 100-200字
6. 只输出邮件正文，不要主题行"""

reply = client.chat(prompt, temperature=0.5, max_tokens=300)

为什么 temperature=0.5？ 回复邮件需要一定的灵活性和自然感，但不能太天马行空。0.5 是"专业但不机械"的甜区。

为什么 max_tokens=300？ 回复 100-200 字，加上标点和换行，300 tokens 足够。限制输出长度也能省 Token。

五、实战 3：邮件摘要日报

场景

一天收了 8 封邮件，全部分类完毕后，AI 生成一份 Markdown 格式的邮件日报，包含统计、重点、处理建议。

核心代码

client = LLMClient(provider="glm")

# 把所有邮件的分类结果拼接
lines = []
for item in classified_emails:
c = item["classification"]
e = item["email"]
lines.append(f"- [{c['category']}] 优先级：{c['priority']} | "
f"{e['subject']} | {c['summary']}")

email_list = "\\n".join(lines)

prompt = f"""请根据以下今日邮件分类汇总，生成一份邮件日报。

今日邮件（共{len(lines)}封）：
{email_list}

输出格式：Markdown
包含以下部分：
1. 今日概览（总数、按类别统计）
2. 重点关注（高优先级邮件）
3. 建议处理顺序
4. 待跟进事项"""

report = client.chat(prompt, temperature=0.3, max_tokens=800)

日报输出示例：

# 邮件日报 · 2026-07-20

## 今日概览
– 总计：8封
– 咨询：3封 | 投诉：2封 | 建议：2封 | 合作：1封
– 高优先级：2封 | 中优先级：4封 | 低优先级：2封

## 重点关注
1. 【投诉-高】系统登录不了 – 用户有客户演示，需紧急处理
2. 【投诉-高】客服回复太慢 – 工单未回复，客户考虑更换供应商

## 建议处理顺序
1. 先处理2封高优先级投诉邮件
2. 回复3封咨询邮件（潜在客户）
3. 评估2封功能建议
4. 跟进1封合作邀请

## 待跟进
– 工单 GD-20260716-008 需核查处理状态
– 多语言支持需求需产品团队评估工期
– 50坐席采购需销售跟进报价

完整代码请评论区留言领取

预期输出（截选）

============================================================
邮件 + AI 智能分类与回复
============================================================
📬 收件箱共 8 封邮件

============================================================
实战1：邮件自动分类
============================================================
📧 [1] 关于产品功能的咨询
分类：咨询 | 优先级：中
摘要：用户咨询批量导入Excel和知识库文件格式支持

📧 [2] 系统登录不了！！很急
分类：投诉 | 优先级：高
摘要：用户系统无法登录，影响客户演示，要求紧急处理

📧 [5] 投诉：客服回复太慢
分类：投诉 | 优先级：高
摘要：用户工单未回复，考虑更换供应商

注意： AI 生成的回复草稿需要人工审核后才能发送。AI 可以帮你写 80% 的内容，但最终发出去之前一定要检查一遍。

📊 本篇成本透明栏

练手改造题

改造 1（基础）： 给分类函数加上"情绪分析"——除了分类和优先级，额外输出 sentiment（正面/中性/负面），帮助客服判断客户情绪。

提示：在 JSON 输出格式中加 "sentiment": "正面/中性/负面" 字段。

改造 2（进阶）： 写一个 auto_reply_by_category(email, classification) 函数——根据不同分类使用不同的回复策略：投诉类先道歉给方案，咨询类直接回答，建议类表示感谢并说明会评估。

提示：可以用 if classification['category'] == '投诉': 分支，也可以在 prompt 中让 AI 根据分类自动调整回复策略。

改造 3（挑战）： 接入真实邮箱——用 imaplib 读取真实邮件，替换 MOCK_EMAILS。处理完后用 smtplib 发送回复草稿到自己的邮箱（草稿模式，不直接发给客户）。

提示：imaplib.IMAP4_SSL 连接收件箱，smtplib.SMTP_SSL 发送邮件。注意密码用 .env 管理，不要硬编码。

下期预告

Day 11 · 自然语言查数据库（NL2SQL）

邮件处理搞定了，接下来换个方向——数据。用 AI 把自然语言转成 SQL，输入"上个月销售额最高的5个产品"直接出查询结果。不用学 SQL 也能查数据库。

📚 资源与工具（文末合规集中）

• Python imaplib 文档： https://docs.python.org/3/library/imaplib.html
• Python smtplib 文档： https://docs.python.org/3/library/smtplib.html
• Python email 模块文档： https://docs.python.org/3/library/email.html
• 智谱开放平台（GLM，免费 API Key）： https://open.bigmodel.cn/
• GLM 模型文档： https://docs.bigmodel.cn/
• 本专栏配套代码： CSDN 下载区（每篇更新）

🍃 作者的话

梅雅达编程笔记，专注 Python + AI 办公自动化实战教程。

邮件 + AI 的核心价值不是"替代客服"，而是"给客服装上外脑"——AI 帮你分类、起草、汇总，人负责审核和拍板。这个"AI 做 80%，人做 20%"的模式，后面 Agent 章节会越来越深入。

往期回顾

Day 01 · 为什么 2026 年办公自动化得“AI 化“了

Day 02 · 环境搭建：一套装备打天下

Day 03 · Prompt 工程 5 大心法

Day 04 · LLM API 横评 已被AI编程社区收录

Day 05 · 让 AI 输出结构化数据：告别“偶尔给你一段散文“

Day 06 · Excel + AI：让电子表格变“聪明“

Day 07 · Word + AI：自动生成文档

Day 08 · PDF 智能提取：让 AI 读懂合同、发票、简历

Day 09 · PPT 自动生成：文字大纲变演示文稿

专栏推荐

• 「AI Python 系列」第 01 栏 · AI+办公自动化（连载中）
• 「AI Python 系列」第 02 栏 · AI+数据可视化（连载中）
• 「AI Python 系列」第 03 栏 · Python 爬虫实战（连载中）

资源领取

• 关注作者获取本栏完整代码和数据集

原创声明：本文为梅雅达编程笔记原创作品，未经允许不得转载。