分诊支持邮件并为人工审核起草回复
分享一个为支持收件箱构建的工作流，旨在解决冷启动工单积压问题：此前每封邮件都需要人工阅读、判断类别和紧急程度，并从头撰写回复才能处理。任务：作者构建了一个 n8n 工作流，使用 Gmail、OpenAI、Google Sheets 和 Slack 对支持邮件进行分诊。流程触发新邮件后，AI 对类别和紧急程度进行分类、总结并起草回复，然后将数据记录到 Sheets 并将草稿发送到 Slack 供人工审核。作者明确保留发送前的人工批准环节，指出对真实客户的自动回复标准高于 AI 草稿。；工具：n8n。人工角色：原始帖子中描述的人工角色如下：所有数据记录到表格中用于报告，随后分类结果和草稿发送到 Slack 供人员审核后再发送。；局限：前提条件包括 n8n、OpenAI 兼容 API 密钥、Gmail、Sheets 和 Slack 凭证。评论者指出技术缺陷：Code 节点使用 .first()，如果同一轮询中到达多封邮件，只会处理一封；Gmail 的 'from' 字段需要使用 .text 以避免在 Slack 中显示 '[object Object]'。建议改进包括添加 JSON 验证、垃圾邮件过滤，并使用 'Send and Wait' 进行批准，而不是手动复制粘贴。。
工具
Agent Work Atlas 发布日期:
概述
分享一个为支持收件箱构建的工作流，旨在解决冷启动工单积压问题：此前每封邮件都需要人工阅读、判断类别和紧急程度，并从头撰写回复才能处理。
工作流程
作者构建了一个 n8n 工作流，使用 Gmail、OpenAI、Google Sheets 和 Slack 对支持邮件进行分诊。流程触发新邮件后，AI 对类别和紧急程度进行分类、总结并起草回复，然后将数据记录到 Sheets 并将草稿发送到 Slack 供人工审核。作者明确保留发送前的人工批准环节，指出对真实客户的自动回复标准高于 AI 草稿。
原文报告的结果
来源未报告测量结果、成功率或节省的时间。仅说明工作流使用 5 个节点在约 20 分钟内构建完成。没有证据证明执行结果或业务影响。可衡量的验收检查应为：跟踪 100 张工单中无需编辑即被接受的 AI 草稿百分比与需要重大修订的百分比。
人工角色
原始帖子中描述的人工角色如下：所有数据记录到表格中用于报告，随后分类结果和草稿发送到 Slack 供人员审核后再发送。
局限
前提条件包括 n8n、OpenAI 兼容 API 密钥、Gmail、Sheets 和 Slack 凭证。评论者指出技术缺陷：Code 节点使用 .first()，如果同一轮询中到达多封邮件，只会处理一封；Gmail 的 'from' 字段需要使用 .text 以避免在 Slack 中显示 '[object Object]'。建议改进包括添加 JSON 验证、垃圾邮件过滤，并使用 'Send and Wait' 进行批准，而不是手动复制粘贴。
试一试
为 [replaceable: 业务背景，例如 SaaS 账单] 构建一个 n8n 工作流以分诊支持邮件。输入：Gmail 收件箱 [replaceable: 邮箱地址]、OpenAI API 密钥、Google Sheet ID [replaceable: 表格名称]、Slack 频道 ID [replaceable: 频道]。步骤：1. 创建每分钟轮询的 Gmail 触发器节点。2. 添加一个 HTTP Request 节点调用 OpenAI，系统提示要求分类类别（账单、技术、投诉、垃圾邮件）、紧急程度（低、中、高）、用一句话总结并起草礼貌回复。3. 添加一个 Code 节点解析 JSON 响应，确保映射 $input.all() 以处理多封邮件，并使用 from.text 获取发件人。4. 添加 Google Sheets 节点记录发件人、主题、类别、紧急程度、摘要和日期。5. 添加 Slack 节点发布摘要和草稿供审核。6. 不要添加自动发送节点。7. 使用 3 封样本邮件进行试运行。8. 验证 Slack 消息显示正确且 Sheet 记录数据。9. 在认为工作流完成前，由人工审核者确认草稿可用。通过在 Code 节点中添加 try/catch 并在 Slack 之前添加 IF 节点丢弃垃圾邮件来处理错误。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。