企业官网建设流程全解析

别再手动翻邮件：3步用 Dify 搭好邮件自动分类回复助手

【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify

每天早上打开邮箱，几百封邮件里真正要处理的没几封，可就是翻邮件这件事最耗时间。用 Dify 零代码搭一个邮件助手，让它自动给邮件分类、按规则自动回复常见问题，全程不用写代码，跟着做大约半小时就能跑起来。

📬 它能帮你做什么

• 自动给收件箱分类：工作邮件标"重要"、促销邮件直接归档，垃圾邮件不占地方
• 高频问题自动回复：把常见问题写进知识库，回复有据可依，不用逐封复制粘贴
• 关键信息汇总成日报：每天把散落的邮件要点整理成一页摘要，30秒扫完
• 跨邮件找信息：用一句话搜"上周客户的报价"，直接定位到那封邮件

⚙️ 快速启动：本地把 Dify 跑起来

前提条件：装好 Docker 和 Docker Compose，机器内存 4GB 以上。

git clone https://gitcode.com/GitHub_Trending/di/dify

cd dify/docker docker compose up -d

怎么确认启动成功：浏览器打开 http://localhost:3000 ，看到注册/登录页就说明服务正常，完成初始化后即可进入工作区开始建应用。

核心操作：把收件箱交给工作流

新建应用时选 Chatflow（对话流）类型，用一个 START 节点接收四样输入：发件人、主题、正文、时间。这样每封邮件进来，都是一次完整的工作流运行，后面所有节点都围着这四样数据转。

让 AI 自动给收件箱分类

操作路径：在画布左侧节点库里找到 Question Classifier（问题分类器）拖进画布，定义三个类别——工作相关、促销、垃圾邮件，每个类别写清楚"什么样的邮件算这一类"，再把 START 节点的正文变量连给它。

预期效果：邮件进来先由分类器判断类别，后面的 IF/ELSE 分支各走各的路——工作邮件进入摘要提醒，促销邮件只归档不回复，垃圾邮件直接丢弃。

避坑小提示：类别描述写得越具体分得越准。别设"其他"这种兜底类，把每类的边界写明白，误分会少一大截。

给高频问题配置自动回复

操作路径：在"工作相关"分支后接一个 LLM 节点，提示词写明"依据知识库内容回答，知识库里没有的就说不知道"；再拖入 Knowledge Retrieval（知识检索）节点，挂上提前建好的 FAQ 知识库。知识检索由 api/core/rag/ 里的 RAG 管线完成，你只管上传文档。

预期效果："发货地址在哪""怎么取消订单"这类问题直接由模型基于文档作答，语气统一、答案可溯源，你的收件箱不再被重复问题占满。

避坑小提示：知识库先在平台左侧"知识"菜单里建好并上传 FAQ 文档，再挂到检索节点上；顺序反了，检索节点会一直返回空结果，很容易误以为是模型的问题。

把关键邮件汇总成日报

操作路径：用另一个 LLM 节点汇总当天"重要"分类的邮件，提示词写死输出格式——主题、发件人、需要跟进的事项，逐条列出。涉及外文邮件时换用支持对应语言的模型即可，各模型能力可在 api/core/llm_generator/ 相关模块中查到实现。

预期效果：每天固定时间跑一次，输出一页式日报，重要邮件不再漏看，复盘时也不用再翻原始记录。

避坑小提示：日报节点先只接"重要"分类的输出。若把促销、垃圾邮件也汇进来，噪音会稀释关键信息，日报越看越没用。

常见坑与解法

• 分类老跑偏：多半是类别定义重叠。把判定标准写成互斥描述（例如"带订单号才算工作邮件"），误分率会明显下降；仍不行就在提示词里各补一个典型邮件示例。
• 回复语气太机械：在提示词里直接给 1~2 条示例回复，比空喊"语气亲切"有效得多；同时限制"知识库没有的内容不要编"，能减少答非所问。
• webhook 收不到邮件：先确认回调地址能从公网访问；本地调试时点画布上方的 Test Run 手动喂一封测试邮件，先确认节点链路通不通，再回头排查网络，别一上来就怀疑邮箱配置。

配置速查表

下一步可以做什么

• 把分类从 3 类扩到 5 类：账单、会议、订阅各分一栏
• 给日报加提醒：检测到"重要"邮件时主动推送通知
• 参考 docs/ 里的部署与配置说明，把 Dify 装到服务器上长期运行

【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify