今天在做一件我觉得比较有意思的事，让 AI 帮我消化过往的邮件记录，并分析这些邮件记录中那些不足的回复点。
逻辑其实很简单，先把所有的邮件素材交给 AI 进行消化，然后让 AI 根据这些内容整理出每一封邮件的信息重点，并简要分析这一系列对话的问题与不足，最后再将结果与规则沉淀下来。
第一步其实很好处理，直接把素材交给 AI 就好了。
这里就涉及到素材规模的问题，如果邮件内容不多的话，完全可以手动将这些素材下载下来后同步给 AI。
而我自己使用的方案是直接把邮箱账户的登录信息告诉 AI，让 AI 自动去加载里面的内容，毕竟这个邮箱账户里面的内容有好几百条，手动处理的话，会非常非常慢。
观察 AI 的工作逻辑，你会发现它也是在本地写一个信息获取的 Python 脚本，然后把所有的邮件内容全部下载下来，这与我们手动去做的没什么太大的差异。
至于第二步和第三步就比较简单了，AI 都是逐一去分析，然后把每一封邮件的问题与不足都列了出来，并给出了对应的完善建议。
因为今天也是闲着没什么事，想着试试看 AI 能不能在邮件文案优化上做点什么操作。
如果今天的测试跑通了的话，那后续就可以在这方面做持续的优化了。
我自己策略就很简单，在本地维护一个最基础的产品参数信息与报价信息的资料库，然后再通过今天的预训练，把邮件内容优化的一些规则点沉淀下来。
那后续有新的邮件消息进来，就可以直接把这份消息给到 AI，让它根据既定的规则梳理出邮件内容的初版。
人工审核一遍之后，没什么问题就可以直接发送出去了。
要是有问题则可以向 AI 指出问题点，要求其做进一步的内容优化，并把这次问题点的解决方案沉淀成对应的规则，以此来实现整个 AI 工作流的完善优化。
反正今天一天都在做这项工作流程的测试，目前体验下来给我的感觉就是，这套流程完全可以做出来，且可以做得很精细化。
甚至可以把这个流程与我们之前整理的网站产品素材库结合起来，做更深度的内容更新。
后面专门抽一段时间来做这部分工作流程的开发吧，我自己觉得这部分工作还挺重要的。
毕竟小团队也没有那么多的精力去做人力资源管理，花钱加模型倒是可以接受的。
