这周花了点精力来完善之前做的邮件备份脚本，在 AI 深度介入上下了点功夫。
其实做这个脚本的原因，之前在文章中已经有谈过，就是随着业务邮件量的上升，整体的存储成本开始慢慢变高了。
我们现在都是使用 SiteGround 与 Hostinger 服务，这种集成平台看似性价比很高，但隐形成本真的是一大堆。
就拿存储这个点举例，这类服务基本都规定了整个账户是 50G 左右的存储空间，刚开始都以为这种级别的存储空间对一两个小网站够用了。
但问题是它还限制了整个账户下的 inode 数量，也就是说你上传一个文件，甚至是更新了某个页面，都可以能消耗总体的 inode 数量。
像 WordPress 这种系统，本身就会消耗非常多 inode 数量，所以在运营过程中如果不注意文件管理的话，肯定会导致 inode 数量很快被消耗完。
而我们平时的运营过程，除了日常的网站文案更新之外，还有就是非常频繁的业务邮件沟通。
网站的文案更新，这个环节没办法进行优化，所以我自己的重点就放在了业务邮件的备份上，目的就是放缓整个账户的 inode 数量消耗（尽可能降低点成本）。
脚本的备份逻辑很简单，就是将那些长期没有回复且没有任何更新的邮件下载到本地，并删除线上账户里面的记录，释放对应的资源占用。
同时在备份的过程中会记录好相应的数据，比如邮件是什么时候发的、第一次跟进是什么时候、最后一次跟进是什么时候。
而且在备份的过程中，我还有让 AI 帮我整理这封邮件的联系人信息与对应内容概要，一并沉淀到管理表格中去，好方便我后续做邮件营销。
目前这个脚本使用起来还挺原始的，虽然各个功能点都实现出来了，但使用体验还需要优化一下。
等第一步的邮件备份做完之后，我还有打算让 AI 参与到这部分数据的消化中来。
毕竟这些数据中有完整的用户画像，有清晰的用户痛点，非常值得深度开发。
初步的想法是，设计一个用户分析框架，让 AI 根据这份分析框架去处理每一封邮件，并提炼这封邮件中的自然信息。
至于提炼出来的这些自然信息怎么用，我觉得至少有两点是比较有价值的，一是可以从总体上把握现阶段用户的基本画像，二是可以从这些信息中提炼网站内容输出的方向。
而能不能根据这些信息开发对应的邮件回复功能，我目前还不确定，因为自己没有深度做过用户跟进工作（过去这方面的经验很表面）。
反正先把目前这阶段的工作做好，后续是有打算切换技术栈去运营新网站的。
比如使用全站框架来搭建网站，并把网站部署到 Cloudflare 这种平台上去，对于平时的业务运营则直接购买大容量的邮箱服务，来规避可能比较棘手的容量告警问题。
这套方案我自己是有在 AI 协助下做出来了，但我觉得这个版本目前做的一般，还有很多需要优化的地方。
