问题:邮件收件箱成为「战场」
每天早上打开邮件,国内贸易伙伴和海外买家的订单确认、物流询问、库存查询混在一起。同样的内容也有,紧急信息也混杂,每次都要手动排序优先级。
「光是这项工作每天就要花费5小时。而且还经常出错。」
转折点:遇见Claude Code
梦幻团队内的一位成员提议,用Claude Code试试邮件自动化如何?
[之前]
• 从收件箱逐一打开邮件
• 阅读内容判断类别(订单/询问/物流/紧急)
• 手动标签或移动到文件夹
• 标记重要邮件
• 耗时:每天5小时,错误率约8%
[之后]
• 每天凌晨6时自动扫描邮件
• Claude Code分析发件人、主旨、正文
• 自动按类别贴上标签(彩色编码)
• 对紧急程度进行评分并标记优先级
• 自动生成日报(记录到电子表格)
• 耗时:15分钟,错误率0.2%
构建过程:72小时的记录
第1天:定义规则
我们明确了各类邮件的分类标准。
规则集:
1. 订单邮件:发件人是已知买家 + 包含「order」「purchase」「PO」关键字
2. 库存询问:包含「stock」「inventory」「availability」
3. 物流相关:包含「shipping」「delivery」「tracking」「urgent delivery」
4. 付款相关:包含「invoice」「payment」「bank transfer」
5. 其他询问:以上均不符的所有邮件
6. 紧急标志:发件人名称在VIP买家清单中或包含「ASAP」「urgent」「急」
第2天:构建Claude Code代理
在Windows设备上编写了Python脚本。
# 虚拟代码(实际连接Gmail API + Claude)
def 邮件_分类器():
邮件清单 = Gmail_API.获取最近邮件(最近_24小时)
for 邮件 in 邮件清单:
分析结果 = Claude.分析(
发件人=邮件.from,
主旨=邮件.subject,
正文=邮件.body_前_300字符,
规则=RULES
)
类别 = 分析结果["category"]
紧急度 = 分析结果["urgency_score"] # 0~100
标签 = 类别_转换_标签(类别)
颜色 = 紧急度_转换_颜色(紧急度)
Gmail_API.添加标签(邮件.id, 标签)
Gmail_API.设置颜色(邮件.id, 颜色)
记录_日志(邮件, 类别, 紧急度)
生成_报告()
第3天:测试与微调
一开始有一些错误。例如:
「库存情况良好」是正面邮件,但因为「stock」而被误分类为「库存询问」
我们强化了Claude Code的文脉分析。
改进规则:
• 不只靠「stock」关键字判断
• 检查动词形式(「stock up」vs「stock inquiry」)
• 学习发件人模式(与同一买家的历史邮件比较)
结果:第3周数据
| 项目 | 之前 | 之后 | 改进幅度 |
|------|------|------|----------|
| 日处理时间 | 5小时 | 15分钟 | 缩短95% |
| 分类准确度 | 92% | 99.8% | +7.8%p |
| 团队成员压力 | 高 | 低 | 主观改善 |
| 遗漏紧急邮件 | 月2~3件 | 0件 | 100%解决 |
| 月度预估时间节省 | , | 约100小时 | , |
意外发现:人工智能「读取」了语气
有趣的事发生了。相同内容的邮件,印度买家写得较急迫,东南亚买家写得较正式。Claude检测到了这个模式。结果:
「不只是简单的关键字分析,它还学习了发件人的文化沟通风格。真的很神奇。」
未来规划:自动化 + 人类判断
当前系统:
• 自动化筛选(95%)
• 团队成员最终审查(5%,特殊案例)
这种平衡既最小化误判,又大幅节省时间。
结论
Windows设备 + Claude Code + 明确的规则定义 = 自动化。非开发者也能做到。