有销售团队会问：“我们到底应该买哪个邮件智能体？”

这个问题通常问早了。

因为“邮件智能体”这个词，经常把完全不同的工作混在一起：退订名单过滤、CRM字段更新、判断谁该联系、研究客户、写信、选择跟进节奏、发送、识别回复、安排会议、再把结果写回CRM。

其中有些工作最适合死规则，有些适合工作流，有些适合语言模型，还有少数工作可以让真正的agent自主执行——但前提是企业已经把权限、异常和回滚想清楚。

所以真正影响速度、成本、控制力与风险的，不只是模型品牌，而是：

每一个环节究竟把多少判断权交给机器，以及犯错以后能不能轻易撤销。

本文把邮件智能体拆成四种运营方式：

  1. 确定性规则与模板；
  2. 带结构化分支的工作流自动化；
  3. LLM辅助起草 + 人工审批；
  4. 有边界的自主智能体。

成熟系统往往不是四选一，而是四层组合。

先看一张对比表

路线 最适合 上线速度 变动成本 控制力 人工审核 典型失败
规则 + 模板 退订、路由、固定序列、确定字段 快 低 很高 低 规则僵硬、个性化弱
工作流自动化 有明确分支的多步骤流程 中 低到中 高 低到中 异常分支漏掉、集成变旧
LLM辅助起草 研究总结、个性化文案 中 中 审批存在时较高 中到高 流畅地写错事实、审核成为瓶颈
有边界全代理 跨工具重复判断，权限清楚 设计较慢 中到高 中 按风险分层 工具误用、状态改变、链路难排查

这不是供应商报价表，而是运营特征。同样属于“工作流自动化”，内部轻量工具和大型企业平台的成本可能完全不同。

第一种：规则与模板——很多关键环节依然应该“笨一点”

规则不会思考，这恰恰是它最大的优点。

如果某个联系人已经退订，系统不应该再让模型判断“这封邮件是不是足够重要，可以再发一次”。正确动作就是确定性屏蔽。

类似场景还有：

  • 硬退信；
  • 禁止联系域名；
  • 发送身份；
  • 重复账户处理；
  • 区域分配；
  • 邮件类型标记；
  • 最大跟进次数；
  • 允许发送时段；
  • 已审批法律页脚；
  • CRM字段格式。

规则便宜、可审计、在大规模下行为稳定。

它的问题，是企业很容易把“判断”也硬编码成几百层if/else。例如“家具行业 + 20人以上 + title包含owner + 网站有wholesale页面 = 使用B序列”。数据一旧、职位一特殊、客户同时做零售和批发，规则就开始失真。

所以规则层应该少、硬、清晰，主要负责保护边界。

什么情况下规则应该赢

如果满足以下条件，优先规则：

  • 正确行为事先已知；
  • 错一次代价很高；
  • 平台、监管或内部制度形成硬边界；
  • 必须完整审计；
  • 个性化不会增加多少价值。

Gmail当前的发送要求就说明了这一点。向个人Gmail账户发信需要满足认证和基础设施要求；达到批量发信门槛后，还需要更严格的SPF、DKIM、DMARC等条件，营销和订阅类邮件需要支持一键退订。Google的FAQ建议用户举报垃圾邮件率保持在0.1%以下，并避免达到或超过0.3%。

这些不是“让模型灵活判断”的问题，而是运营约束。

第二种：工作流自动化——真正连接系统的骨架

工作流自动化适合把已经知道的步骤串起来，而不是让模型每一次都重新发明流程。

一个典型链路可能是：

新线索 → 校验邮箱 → 检查屏蔽 → 补充公司资料 → 分配负责人 → 创建任务 → 起草 → 等审批 → 发送 → 收集回复 → 更新CRM。

工作流引擎最重要的价值是保存状态：什么已经发生、什么还没发生、下一步应该是什么。

很多团队在这里跳得太快，直接上“agent”。模型被允许调用各种工具，却没有稳定的状态机。Demo看起来非常聪明，生产环境却到处都是重复发送、卡住的任务和状态冲突。

工作流擅长什么

它特别适合：

  • 重试；
  • 队列；
  • 超时；
  • 审批；
  • 条件分支；
  • webhook；
  • 幂等；
  • 日志；
  • CRM、邮箱、数据供应商、分析系统之间的同步。

而且，它可以精确规定AI出现在哪里。

例如：先用规则检查退订和资格，再由工作流调用模型总结客户，最后要求人工批准后才能发送。这样模型负责判断，人仍然控制不可逆动作。

它会怎么失败

流程图很容易掩盖软件复杂度。

一个有50个分支的工作流，本质上还是软件，需要版本控制、测试、告警和负责人。一旦CRM字段改名、API报错方式改变，流程可能静默停止，或者把客户路由错。

采购时不要只看happy path，直接问：

  • 查不到补充数据怎么办；
  • 两个联系人属于同一公司怎么办；
  • 邮箱断连怎么办；
  • CRM更新被拒怎么办；
  • 跟进期间客户提前回复怎么办；
  • 客户从另一个渠道退订怎么办。

异常路径往往比Demo更能说明产品成熟度。

第三种：LLM辅助起草——往往是最划算的中间层

语言模型最擅长的，是把上下文变成语言。

只要你给它干净的公司记录、少量经过核实的事实、产品边界和消息政策，它就能：

  • 总结客户研究；
  • 挑选相关卖点；
  • 调整语气；
  • 生成多个文案版本；
  • 分类回复；
  • 从自由文本提取结构化字段。

这能砍掉大量重复写作，同时又不必让模型拥有最终发送权。

对很多企业而言，这其实是第一阶段最划算的AI邮件方案。

一个容易被忽略的成本事实：模型费可能不是大头

截至2026年10月4日，OpenAI的GPT-5.6 Sol页面列出的文本价格为每百万输入token 4美元、输出token 20美元；Anthropic的Claude Sonnet 5则列为每百万输入token 2美元、输出token 10美元。价格会变化，长上下文和多轮agent也会改变实际成本，所以这里只能作为当日示例。

但它说明一个很现实的问题：在很多邮件自动化里，人工审核、数据、发送基础设施和运营成本，很可能比单纯文本生成费更贵。

如果每封草稿人工检查2分钟，5000封就是166小时以上。此时把模型费砍30%，可能远不如减少无意义审核，同时保持质量来得重要。

起草模式最常见的失败

模型会非常自然地把错误事实写得像真的。

所以真正关键的是上下文层要有来源信息：

  • 这个事实从哪里来；
  • 什么时间观察到；
  • 属于公司还是属于某个人；
  • 是否允许在邮件里提及；
  • 是否需要引用或人工确认。

提示词不是数据库。

第四种：全代理——只有“边界清楚”的自主才有价值

全代理能够研究、规划、调用工具、观察结果，再继续下一步。

如果环境足够结构化，这很有价值。

例如，可以允许一个有边界的agent：

  • 只研究批准的公开来源；
  • 只更新非敏感CRM字段；
  • 只起草允许的邮件类型；
  • 只有联系人通过确定性资格检查后才允许发送；
  • 固定最大跟进次数；
  • 自动分类回复；
  • 置信度不够时只创建会议任务，不直接替人预约。

关键不在“自主”，而在“有边界”。

智能体不应该继承创建者所有权限。它应该只有完成任务所需的最小权限、明确的不可逆动作限制，以及随时升级给人工的路径。

真正难的是状态，不只是文案

假设agent先发了A邮件，收到自动回复，又重新补充了客户资料，发现职位变了，于是想切到另一序列。

此时必须回答：

  • 旧序列是否取消；
  • 新数据和旧数据谁更可信；
  • 是否重新检查退订；
  • CRM是不是已经留下两个互相冲突的职位；
  • 下一封邮件到底属于哪条序列。

自主能力意味着不断改变状态。

所以如果供应商能展示很漂亮的AI文案，却展示不出事件日志、权限模型、异常恢复，那更像“文案生成器穿了一件agent外套”。

用“犯错成本”来决定自动化等级

动作越不可逆，越不应该在没有护栏的情况下把判断权完全交出去。

可以做一条简单风险阶梯：

低后果
总结公司 → 分类回复 → 提供主题行候选。

中后果
修改CRM字段 → 选择序列 → 安排跟进时间。

高后果
发送价格 → 写法律或合规声明 → 联系已屏蔽对象 → 修改合同条款 → 从核心域名大规模发送。

越往下，越应该增加确定性规则和人工批准。

这比笼统地说“我们human-in-the-loop”有用得多。

送达率会反过来限制“智能”

邮件自动化最终仍然受收件平台和域名信誉约束。

Google当前Gmail指南要求所有向个人Gmail账户发信的发送者满足基础认证和配置要求；每日向Gmail发送超过5000封的发送者需要满足更严格的条件。FAQ建议用户举报垃圾邮件率低于0.1%，并避免达到0.3%或更高。批量发送营销和推广邮件还需要一键退订。

美国FTC的CAN-SPAM商业邮件指南则要求发件头信息真实、主题不得欺骗、提供有效实体邮寄地址和清晰退订方式，并要求在10个工作日内处理退订请求。FTC也明确提示：把营销外包给第三方，并不能把法律责任一起“外包掉”。

这些美国规则并不是全球发送许可，各地区要求不同。但它们足够说明：资格判断、屏蔽和退订同步，不应该交给语言模型临场发挥。

最现实的架构，其实四层都会用

一个中型销售团队可以这样设计：

1. 确定性闸门
查退订、账户归属、发送域名、允许地区和必要字段。

2. 工作流状态
创建任务、调用补充数据、保存来源、处理重试和审批。

3. LLM判断
总结公司、选择允许的切入点、起草邮件、识别回复意图。

4. Agent自主
只在低风险人群中判断是否需要继续研究，或进入哪一个批准的序列分支。

5. 人工升级
价格例外、敏感声明、高管联系人、投诉和不确定事实全部交人。

它没有“AI销售员全自动替代人”那么戏剧化，但更容易真的跑起来。

七个问题决定该用哪一层

1. 我们交出去的到底是什么状态变化？

起草文字和真正发送，是两件完全不同的事。

2. 正确行为能不能写成硬规则？

能，就先用规则，不要花模型费重新解释已知边界。

3. 上下文缺失有多频繁？

缺数据越多，自主执行越危险，人工审核价值越高。

4. 误判一次的代价是什么？

回复分类错了可以修；给已退订用户继续发信，是另一种问题。

5. 需要协调多少工具？

邮箱、CRM、补充数据、日历、发送平台，每多一个系统，状态复杂度就上升。

6. 每一个动作能否重建原因？

如果事后回答不了“它为什么发了这封邮件”，就不应该给它高权限。

7. 能不能回滚？

容易撤回的动作可以大胆自动化；域名信誉和合规事故不容易撤回。

让供应商填这张表，而不是继续演示

功能 规则 工作流 LLM Agent 人工 是否保留证据/日志
联系资格
客户研究
起草
审批
发送
回复分类
退订
CRM更新
会议动作

如果几乎每一行都勾“Agent”，问为什么每一步都需要判断。

如果每一行都勾“人工”，问承诺的自动化到底创造了什么杠杆。

最应该避免的错误：可行动，却不可观察

最危险的邮件智能体，不一定是模型最差的那个，而是会执行、却解释不清自己为什么执行的那个。

提高自主权之前，至少应该能够重建：

  • 它看到了什么数据；
  • 使用的是哪个政策版本；
  • 调用了哪些工具；
  • 生成了什么；
  • 人是否改过；
  • 最终发了什么；
  • 收件人做了什么；
  • CRM之后发生了什么变化。

然后，每次只增加一个容易撤销的自主动作。

结论

规则、工作流、LLM起草和全代理不是四个互相排斥的产品，它们是四层能力。

硬边界用规则；状态管理用工作流；语言理解和起草用LLM；只有跨多个步骤的判断真的创造价值时，才上Agent。

最快的系统，也不是“把人全部删掉”的系统，而是把人从可预测工作里拿走，同时准确保留在人类判断最值钱的地方：不确定事实、信誉、合规和不可逆决策。

Sources

Related Reading