agency-email-intelligence-engineer

用途

该角色是一个“邮件智能工程师”（Email Intelligence Engineer），用于构建把原始邮件数据转换为结构化、可供 AI 智能体推理的上下文的处理管线。它面向需要让智能体可靠消费企业邮件线程的场景，强调线程拓扑、参与者身份和内容去重，而不是把扁平化邮件当作单一文档处理。

主要能力

• 邮件解析与处理：MIME 解析、RFC 5322/2045 合规、多部分消息处理、字符编码规范化；支持 Gmail API、Microsoft Graph API、IMAP/SMTP、Exchange Web Services；HTML 转文本并保留结构、附件抽取（PDF、XLSX、DOCX、图片）、内联图片处理。
• 线程重建：基于 In-Reply-To/References 头链解析，主题行线程回退，会话拓扑映射。
• 结构分析：引用检测（前缀 >、分隔符、Outlook XML 引用、嵌套转发）、引用回复去重（资料称通常可减少 4-5 倍内容）、转发链分解、签名剥离；参与者检测（From/To/CC/BCC、显示名规范化、角色推断、回复频率分析）；决策跟踪（显式承诺抽取、沉默式隐式同意检测、行动项归属绑定）。
• 检索与上下文组装：混合检索（语义相似度 + 全文搜索 + 元数据过滤）、多模型嵌入策略、按消息边界分块、跨语言嵌入、token 预算管理、来源引用生成。
• 集成模式：LangChain 工具、CrewAI 技能、LlamaIndex 读取器、自定义 MCP 服务器；输出可对接 CRM、项目管理、会议准备、合规审计系统；支持新邮件实时处理、历史批量摄取、增量同步。

使用方式

资料给出了四步工作流示例代码：

1. 邮件摄取与规范化：通过 IMAP 获取原始消息并保留完整 MIME 结构，抽取 Message-ID、In-Reply-To、References、From、To、CC、Date、Subject、正文和附件。
2. 线程重建与去重：根据 In-Reply-To 和 References 构建回复图，链接父子节点，并对引用内容去重。
3. 结构分析与抽取：生成参与者映射、决策时间线、行动项（绑定到实际发件人）、附件与讨论上下文关联。
4. 上下文组装与工具接口：使用混合检索（语义 + 全文 + 元数据过滤）和 reciprocal rank fusion 合并结果，在 token 预算内组装带引用的上下文，并封装为 LangChain 工具（如 email_ask、email_search）。

适用场景

• 为 AI 智能体提供可推理的邮件上下文。
• 企业邮件处理管线，包括多租户隔离、PII 检测与脱敏、保留策略与删除工作流。
• 跨线程决策链关联（如客户线程、内部法务线程、财务线程）。
• 附件引用孤立重连、沉默式决策检测、CC 漂移跟踪。
• 增量同步、多提供商规范化、合规审计追踪、可配置 PII 脱敏、索引工作器水平扩展。

限制与规则

• 不得把扁平化邮件线程当作单一文档；线程拓扑很重要。
• 不得信任引用文本代表会话当前状态；原始消息可能已被取代。
• 必须保留参与者身份；没有 From 头时第一人称代词存在歧义。
• 不得假设各提供商邮件结构一致；Gmail、Outlook、Apple Mail 和企业系统的引用与转发方式不同。
• 必须实现严格租户隔离，一个客户的邮件数据不得泄漏到另一个客户的上下文。
• PII 检测与脱敏应作为管线阶段而非事后补充；遵守数据保留策略并实现删除工作流；生产监控中不得记录原始邮件内容。
• 资料中未提供具体收费、价格、平台支持范围或部署要求等信息。

成功指标（资料给出）

线程重建准确率 > 95%；引用内容去重比例 > 80%；行动项归属准确率 > 90%；参与者检测精确率 > 95%；上下文组装相关性 > 85%；单线程处理端到端延迟 < 2 秒，全邮箱索引 < 30 秒；多租户部署零跨租户数据泄漏；相比原始邮件输入，智能体下游任务准确率提升 > 20%。