打工人每天2.2小时耗在收件箱，这套开源方案让AI自动分拣

知识工作者每天28%的工作时间——也就是2.2小时——花在邮件管理上。这个数字来自麦肯锡的研究，但大多数人直到凌晨还在清收件箱时才真正感受到它的重量。

更麻烦的是，真正紧急的邮件往往淹没在抄送、订阅和自动通知里。销售线索错过跟进窗口，客户投诉在文件夹里躺了三天，而你还在手动给邮件打标签。

n8n社区最近流传的一套工作流，用开源自动化平台搭了一套AI邮件分拣系统。零订阅费、可自托管、生产环境能跑。核心逻辑像急诊室分诊：触发→提取→分类→分流→执行。

第一步：让邮件自己敲门

工作流起点是IMAP邮件触发节点。n8n会按设定频率轮询邮箱——销售团队建议1-2分钟，内部运营5-10分钟足够。

触发后输出的对象包含发件人、主题、纯文本正文和HTML版本。这里有个细节：HTML邮件的样式代码会干扰后续AI判断，必须先剥离。

代码节点负责清洗：去掉标签、压缩空白、截断到3000字符。这个硬截断不是偷懒，是成本控制——LLM按token计费，签名档和冗长往来记录直接烧预算。

清洗后的结构化数据包括消息ID、发件人、主题、正文、日期和附件标记，进入下一阶段。

第二步：AI当分拣员

OpenAI节点接收清洗后的邮件，运行一段精心设计的提示词。系统角色被设定为"邮件分诊助手"，任务明确：读邮件，标紧急度，指派人，草拟回复。

分类输出四个标签：紧急（Slack告警+标签）、销售线索（CRM录入+自动回复草稿）、支持工单（ ticket系统+草稿）、订阅/垃圾（直接归档）。

这个设计的聪明之处在于不追求一步到位。AI只做它擅长的——理解和分类——执行动作交给n8n的原生节点。既降低幻觉风险，又保留人工复核的入口。

提示词里埋了一个细节：要求AI同时输出"建议回复要点"而非完整邮件。这样既省token，又给人类编辑留空间。毕竟让AI直接发邮件给客户，大多数公司还没这个胆量。

第三步：分流执行

分类结果进入路由节点，四条分支并行处理。紧急邮件走Slack webhook，销售线索同步到CRM并生成待发送草稿，支持请求创建工单，垃圾邮件直接归档。

整个流程的运营成本几乎可以忽略。n8n开源版免费自托管，OpenAI API调用按量付费，一封普通邮件的分类成本约0.001-0.003美元。对比Salesforce Inbox或Front的席位费，规模越大差距越明显。

但省钱不是唯一卖点。更关键的是数据主权——邮件内容不会流经第三方SaaS的解析服务，对金融、医疗等敏感行业是硬性门槛。

生产环境的三个暗坑

社区讨论里，实际部署者反复提到三个陷阱。

第一是发件人伪造。提示词需要加入"检查DKIM/SPF一致性"的指令，否则钓鱼邮件可能骗过AI分类器。n8n的邮件触发节点会暴露原始头信息，这部分数据要喂给AI做交叉验证。

第二是上下文断裂。客户连续三封邮件讨论同一个问题，AI如果每封单独分类，可能把第三封标为"低优先级跟进"。解决方案是在代码节点加入线程ID匹配，把近期往来附加到提示词的"历史上下文"字段。

第三是分类漂移。上线两周后，团队发现"紧急"标签的准确率从92%掉到67%。排查发现是销售团队换了邮件模板，AI没见过的新格式被误判。定期用分类结果做微调训练，或者至少每月review边界案例，是维持精度的必要成本。

一位部署者在GitHub issue里写道："这套系统最大的价值不是省时间，是消除决策疲劳——你打开邮箱时，知道AI已经筛过一遍，剩下的都值得人类注意力。"

这套工作流目前托管在n8n官方模板库，搜索"AI Email Triage"可直接导入。但模板只是骨架，提示词工程、分支逻辑、错误重试机制，每个组织都得根据自己的邮件生态重新调校。

毕竟，没有两个人的收件箱 chaos 是一样的。你的最痛的邮件分类场景是什么——是销售线索漏跟，还是内部审批淹没在抄送里？