AI Agent 幫你管理 Email，用 LLM 打造自動化收件箱的實戰教學

每天花大量時間整理 Email、分類訊息、回覆重複問題，早已成為許多上班族的日常。本文將透過實際打造 Email AI Agent 的案例，帶你了解 AI Agent 與傳統 AI 工具的差異，並一步步示範如何運用 Python、OpenAI API 與 Gmail API，建立一套能自動分類郵件、產生回覆草稿與管理收件流程的智慧系統。同時也將解析背後所需的 Prompt Engineering、API 串接、自動化流程設計等核心技能，讓你掌握 AI Agent 開發的實務應用思維。

為什麼我決定打造一個 Email AI Agent？

我的 Email 困境，一天 50 封信，只有 10 封需要我親自回

每天早上打開電腦，第一件事就是看 Email，學員來信問課程問題、廠商來信談合作、部落格讀者來信問網站診斷、系統自動通知、電子報、還有永遠刪不完的垃圾郵件。最高紀錄一天收過 50 幾封信，但真正需要我親自回覆的，大概只有 10 封。剩下的 40 封，不是不重要，而是不該佔用我的時間。

我開始想一件事：有沒有可能，讓 AI 幫我處理這些重複性的郵件工作？不是那種「自動回覆罐頭訊息」的設定，而是真的能理解郵件內容、幫我分類、甚至幫我擬好回覆草稿的 AI 助手？

答案是：有。而且做起來，比你想像中簡單。這篇文章，就是我實際打造一個 Email AI Agent 的完整過程。我會把步驟拆開，讓你看懂每一個環節在做什麼。

什麼是 AI Agent？跟一般的 AI 回信有什麼不同？

在開始寫程式之前，先弄清楚一個很重要的觀念：AI Agent 是什麼？你可能用過 ChatGPT 幫你回信。你把郵件內容貼進去，下一個 Prompt 說「幫我回這封信」，它就生出一段回覆。這叫「AI 輔助回信」，但 AI Agent 的運作邏輯完全不一樣。

一般 AI 回信 V.S AI Agent 自動化管理

簡單說，AI Agent 是一個被賦予「身份」跟「規則」的 AI，它會自己判斷情況、做出決策、執行任務。 你不需要一封一封信去下指令，它會自己跑完整個流程。而驅動 AI Agent 背後的核心引擎，就是 LLM（Large Language Model，大型語言模型），例如 OpenAI 的 GPT 系列。LLM 負責理解郵件內容、判斷郵件類型、並生成回覆草稿。

如何打造你的第一個 Email AI Agent？

以下是我實際搭建的流程，總共五個步驟。我會用 Python 搭配 OpenAI API 和 Gmail API 來示範，但核心邏輯適用於任何開發語言。

步驟一：設定 Gmail API，讓程式可以讀取你的收件箱

首先，你需要讓你的程式「拿到信箱的鑰匙」。

1. 前往 Google Cloud Console，建立一個新專案
2. 啟用 Gmail API
3. 建立 OAuth 2.0 憑證，下載 credentials.json
4. 安裝 Python 的 Google 客戶端套件：pip install google-auth google-auth-oauthlib google-auth-httplib2 google-api-python-client
5. 以下是取得 Gmail 服務連線的基本程式碼：
    

小提醒：第一次執行時，瀏覽器會跳出 Google 授權頁面，點擊同意後，程式就能存取你的 Gmail 了。

步驟二：定義 AI Agent 的身份與規則

你不能只跟 LLM 說「幫我回信」。你必須給它一個明確的「身份」和「判斷規則」。以下是我設計的 Prompt 範例：

附註：在 Prompt 中設定身份，是影響 LLM 回覆品質的關鍵技巧。

這裡的身份設定是根據我真實的角色—拉菲斯AI創辦人。我經營的拉菲斯AI專門幫企業做網站獲利診斷，找出「有流量但沒訂單」的技術問題。如果你好奇為什麼一個網站架構師要自己寫 AI Agent 來管理 Email，我在拉菲斯專欄有寫一篇完整的心得分享：我用 AI Agent 管理 Email 之後，開始思考一件事：網站營運也該這樣做

這段 Prompt 的設計重點：

• 身份設定讓 LLM 知道自己是誰、服務誰，這會大幅影響回覆語氣。
• 分類規則讓 Agent 不是每封信都回，而是先判斷再行動。
• 安全邊界告訴 LLM 什麼不能做（不編造資訊、不代做承諾），這在職場實戰中非常重要。

步驟三：讀取最新郵件，並呼叫 LLM 進行分類

現在把步驟一和步驟二串起來。寫一個函式，讀取收件箱中最近 5 封未讀郵件，傳給 LLM 進行分類：

步驟四：根據分類結果，決定下一步行動

LLM 回傳分類結果後，你的 Agent 就要根據不同類型執行對應動作：

在職場實戰中，我建議初期先不要讓 Agent 直接寄出回覆。先讓它生成草稿，存在「草稿匣」等你確認。跑個一兩週，確認判斷準確度夠高之後，再開放自動寄出。

步驟五：設定定時排程，讓 Agent 自己運轉

最後一步，讓整個流程自動化。你可以用最簡單的 time.sleep() 或使用 schedule 套件：

到這裡，你的 Email AI Agent 就正式上線了。它會每 15 分鐘掃描一次收件箱，自動分類、自動回覆可處理的郵件、並針對緊急郵件通知你。

這套流程的核心：AI Agent 應用開發工程師的必備技能

看完上面五個步驟，你可能會想：「這好像不只是寫一個 Prompt 而已？」沒錯，真正能落地的 AI Agent 應用，背後需要整合好幾項關鍵技能：

這些技能，正是 AI Agent 應用開發工程師課程的核心實作主軸。在課程中，你不只會學到理論，而是會從零開始，親手打造好幾個像這樣的 AI Agent 專案。Email 管理只是其中一個應用場景，同樣的思維還可以延伸到客服自動化、數據分析、甚至網站營運管理。

LLM 是引擎，AI Agent 是方向盤。課程教你的，就是怎麼把這兩樣東西組裝起來，讓它真正上路。

Email AI Agent 常見問題

看到這裡，你可能已經對 Email AI Agent 的運作方式有了基本概念，但實際導入時，仍會遇到許多常見疑問，例如 AI 是否會誤判郵件內容、沒有程式基礎能不能學習、如何兼顧隱私安全，以及 AI Agent 是否能延伸到更多工作場景。以下整理出讀者最常提出的問題，幫助你更全面了解 AI Agent 的實務應用與導入重點。

Q1：這個 AI Agent 會不會亂回信，害我得罪客戶？

A1：這是最多人擔心的問題。解法有兩個：第一，初期一定要設定為「只存草稿不直接寄出」，讓你有機會審核每一封回覆。第二，在 Prompt 中設定嚴格的安全邊界（如不代做承諾、不編造資訊）。我自己跑了兩週之後，分類準確率大約九成以上，才逐步開放自動寄出功能。

Q2：我沒有寫程式的基礎，也可以學會做 AI Agent 嗎？

A2：可以。上面展示的程式碼是給有程式背景的讀者參考，但在 AI Agent 應用開發工程師課程中，我們會從基礎開始教起。課程設計的邏輯是：先教你讀懂程式碼、再教你改寫、最後才讓你從零開始寫。很多學員一開始也是零基礎，結訓時都能獨立完成自己的 AI Agent 專案。

Q3：這個 Email AI Agent 可以同時管理多個信箱嗎？

A3：可以。只要在 Gmail API 的授權流程中，分別取得不同信箱的授權憑證，程式端就可以切換不同的 service 物件來讀取不同信箱。對於需要同時管理公司信箱、個人信箱、客服信箱的人來說，這是非常實用的功能。

Q4：用 LLM 處理郵件，會不會有隱私或機密外洩的問題？

A4：這是個重要的問題。當你呼叫 OpenAI API 時，郵件內容會被傳送到 OpenAI 的伺服器進行處理。如果你處理的是高度機密的商業郵件，建議使用企業版 API（可關閉資料記錄功能），或採用本地部署的開源 LLM（如 Llama 3 等）。

Q5：課程中實作的 AI Agent，只能用在 Email 管理嗎？

A5：遠遠不止。Email 管理只是 AI Agent 的其中一個應用場景。同樣的「分類 → 判斷 → 執行 → 通知」架構，可以套用在客服系統、訂單處理、網站監控、數據分析報表生成等各種職場場景。