邮件智能体产品系统Vibe Coding

1. 立项原因（解决的产品痛点）
在现代企业办公中，电子邮件是信息传递与任务部署的核心工具。然而，员工普遍面临“信息超载”与“任务管理混乱”的痛点：
首先，涉及具体待办、督办安排的任务类邮件，往往与系统通知、普通沟通等邮件混杂，员工需耗费大量时间进行人工筛选；其次，任务的跟进与状态流转高度依赖人工记录与脑力记忆，缺乏直观的进度追踪机制；最后，散落在各个邮件夹内的待处理事项极易被遗漏或延误，导致跨部门协同效率低下、业务推进受阻。本项目立项旨在打破这一僵局，将非结构化的杂乱邮件自动转化为结构化、可视化的任务清单。

2. 行业场景与业务背景
本项目聚焦于中大型企业（如金融、银行等对数据敏感的机构）的内部办公场景。在当前大语言模型（LLM）技术爆发的背景下，企业迫切希望利用 AI 技术赋能现有办公系统，但在实际落地中存在诸多限制：一是必须保障内网数据安全（禁止敏感数据外泄）；二是不能对现有核心邮件系统的性能造成冲击。
基于此背景，本项目作为邮件系统与 AI 大模型之间的“智能中间件”，通过旁路分析、夜间闲时离线处理等工程手段，在不触碰现有邮箱系统侵入性改造的前提下，为员工提供个人维度的“待办与督办”智能助手，极大降低了员工的任务管理认知负担，赋能企业数字化办公转型。

1. 具体功能模块
本项目是一个完整的前后端分离系统，主要包含两大核心模块：

邮件任务助理（Task Assistant）：提供直观的任务看板/列表视图。支持按任务优先级、截止时限、对接人等多维度条件进行筛选及排序。
系统与策略管理（System Management）：提供细粒度的权限配置、大模型 Prompt 模板管理以及系统资源调度规则配置。
2. 主要功能描述

AI 智能抽取与归类：系统通过对接 IMAP 协议自动拉取邮件，综合分析邮件标题、收发件人及正文，准确识别并提取任务摘要、任务类型（待办/督办）、对接人、优先级、创建时间及完成时限。
任务进度自动追踪：自动监测原邮件的后续往来记录（Reply/Forward），借助大模型分析最新沟通进展，并自动驱动任务状态流转（如：从“进行中”变更为“已完成”）。
动态提示词与自定义类型：系统内置标准的待办/督办识别逻辑，同时赋予用户高度的自由度——用户可自定义特定工作流的任务类型（如“需求评审”、“会议纪要”），并为该类型绑定专属的 AI 提示词（Prompt），系统自动应用兜底机制（系统默认 -> 用户自定义）。
手动溯源与人工介入：支持用户通过 Message-ID 精确调取历史邮件进行单次 AI 回溯分析；分析结果支持人工二次编辑、状态校准及误报剔除。
自动化运维守护：内置闲时批处理机制，每日定时清理或归档过期的 EML 邮件碎片（限制保留最近 1000 封），在保障业务回溯的同时严格控制服务器磁盘水位。

1. 负责的具体任务
作为该项目的核心开发者，我独立承担了全栈开发与工程化部署任务，具体包括：

架构设计：设计前后端分离架构，规划数据库模型与大模型集成方案。
后端开发：基于 FastAPI 实现高性能异步接口，开发 IMAP 邮件解析、大模型调度、定时任务批处理等核心服务。
前端开发：基于 Vue 3 + Element Plus 开发高交互的任务看板与配置后台。

2. 技术栈与架构
前端技术：Vue 3 (Composition API)、TypeScript、Vite、Pinia、Element Plus。
后端技术：Python 3.10+、FastAPI、SQLAlchemy (Async)、MySQL 8。
AI 与基础设施：OpenAI SDK、Docker 容器化栈、Nginx 反向代理。
3. 实现亮点与难点突破

亮点 - 高可用 AI 调度架构：针对 LLM 服务可能出现的波动，设计了“多级回退机制（Fallback）”。主用模型调用超时或失败时，系统能够无缝降级至备用模型，保障业务连续性。
亮点 - 高并发与无感旁路设计：为满足“响应时间≤1秒及并发分析”的验收要求，后端全面采用全异步（Asyncio + Async SQLAlchemy）架构；同时设计了“凌晨闲时批量抓取分析”的工作流，彻底阻断了高频请求对企业核心邮件系统的性能冲击。
难点 - 非结构化数据的精准量化：不同发件人的书写习惯千差万别。通过进行大量的 Prompt Engineering（提示词工程），引入思维链（CoT）让模型先解析邮件意图再输出结构化 JSON，成功将复杂邮件要素（隐含的截止日期、多对接人职责划分）的提取准确率提升并稳定在 99% 以上。