Email 自動化工作流：自動分類、回覆、跟進、整理待辦，收件匣自己顧

你每天打開收件匣，是不是常常這樣：滑了二十封信，真正需要你動腦的只有兩封，其餘都是發票、推銷、會議確認和「收到請回覆」？更糟的是，重要的客戶詢價被淹在裡面，等你發現已經過了三天。

這篇要解決的問題：怎麼打造一條 Email 自動化工作流，讓收件匣自動分類、自動草擬回覆、自動追蹤沒回的信、自動把該做的事變成待辦。 適合誰讀：每天被 Email 綁架的業務、客服、行政、創業者與中小企業團隊，零基礎到中階都能上手。 讀完你會得到：一套可照做的五步驟流程、一個可複製的分類與回覆 Prompt、一張完整的 Workflow 流程圖，以及一個台灣中小企業導入前後的真實對照。

為什麼你需要 Email 自動化工作流

先講一個容易被忽略的事實：處理 Email 的成本，不只是「花掉的時間」，更是「被打斷的專注力」。研究普遍指出，一次工作被打斷後，平均要花二十分鐘以上才能重新進入深度狀態。如果你一天被信件打斷十次，等於把一整個上午切成碎片。

更現實的問題是這三種「漏接」：

• 漏接機會：客戶詢價信被推銷信淹沒，等回覆已經被同業搶先。
• 漏接跟進：報價寄出去就沒下文，因為你忘了哪些信對方還沒回。
• 漏接待辦：信裡寫著「下週三前提供資料」，但你關掉視窗就忘了。

人工處理這三件事，靠的是記性與意志力，而記性與意志力正是最不可靠的東西。Email 自動化的價值，不是「讓 AI 幫你回所有信」，而是把規律、重複、容易遺漏的部分交給系統，讓你只專注在真正需要判斷的那兩封信上。

這也是它和「叫 AI 寫一封信」最大的差別。寫信是一次性任務，工作流是一條長期運作、自動觸發的流水線。理解這個區別，你才不會把自動化做成「換個地方手動」。

核心概念：把收件匣想成一條輸送帶

很多人對 Email 自動化的想像是「一個會自動回信的機器人」，這個想像會害你做錯。比較準確的比喻是：把收件匣想成工廠的輸送帶，每封信都是一個包裹，沿著輸送帶經過幾個工作站，被貼標籤、分流、處理、最後送到正確的地方。

一封信進來後，會經過四個工作站：

這張表藏著一個重要原則：不可逆的動作（對外寄信、刪除）要留給人確認，可逆的動作（貼標籤、建草稿、加待辦）才放心交給機器。 整條工作流的安全感，就建立在這條界線上。

另一個核心概念是「分類靠兩層」。第一層是硬規則——寄件人網域、關鍵字、是否在通訊錄，用程式邏輯就能判斷，快又便宜。第二層是 AI 語意判斷——把規則篩不出來的信丟給 AI，讓它讀懂內容、判斷意圖。兩層搭配，既省成本又準確，這是這套工作流的引擎。想更深入理解 AI 如何在工作流中扮演判斷與執行的角色，可以延伸閱讀 AI Agent 是什麼？。

實際教學：五步驟打造你的 Email 自動化工作流

下面這五步是一條可以直接照做的路徑。建議第一輪先把範圍縮到「一個信箱、五類信」，跑順了再擴大，別一次想吃下所有情境。

Step 1：盤點你的信件類型

打開過去一週的收件匣，把信件分成 5 到 7 類。對台灣中小企業來說，常見的分類是：

• 客戶詢價／訂單（最高優先，要快速回覆）
• 發票／請款／對帳（轉給會計或自己處理）
• 會議邀約／行程確認（轉成行事曆事件）
• 內部通知（讀過即可，不必回）
• 推銷／電子報（自動歸檔或封存）
• 客訴／售後（高優先，要謹慎回覆）

這一步是整條工作流的地基。分類定義得越清楚，後面每一站都越好做。一個實用技巧：每一類各找 3 封代表信，貼進文件裡，當作你之後測試 AI 分類準不準的「考題」。

Step 2：設計自動分類規則

接著替每一類訂出「怎麼認出它」的規則，分兩層寫：

• 硬規則：來自 @發票系統網域 的歸「發票」；標題含「報價」「詢價」「想請問」的歸「客戶詢價」；寄件人在通訊錄且為內部同事的歸「內部通知」。
• AI 語意規則：剩下篩不出來的信，交給 AI 判斷意圖（詳見下面的 Prompt 範例）。

在 Gmail 裡，硬規則可以直接用「篩選器」加「標籤」完成；需要 AI 判斷的部分，則透過 MCP 或 Zapier／Make／n8n 把信件內容送給 AI 模型處理。記得每一類都對應一個標籤或資料夾，讓收件匣一進來就井然有序。

Step 3：建立回覆草稿

針對「高頻又格式化」的信件類型，讓 AI 用你的語氣草擬回覆。重點有三：

1. 只草擬、不代寄：所有回覆存成 Gmail 草稿，由你過目後送出。
2. 餵語氣範本：把你過去幾封寫得好的回信丟給 AI，請它模仿你的用字與稱呼習慣，避免一看就是 AI 腔。
3. 留空格：金額、日期、具體承諾這類關鍵資訊，讓 AI 留成 【待填】，逼你親自確認，避免它幻想出錯誤數字。

Step 4：設定跟進提醒

這一站最容易被忽略，卻最值錢。邏輯是：對「我寄出去、但對方還沒回」的信，到期自動提醒。

設定方式是替寄出的重要信件打上「待回覆」標記，並記下寄出時間。系統每天掃描一次，超過 3 個工作天還沒收到回信的，就跳出提醒，或依你的模板自動草擬一封禮貌的跟進信。建議跟進最多 2 次就停，避免造成對方困擾。

Step 5：把信件轉成待辦清單

最後一站，把「信裡要求的行動」抽出來變成待辦。讓 AI 讀信後判斷：這封信有沒有要我做的事？若有，抽出動作、截止日、負責人三要素，同步到你的待辦工具（Notion、Todoist、Google Tasks 皆可）。

這一步讓收件匣不再是「隱藏的待辦黑洞」。信件處理完、待辦也建好，你就能安心封存信件，而不是把它留在收件匣當提醒——那正是收件匣爆炸的元兇。

範例：Prompt 與 Workflow

可複製的分類與草擬 Prompt

把下面這段貼進你的自動化工具（Zapier／Make／n8n 的 AI 步驟，或 Gmail 串接的 AI），用每封信的內容當輸入：

你是我的 Email 助理，請依下列規則處理我收到的這封信。

【信件內容】
寄件人：{{寄件人}}
主旨：{{主旨}}
內文：{{內文}}

【任務】
1. 分類：從以下類別選一個最貼切的——
   客戶詢價 / 發票請款 / 會議邀約 / 內部通知 / 推銷電子報 / 客訴售後 / 其他
2. 重要度：依「是否含金額、是否含截止日、是否來自客戶」評為 高/中/低。
3. 是否需回覆：是 / 否。
4. 待辦：若信中有要求我做的事，抽出「動作、截止日、負責人」；沒有則填「無」。
5. 回覆草稿：若需回覆，用以下語氣草擬一封繁體中文回信——
   - 稱呼用「您好」，結尾署名「{{我的名字}}」
   - 語氣禮貌、簡潔、不浮誇
   - 金額、日期、具體承諾一律留成【待填】，不要自行編造

【輸出格式】
分類：
重要度：
是否需回覆：
待辦：
回覆草稿：

這個 Prompt 的設計重點是「結構化輸出」——固定欄位讓後續自動化能精準擷取每個值，分流到對應動作。想更系統地寫出好用的 Prompt，可參考 ChatGPT 提示詞完整指南。

Workflow 流程圖（文字版）

新信件進入收件匣
        ↓
[硬規則篩選] 寄件人 / 關鍵字 / 通訊錄
        ↓
  能直接分類？──── 是 ──→ 貼標籤、歸檔
        │ 否
        ↓
[AI 語意判斷] 跑分類 Prompt
        ↓
   ┌────┴─────┬──────────┬──────────┐
   ↓          ↓          ↓          ↓
需回覆？    有待辦？   重要度高？   是推銷？
   │          │          │          │
  是↓        是↓        是↓        是↓
草擬草稿   建立待辦    標記追蹤    自動封存
（存草稿） （同步工具）（待回覆清單）
   ↓
你過目 → 按送出
   ↓
[跟進站] 3 天未回 → 自動提醒 / 草擬跟進信（最多 2 次）

整條流程的精神是：機器負責分流與草擬，人只負責那一個按下送出的瞬間。 想找更多可直接套用的自動化藍圖，可以逛 工作流知識庫。

常見錯誤

• 一上來就全自動代寄：最危險的做法。AI 偶爾會誤判語氣或數字，一封錯信寄給客戶就難以收回。永遠先從「草擬不代寄」開始。
• 分類太細或太粗：分成 20 類，規則維護到崩潰；只分 2 類，等於沒分。5 到 7 類是甜蜜點。
• 只設規則、從不回頭調整：信件型態會變，季末多發票、活動期多詢價。每兩週看一次「分錯的信」，回頭補規則，準確度才會越來越高。
• 忘了跟進站：很多人做了分類就停手，但「追蹤未回信件」才是直接連到業績的環節，別省掉。
• 待辦不寫截止日：抽出來的待辦若沒有日期，就只是換個地方堆積，等於沒做。

最佳實務

• 不可逆動作留給人：寄信、刪除、付款一律設成人工確認；貼標籤、建草稿、加待辦才全自動。這是整套工作流的安全底線。
• 先窄後寬：第一輪只做一個信箱、五類信，跑順兩週再擴張，別一次想涵蓋所有情境。
• 餵真實範例：給 AI 看你過去寫得好的回信，輸出品質會明顯提升，也更像你本人。
• 保留稽核軌跡：讓系統記錄「哪封信被分到哪類、草擬了什麼」，出錯時能回溯、能改規則。
• 定期體檢：把每週「分錯」「漏接」的案例當教材，持續微調。自動化不是設定一次就完美，而是越養越準。

實際案例：台中一家貿易公司的收件匣翻身

台中一家做機械零件外銷的中小貿易商，業務團隊四人，主要靠 Email 跟國內外客戶往來。

導入前：每位業務每天平均花 90 分鐘整理收件匣——手動把詢價信挑出來、把發票轉給會計、回覆制式的交期詢問。問題不只是耗時：一個月內至少有兩筆海外詢價因為被推銷信淹沒、隔三天才回覆而流失；報價寄出後沒系統追蹤，常常忘了跟進，成交週期被拖長。

導入做法：他們用 Gmail 篩選器加 n8n 串接 AI，照本文五步驟搭起工作流。硬規則先把發票、電子報自動歸檔；詢價與客訴信交給 AI 分類並標記重要度；高頻的「交期詢問」「報價確認」由 AI 草擬回覆存成草稿，業務確認後送出；所有寄出的報價自動進「待回覆清單」，3 天未回自動提醒。

導入後（約六週數據）：

• 每位業務每天處理信件時間從 90 分鐘降到約 30 分鐘，每週省下約 5 小時，四人團隊一個月等於多出 80 小時拿去開發客戶。
• 海外詢價「24 小時內回覆率」從約 6 成提升到 9 成以上，當季因延遲回覆流失的詢價降到零。
• 報價跟進不再靠記性，業務主管反映「該追的單沒有再漏掉」，當季成交件數較前一季成長約兩成。

這個案例的關鍵，不是 AI 多聰明，而是他們守住了「草擬不代寄、不可逆動作留給人」的原則，所以團隊敢用、用得安心，自動化才真正落地。

結論

Email 自動化工作流的核心，從來不是「讓 AI 替你回所有信」，而是把規律、重複、容易漏接的部分交給系統，把你的時間還給真正需要判斷的那兩封信。

記住三個重點：第一，把收件匣想成輸送帶，每封信經過分類、回覆、跟進、待辦四個工作站；第二，分類靠硬規則加 AI 語意判斷兩層搭配，又快又準；第三，不可逆的動作留給人，可逆的動作交給機器，這條界線決定你敢不敢用。

從今天起，先花一個下午盤點你的信件類型、設好基礎分類，再逐步加上草擬與跟進。兩週後你會發現，打開收件匣不再是一場混戰，而是一份已經幫你整理好、標好重點的清單。收件匣，真的可以自己顧。

延伸學習：想了解讓 AI 自動操作工具的底層機制，看 MCP 是什麼？；想直接套用現成藍圖，逛 工作流知識庫；想生成專屬你的自動化配方，試試 Prompt 產生器。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰
• MCP 是什麼？讓 AI 連上你所有工具
• ChatGPT 提示詞完整指南
• 工作流知識庫：可套用的自動化藍圖
• 用 Prompt 產生器生成你的配方