标准回答
给足上下文再生成
自动回复的质量取决于上下文。把来信原文、这条会话的历史往来、相关知识库（产品政策、FAQ）一起给模型，让它基于事实起草，而不是泛泛客套。缺上下文就容易答非所问或编造承诺。
约束输出风格
在 prompt 里固定：语气（正式/友好）、长度（简短/详细）、立场边界（不要替公司做超出权限的承诺）。可以提供几个标准回复范例做 few-shot，让风格对齐团队规范。
人在回路是底线
产品形态应该是「AI 起草 → 用户审阅/编辑 → 发送」。绝不能自动发出去——模型可能误解意图、口吻不当、泄露不该说的信息。给用户「采纳/重写/换语气」按钮迭代。
风险分级
普通问候、信息确认类可以高度自动化；涉及金额、合同、投诉、对外承诺的，强制人工确认，甚至禁止 AI 直接生成最终版。隐私信息要做脱敏，别把敏感数据喂给外部模型。
常见误区
⚠️ 常见踩坑
让 AI 全自动收发邮件，一旦它误判意图或编造了一个不存在的承诺直接发出，后果难收拾；以及把含客户隐私的往来直接发给外部大模型，造成数据合规问题。
追问
追问 1：怎么让回复符合公司规范、不乱承诺超出权限的事？
两层约束：prompt 层写明「不得承诺折扣/退款/交付时间，遇到这类需求引导转人工」；输出层做后处理校验，命中敏感词（价格、保证、赔偿）的草稿打标提醒人工重点检查。再配 few-shot 标准话术让模型学到边界。
追问 2：同一封来信，怎么支持「换个语气重写」这类需求？
把原始草稿 + 用户指令（「更正式一点」「更简短」「更委婉拒绝」）重新发给模型迭代。保留会话上下文，让多轮改写连贯。这是邮件助手最高频的真实操作——第一稿往往只是起点，要把重写做得顺手。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。