10分钟搭好 Dify.AI 邮件分类工作流零代码实操教程【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify每天两百多封邮件涌进收件箱客户咨询、内部通知、促销广告搅在一起。下面这套工作流在 Dify.AI 里跑起来后每天下班前系统已经自动完成分拣客户咨询打上标签转给客服商务合作推给销售垃圾邮件直接进垃圾箱。本文用 Dify.AI 的邮件分类能力走一遍零代码配置全程不超过 10 分钟。项目速览Dify.AI 是一个开源的大语言模型LLM应用开发平台本文只用它的两块能力内置的 RAG 引擎检索增强生成让模型结合上下文理解文本负责读懂邮件内容可视化工作流引擎负责把拉取—分类—处理串成流水线。环境与前置准备完成服务部署仓库地址https://gitcode.com/GitHub_Trending/di/dify按 Docker 部署文档 里的docker-compose.yaml把服务跑起来创建管理员账号并登录控制台拿到邮件服务器的 IMAP邮件收取协议访问凭证服务器地址、账号、授权码应用专用密码不是登录密码Dify 由 API、前端、队列 worker、向量库等多个容器组成compose 文件里已预置好直接启动即可services: api: environment: IMAP_HOST: imap.example.com IMAP_PORT: 993 接入邮件数据源操作路径控制台进入【数据管理】→【数据源】→【新建数据源】类型选【邮件服务器】填入服务器地址imap.example.com、端口993SSL 加密、账号和授权码再设置拉取频率。达成效果Dify 通过 RAG Pipeline数据处理管道按周期自动拉取邮件并解析正文你不用管解析细节。易踩的坑授权码填成登录密码是最常见错误连接测试报认证失败时先检查这里拉取频率建议 5~15 分钟设太短既容易重复拉取也增加邮件服务器压力⏰ 建一条定时运行的分类工作流操作路径【应用管理】→【新建应用】选【工作流】类型在工作流编辑器里依次添加三个节点——定时触发器选【定时触发】设为每小时执行一次、邮件拉取连接上一步的数据源、文本分类配置分类标签。达成效果到点自动开工邮件拉进来就进分类不需要人工点击。易踩的坑节点之间要用连线串成完整链路断开的节点不会执行分类节点的输出变量要连到后续分支节点否则结果传不下去。 给邮件定义四类标签和判断词操作路径在分类节点中配置标签与判断关键词本文的基线配置如下按你的业务自行增删{ categories: [ {id: support, name: 客户支持, keywords: [问题, 帮助, 支持, 故障]}, {id: business, name: 商务合作, keywords: [合作, 报价, 合同, 方案]}, {id: internal, name: 内部沟通, keywords: [汇报, 会议, 通知, 安排]}, {id: spam, name: 垃圾邮件, keywords: [促销, 优惠, 免费, 广告]} ] }达成效果每封邮件都会命中一个分类标签后续处理就按标签走。易踩的坑关键词是命中即倾向该分类的弱信号真正拿不准的邮件会交给 LLM 结合语义判断所以关键词宁少勿滥堆一堆近义词反而互相干扰。 配置自动处理分支操作路径在分类节点后添加【条件分支】节点为每个分类挂一条处理规则客户支持加标签并转发到supportexample.com商务合作保存到共享文件夹并通知销售团队垃圾邮件标记为垃圾并移入垃圾箱达成效果分类结果直接变成动作人只需要处理例外情况。易踩的坑转发、通知这类动作依赖 Dify 的插件系统对应插件未安装时分支会执行失败配置完先点右上角的【试运行】按钮验证一遍别等定时触发后才发现。✅ 跑通测试并持续调优操作路径发布前进入【测试】→【模拟数据】粘贴不同真实邮件验证分类把误分类案例记下来从三个方向修补关键词、调分类描述、给分类节点的提示词加排除规则如来自 marketing 的邮件一律归入垃圾邮件。达成效果上线前把已知误判清零。RAG 的段落索引文本切块与向量化检索机制会随处理量增加持续优化解析效果准确率是越跑越高的。易踩的坑别只测标准样例拿几封标题党、多主题混杂的真实邮件过一遍误判大多藏在这种邮件里。进阶玩法关键信息提取在工作流末端追加 LLM 节点从邮件中结构化抽出日期、金额、联系人直接进报表。情绪分析追加情绪判定节点负面反馈的邮件提高转发优先级客户投诉不再被淹没。自动回复草稿对高频咨询问题让模型生成标准回复草稿人工确认后再发出省掉重复打字。常见问题速查问IMAP 连不上测试连接报认证失败 答九成是把邮箱登录密码填进了授权码位置换成应用专用密码并确认端口 993、开启 SSL。问分类不准怎么办 答先给关键词分类补词仍不准就把判断逻辑改为提示词描述让 LLM 按语义判断再配排除规则挡掉特例。问拉取频率设多长合适 答5~15 分钟起步。设太短会重复拉取并加重邮件服务器压力实时性需求高再往下调。问转发、通知这些动作为什么执行失败 答这些动作依赖插件系统先确认对应插件已安装在试运行面板看具体错误信息定位。问为什么运行一段时间后准确率自己提升了 答段落索引会随处理量自动优化文本解析属于 RAG 引擎的正常表现。写在最后10 分钟搭好的零代码邮件分类工作流剩下的时间都可以留给邮件里真正重要的事。项目仓库https://gitcode.com/GitHub_Trending/di/difyDocker 部署指南docker/README.md部署配置在docker/docker-compose.yaml进阶部署文档docs/ADVANCED_SETUP.mdRAG Pipeline API 文档sdks/README.md项目说明README.md【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
10分钟搭好 Dify.AI 邮件分类工作流零代码实操教程【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify每天两百多封邮件涌进收件箱客户咨询、内部通知、促销广告搅在一起。下面这套工作流在 Dify.AI 里跑起来后每天下班前系统已经自动完成分拣客户咨询打上标签转给客服商务合作推给销售垃圾邮件直接进垃圾箱。本文用 Dify.AI 的邮件分类能力走一遍零代码配置全程不超过 10 分钟。项目速览Dify.AI 是一个开源的大语言模型LLM应用开发平台本文只用它的两块能力内置的 RAG 引擎检索增强生成让模型结合上下文理解文本负责读懂邮件内容可视化工作流引擎负责把拉取—分类—处理串成流水线。环境与前置准备完成服务部署仓库地址https://gitcode.com/GitHub_Trending/di/dify按 Docker 部署文档 里的docker-compose.yaml把服务跑起来创建管理员账号并登录控制台拿到邮件服务器的 IMAP邮件收取协议访问凭证服务器地址、账号、授权码应用专用密码不是登录密码Dify 由 API、前端、队列 worker、向量库等多个容器组成compose 文件里已预置好直接启动即可services: api: environment: IMAP_HOST: imap.example.com IMAP_PORT: 993 接入邮件数据源操作路径控制台进入【数据管理】→【数据源】→【新建数据源】类型选【邮件服务器】填入服务器地址imap.example.com、端口993SSL 加密、账号和授权码再设置拉取频率。达成效果Dify 通过 RAG Pipeline数据处理管道按周期自动拉取邮件并解析正文你不用管解析细节。易踩的坑授权码填成登录密码是最常见错误连接测试报认证失败时先检查这里拉取频率建议 5~15 分钟设太短既容易重复拉取也增加邮件服务器压力⏰ 建一条定时运行的分类工作流操作路径【应用管理】→【新建应用】选【工作流】类型在工作流编辑器里依次添加三个节点——定时触发器选【定时触发】设为每小时执行一次、邮件拉取连接上一步的数据源、文本分类配置分类标签。达成效果到点自动开工邮件拉进来就进分类不需要人工点击。易踩的坑节点之间要用连线串成完整链路断开的节点不会执行分类节点的输出变量要连到后续分支节点否则结果传不下去。 给邮件定义四类标签和判断词操作路径在分类节点中配置标签与判断关键词本文的基线配置如下按你的业务自行增删{ categories: [ {id: support, name: 客户支持, keywords: [问题, 帮助, 支持, 故障]}, {id: business, name: 商务合作, keywords: [合作, 报价, 合同, 方案]}, {id: internal, name: 内部沟通, keywords: [汇报, 会议, 通知, 安排]}, {id: spam, name: 垃圾邮件, keywords: [促销, 优惠, 免费, 广告]} ] }达成效果每封邮件都会命中一个分类标签后续处理就按标签走。易踩的坑关键词是命中即倾向该分类的弱信号真正拿不准的邮件会交给 LLM 结合语义判断所以关键词宁少勿滥堆一堆近义词反而互相干扰。 配置自动处理分支操作路径在分类节点后添加【条件分支】节点为每个分类挂一条处理规则客户支持加标签并转发到supportexample.com商务合作保存到共享文件夹并通知销售团队垃圾邮件标记为垃圾并移入垃圾箱达成效果分类结果直接变成动作人只需要处理例外情况。易踩的坑转发、通知这类动作依赖 Dify 的插件系统对应插件未安装时分支会执行失败配置完先点右上角的【试运行】按钮验证一遍别等定时触发后才发现。✅ 跑通测试并持续调优操作路径发布前进入【测试】→【模拟数据】粘贴不同真实邮件验证分类把误分类案例记下来从三个方向修补关键词、调分类描述、给分类节点的提示词加排除规则如来自 marketing 的邮件一律归入垃圾邮件。达成效果上线前把已知误判清零。RAG 的段落索引文本切块与向量化检索机制会随处理量增加持续优化解析效果准确率是越跑越高的。易踩的坑别只测标准样例拿几封标题党、多主题混杂的真实邮件过一遍误判大多藏在这种邮件里。进阶玩法关键信息提取在工作流末端追加 LLM 节点从邮件中结构化抽出日期、金额、联系人直接进报表。情绪分析追加情绪判定节点负面反馈的邮件提高转发优先级客户投诉不再被淹没。自动回复草稿对高频咨询问题让模型生成标准回复草稿人工确认后再发出省掉重复打字。常见问题速查问IMAP 连不上测试连接报认证失败 答九成是把邮箱登录密码填进了授权码位置换成应用专用密码并确认端口 993、开启 SSL。问分类不准怎么办 答先给关键词分类补词仍不准就把判断逻辑改为提示词描述让 LLM 按语义判断再配排除规则挡掉特例。问拉取频率设多长合适 答5~15 分钟起步。设太短会重复拉取并加重邮件服务器压力实时性需求高再往下调。问转发、通知这些动作为什么执行失败 答这些动作依赖插件系统先确认对应插件已安装在试运行面板看具体错误信息定位。问为什么运行一段时间后准确率自己提升了 答段落索引会随处理量自动优化文本解析属于 RAG 引擎的正常表现。写在最后10 分钟搭好的零代码邮件分类工作流剩下的时间都可以留给邮件里真正重要的事。项目仓库https://gitcode.com/GitHub_Trending/di/difyDocker 部署指南docker/README.md部署配置在docker/docker-compose.yaml进阶部署文档docs/ADVANCED_SETUP.mdRAG Pipeline API 文档sdks/README.md项目说明README.md【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
