[Python] 如何用 AI Skill 自动生成询盘邮件回复？从开源到部署的实战思路

今天在设计一个 Skill，准备把 AI 的能力融入到我们邮件询盘回复的流程里。
整体逻辑其实不复杂：先在本地把 Skill 开发好，并在项目文件夹下维护好对应的参考资料。
后续一有新的询盘邮件进来，就直接交给 Skill 去整理信息，让它先输出一封回复初稿。

上图是我在开源库里找到的一个初步邮件回复草稿生成项目——Email Drafter。上午初步试用下来，发现它在邮件语气、语调以及上下文衔接上的表现都很不错。
不过，它毕竟是一个通用型邮件草稿生成工具，没法针对我们产品所涉及的定制需求来回复客户，毕竟这里面牵扯到不同的参数与生产工艺。

所以，我现在的想法是：先和业务同事协作，把产品定制过程、生产运输等环节中的内容细节都梳理出来，整理成一份素材库。后续把这些资料当成参考喂给 AI，让它消化之后，再生成的初稿质量应该就能好上一大截。

之所以想花精力做这层优化，主要还是因为团队在邮件文案处理上花的时间太多了——尤其是牵扯到跨语种翻译时，消耗的时间更是成倍增长。
这次的目标就是让 AI 帮我们出一版初步的回复草稿，人工审核没问题之后，再由同事手动回复给客户。毕竟和纯人工相比，AI 在表述专业度和文稿整理上的优势实在太大了。

解决了“需求怎么满足”的问题之后，还得解决“怎么用”的问题。
这次打算开发的是 Skill，这就需要在开发类软件里运行。但我们团队的业务同事并不具备操作这种专业工具的能力，让每个人都安装一套并接受培训，也不太现实。
虽然谷歌浏览器已经内置了 Skill 功能，但免费版用户用不了高版本模式，生成的最终效果还是有差距。

目前的想法是：我部署一个监控任务，只要特定的邮件地址一收到新邮件，就自动触发 Skill 运行，然后把 Skill 输出的文案同步到我们的谷歌表格里。
有了这些同步过来的信息，后面的事就简单了——业务同事根据邮件内容判断 AI 输出的质量，审核其中的定制细节与报价信息，再决定下一步是直接发送，还是需要手工完善。