Dify零代码实战30分钟搭一个会分类、会回信的邮件管家【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早上九点打开收件箱40分钟耗在筛选、分类、回复邮件上——这是很多职场人的日常。Dify 可以接管这部分工作它是一个开源的 LLM 应用开发平台提供可视化工作流和内置 RAG 引擎让你不写一行代码就能搭出一个自动识别邮件主题、分流重要事项、基于知识库自动回复的邮件管家。下面这份教程把整个过程拆成四个目标每个都能独立验收。3分钟把 Dify 跑起来 先确认机器上有 Docker 和 Docker Compose内存建议不低于 4GB。然后克隆仓库并启动git clone https://gitcode.com/GitHub_Trending/di/dify cd dify/docker docker compose up -d容器起来大约需要 2-3 分钟。浏览器打开 http://localhost:3000看到登录界面就算成功。整个系统由 Web 前端、API、工作队列、Postgres 数据库和向量库组成启动后它们会自动完成服务发现你不需要手动接线Dify 的 docker 部署架构请求经 nginx 分发到 Web 与 API数据落库到 Postgres 和向量库建一个懂邮件的对话应用登录进入 Studio创建一个新应用注意两个选择类型选Chatflow带工作流的对话应用命名为邮件管家在右侧 Features 面板打开File Upload方便后续直接粘贴/上传邮件全文做调试Dify 的应用编排界面INSTRUCTIONS 区写人设右侧逐项开启文件上传等能力界面跑起来之后接下来让它认识邮件内容。让系统读懂一封邮件 ✉️在画布上拖入Start节点把入参定义成一封结构化的邮件四个变量直接对应邮件字段变量名类型含义from_emailString发件人地址subjectString邮件主题contentString正文timestampString发送时间邮件从哪来在 Tools 里加一个HTTP Request节点指向你的邮件网关 webhook或者先用手输 JSON 测试。拿到原始字段后接一个Parameter Extractor节点兜底清洗——就算发件人把正文和签名混在一起它也能按你设定的规则把四个字段规整出来。工作流画布左侧节点面板包含 Question Classifier、Parameter Extractor 等右侧可实时查看 Test Run 的输入输出重要邮件自动分流常规问题自动回复这是整个管家的核心两个节点各管一件事。分流靠 Question Classifier。给它配三类规则LLM 会根据主题和正文把邮件归位工作相关 → 标记重要触发转发/提醒促销、营销类 → 归档促销可疑链接、中奖通知 → 标记垃圾邮件回复靠 LLM 知识库。在 LLM 节点里写一段系统提示词把变量插进模板您好关于{{subject}}回复如下{{answer}}。 如有其他问题请随时联系。想让{{answer}}有据可依就在 LLM 节点前挂一个Knowledge Retrieval节点指向你上传的 FAQ 文档。检索、切块、重排这套逻辑都在 api/core/rag/ 里实现——你不需要理解细节只要把公司常见问题导出成 PDF 或 Markdown 传进知识库回复质量会立刻从泛泛而谈变成照着文档答。知识库管道文件上传、文档提取、通用切块节点依次串联右侧 Test Run 实时反馈处理进度点两次按钮试运行与发布配置完先别急着上线点右上角RunTest Run在输入框粘一封真实邮件 JSON顺着节点看每一步的输入输出——分类对不对、回复有没有引用知识库结果符合预期点Publish拿到 API 地址后就能把 webhook 正式接进来三个小升级越用越顺手上线之后有三个低成本改造值得做定期清旧邮件用 Dify 的定时触发能力跑一个清理工作流自动归档 30 天前的对话记录多语言邮件LLM 节点换成支持多语的模型即可配置逻辑见 api/core/llm_generator/适合处理海外客户来信复盘处理数据邮件走了哪条分支、花了多少 token都可以通过 api/extensions/logstore/ 落日志方便你按月分析哪类邮件最多30 分钟换来的是一套会自己干活的邮件管线分流、回复、归档都自动完成你只管处理被标记为重要的那几封。配置都验证无误的话现在就克隆仓库把第一封测试邮件丢进去试试。【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 Dify零代码实战：30分钟搭一个会分类、会回信的邮件管家
Dify零代码实战30分钟搭一个会分类、会回信的邮件管家【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早上九点打开收件箱40分钟耗在筛选、分类、回复邮件上——这是很多职场人的日常。Dify 可以接管这部分工作它是一个开源的 LLM 应用开发平台提供可视化工作流和内置 RAG 引擎让你不写一行代码就能搭出一个自动识别邮件主题、分流重要事项、基于知识库自动回复的邮件管家。下面这份教程把整个过程拆成四个目标每个都能独立验收。3分钟把 Dify 跑起来 先确认机器上有 Docker 和 Docker Compose内存建议不低于 4GB。然后克隆仓库并启动git clone https://gitcode.com/GitHub_Trending/di/dify cd dify/docker docker compose up -d容器起来大约需要 2-3 分钟。浏览器打开 http://localhost:3000看到登录界面就算成功。整个系统由 Web 前端、API、工作队列、Postgres 数据库和向量库组成启动后它们会自动完成服务发现你不需要手动接线Dify 的 docker 部署架构请求经 nginx 分发到 Web 与 API数据落库到 Postgres 和向量库建一个懂邮件的对话应用登录进入 Studio创建一个新应用注意两个选择类型选Chatflow带工作流的对话应用命名为邮件管家在右侧 Features 面板打开File Upload方便后续直接粘贴/上传邮件全文做调试Dify 的应用编排界面INSTRUCTIONS 区写人设右侧逐项开启文件上传等能力界面跑起来之后接下来让它认识邮件内容。让系统读懂一封邮件 ✉️在画布上拖入Start节点把入参定义成一封结构化的邮件四个变量直接对应邮件字段变量名类型含义from_emailString发件人地址subjectString邮件主题contentString正文timestampString发送时间邮件从哪来在 Tools 里加一个HTTP Request节点指向你的邮件网关 webhook或者先用手输 JSON 测试。拿到原始字段后接一个Parameter Extractor节点兜底清洗——就算发件人把正文和签名混在一起它也能按你设定的规则把四个字段规整出来。工作流画布左侧节点面板包含 Question Classifier、Parameter Extractor 等右侧可实时查看 Test Run 的输入输出重要邮件自动分流常规问题自动回复这是整个管家的核心两个节点各管一件事。分流靠 Question Classifier。给它配三类规则LLM 会根据主题和正文把邮件归位工作相关 → 标记重要触发转发/提醒促销、营销类 → 归档促销可疑链接、中奖通知 → 标记垃圾邮件回复靠 LLM 知识库。在 LLM 节点里写一段系统提示词把变量插进模板您好关于{{subject}}回复如下{{answer}}。 如有其他问题请随时联系。想让{{answer}}有据可依就在 LLM 节点前挂一个Knowledge Retrieval节点指向你上传的 FAQ 文档。检索、切块、重排这套逻辑都在 api/core/rag/ 里实现——你不需要理解细节只要把公司常见问题导出成 PDF 或 Markdown 传进知识库回复质量会立刻从泛泛而谈变成照着文档答。知识库管道文件上传、文档提取、通用切块节点依次串联右侧 Test Run 实时反馈处理进度点两次按钮试运行与发布配置完先别急着上线点右上角RunTest Run在输入框粘一封真实邮件 JSON顺着节点看每一步的输入输出——分类对不对、回复有没有引用知识库结果符合预期点Publish拿到 API 地址后就能把 webhook 正式接进来三个小升级越用越顺手上线之后有三个低成本改造值得做定期清旧邮件用 Dify 的定时触发能力跑一个清理工作流自动归档 30 天前的对话记录多语言邮件LLM 节点换成支持多语的模型即可配置逻辑见 api/core/llm_generator/适合处理海外客户来信复盘处理数据邮件走了哪条分支、花了多少 token都可以通过 api/extensions/logstore/ 落日志方便你按月分析哪类邮件最多30 分钟换来的是一套会自己干活的邮件管线分流、回复、归档都自动完成你只管处理被标记为重要的那几封。配置都验证无误的话现在就克隆仓库把第一封测试邮件丢进去试试。【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