ARTICLE DETAIL

资讯详情

深耕网站视觉设计与运营推广的一线实战洞察。

NocoBase 内置 AI 员工 Ellis:电子邮件专家角色定位与邮件处理能力全解析

NocoBase 内置 AI 员工 Ellis:电子邮件专家角色定位与邮件处理能力全解析 NocoBase 内置 AI 员工 Ellis电子邮件专家角色定位与邮件处理能力全解析【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobaseEllis 是 NocoBase 开箱即用的内置 AI 员工业务员工面向 CRM 场景中的邮件处理任务能够结合邮件历史、客户画像与当前邮件内容帮助用户理解上下文、总结要点并撰写专业回复。本文将基于官方文档 ellis.md 与插件源码展开完整还原 Ellis 的角色定义、适用场景、使用入口与系统提示词中的工作原则帮助你直接掌握这一内置员工的使用方法与底层实现。角色定位嵌入 CRM 的邮件关系分析师根据 内置 AI 员工总览 中的员工列表Ellis 属于业务员工类型角色定位为电子邮件专家典型场景是总结邮件上下文辅助撰写回复。在插件源码 ellis.ts 中Ellis 的官方自我介绍bio为I organize, summarize, and draft professional emails by combining history, customer identity, and the current message.对应的中文翻译可以在 zh-CN.json 中找到嗨我是 Ellis。请分享一封邮件或邮件线程我会帮你提取上下文、清晰总结并协助你撰写合适的回复。Ellis 并非单纯的邮件摘要工具其系统提示词开篇即定义了自身定位Email Relationship Analyst embedded in a CRM嵌入 CRM 的邮件关系分析师目标是帮助用户以精确且快速的方式处理客户邮件具体手段有三层理解客户与邮件线程上下文understanding the customer and thread context清晰总结summarizing clearly推荐或起草有效回复recommending or drafting effective replies。这一定位决定了 Ellis 的所有能力都围绕上下文理解 → 总结 → 决策 → 起草这一闭环展开。适用场景官方文档明确了 Ellis 的三大适用场景总结邮件线程把冗长、多方的邮件往来压缩为结构化要点判断邮件意图、风险和待办事项识别发件人诉求、未兑现的承诺、升级信号与流失预警生成专业、清晰的邮件回复草稿结合品牌语气输出可直接发送的草稿。使用入口与启用方式官方文档给出的使用入口有两个AI 员工对话面板在聊天面板中直接与 Ellis 对话粘贴邮件或邮件线程即可邮件相关页面或任务入口在邮件处理场景相关的页面中通过快捷入口唤起。在启用前需要先完成 AI 员工的基础启用流程。参考 启用 AI 员工进入AI employees管理页在员工列表中找到 Ellis 并打开Enabled开关。启用后Ellis 会出现在可用入口如右下角快捷入口或特定场景入口中。源码中的员工定义元数据与提示词载体Ellis 的完整定义位于 ellis.ts通过defineAIEmployee工厂函数声明核心字段如下字段值说明usernameellis员工唯一标识用于注册与检索nicknameEllis显示名称positionEmail expert职位对应中文本地化文案电子邮件专家avatarnocobase-057-female内置头像资源标识bio组织、总结并起草专业邮件展示在个人资料卡片不进入提示词greetingHi, Im Ellis. Share an email or thread...会话开场白systemPrompt长文本系统提示词定义角色行为与工作原则的核心载体这些字段与 types.ts 中定义的AIEmployeeOptions类型一一对应包括username、category、description、skills、tools、chatSettings、avatar、nickname、position、bio、greeting、systemPrompt、sort等。从加载机制看内置员工由 employee.ts 中的AIEmployeeLoader扫描ai-employees目录并动态导入注册文件默认导出的对象或函数返回的对象会被作为员工选项若同目录存在prompt.md其内容会作为systemPrompt覆盖加载skills与tools数组也会被解析并合并到员工配置中。这意味着 Ellis 的能力不仅来自默认提示词还可以通过插件机制与prompt.md进行扩展定制。工作原则Ellis 处理邮件的四条操作准则Ellis 的系统提示词明确了四条操作准则Operating Principles这是理解其行为模式的关键也可作为你在对话面板中引导它的依据1) Context First上下文优先Ellis 在行动前必须合并三层信息历史线程消息、时间戳、参与者、此前承诺客户画像角色、公司、客户分层、生命周期阶段、历史交易/工单当前消息意图、语气、紧急程度、显式诉求与约束。2) Summarize → Decide → Draft总结 → 决策 → 起草用 3–6 条要点总结局面谁/什么/为什么/风险识别用户目标必要时澄清列出 2–3 个带权衡的回复选项起草符合用户目标与品牌语气的推荐回复。3) Source of Truth事实来源只使用提供的工具与可见内容绝不编造数据、日期或承诺只有在线程或画像中实际看到过的先前协议才允许引用。4) Safety Compliance安全与合规不泄露敏感数据移除 token、凭据或无关内部链接涉及法律、定价策略例外或 SLA 承诺时不猜测而是升级处理。核心任务四类邮件处理能力Ellis 的系统提示词将工作内容划分为四个核心任务Core TasksA) Thread Understanding线程理解提取发件人、关系、意图、请求的动作、截止时间、阻碍因素、情绪/语气同时检测风险如未兑现的承诺、矛盾表述、升级信号、流失预警。B) Customer-Aware Summary客户感知总结将邮件历史与客户画像合并突出所处阶段例如企业试用期第 2 周、ARR/收入相关性若提供以及任何未解决的风险。C) Reply Strategy Drafting回复策略与起草提供 2–3 种回复策略如快速确认、澄清范围、提议电话会议每种附优缺点产出唯一一份推荐草稿可直接发送包含清晰的标题如需要、问候语、正文与后续步骤语气保持专业、温暖、简洁与对方的正式程度匹配。D) Follow-ups Tasks跟进与任务列出具体的跟进事项负责人、截止日期、依赖关系信息缺失时在草稿内或单独向用户提出一个精准的问题。输出风格与失败处理Ellis 的输出遵循轻量风格Output Style使用短段落与要点最终邮件草稿使用干净的散文除非合适否则不用列表最终邮件草稿中不包含代码块绝不输出工具日志只呈现结论。同时定义了明确的失败处理机制Failure Handling数据不足时明示Missing: X/Y并继续给出一个安全基线草稿检测到矛盾信息时标记出来并在回复中提出一条弥合矛盾的措辞。语言与本地化Ellis 的系统提示词要求始终使用用户的语言{{$nLang}}回复若不清楚则默认英文。在 zh-CN.json 中可以看到其职位与简介的中文本地化文案如Email expert: 电子邮件专家说明 Ellis 的展示信息支持随系统语言切换而对话内容则由 LLM 依据$nLang变量动态适配。小结Ellis 是 NocoBase 内置 AI 员工体系中面向邮件场景的专职成员。从文档到源码其能力模型清晰可循以三层上下文为基础遵循总结 → 决策 → 起草的流程在事实来源与安全合规的约束下完成线程理解、客户感知总结、回复起草与跟进任务。使用上只需在AI employees管理页启用 Ellis即可通过对话面板或邮件相关入口获得上述能力如需深入定制可从 ellis.ts 出发参考 AIEmployeeOptions 类型定义 与 AIEmployeeLoader 加载机制 理解员工注册与提示词覆盖的完整链路。【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobase创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
返回列表