使用Amazon Bedrock自动分类和优先处理您的邮件
本文展示了公共部门组织如何利用基于Amazon Bedrock的生成式AI解决方案自动化邮件管理。该方案能自动分类、标记优先级并路由邮件，提高响应速度，减轻员工负担，并通过Amazon QuickSight提供分析仪表盘。
公共部门组织每天处理大量来自市民的邮件，其中许多涉及紧急事务。传统的手工分类方式效率低下，容易延误重要事项。本文介绍一种基于Amazon Bedrock的生成式AI解决方案，可自动分类、标记优先级并路由邮件，从而提升整体效率。
该方案首先将邮件上传至Amazon Simple Storage Service (S3) 存储桶。上传方式包括Amazon Simple Email Service (SES)、第三方邮件集成或AWS SDK。邮件以对象形式存储，并遵循安全最佳实践（如加密和最小权限访问）。S3桶配置为向Amazon EventBridge发送事件通知，EventBridge规则匹配对象创建事件后，将消息发送至Amazon Simple Queue Service (SQS) FIFO队列。该队列通过EventBridge Pipes连接至AWS Step Functions状态机，传入创建对象的元数据。
Step Functions从S3获取邮件内容，然后调用Amazon Bedrock模型（如Amazon Nova Pro），通过InvokeModel API传入提示词。提示词要求模型输出目标部门、严重性、紧急程度、主题和摘要。例如："You are an assistant providing email triage to customer services agents..."。模型响应保存在另一S3桶中，示例响应包括部门（如waste）、严重性（high）、紧急程度（immediate）等。
随后，AWS Glue爬网程序抓取输出桶并更新Glue Data Catalog表。最终，Amazon Athena通过Glue Data Catalog查询数据，Amazon QuickSight构建仪表盘，提供按部门、严重性、紧急程度等维度的可视化分析，并支持自然语言问答。
部署前提包括有效的AWS账户、Amazon Bedrock访问权限、QuickSight订阅以及配置好的开发环境（AWS CDK、Git）。部署步骤包括克隆GitHub仓库、配置环境变量、运行cdk deploy并传入参数（如quicksightUserArn、桶名称等）。清理时需手动删除Glue数据库和表，清空S3桶，并使用cdk destroy删除堆栈。
此方案已成功应用于英国地方政府，处理垃圾回收、福利、住房等多个部门的邮件。通过自动化分类和优先级排序，组织能更快响应紧急事务，同时让员工专注于高价值的市民服务。未来可进一步定制严重性和紧迫性评估规则，以适应不同组织的需求。