使用Amazon Bedrock自動分類和優先處理您的郵件

公共部門組織每天處理大量來自市民的郵件，其中許多涉及緊急事務。傳統的手工分類方式效率低下，容易延誤重要事項。本文介紹一種基於Amazon Bedrock的生成式AI解決方案，可自動分類、標記優先順序並路由郵件，從而提升整體效率。

該方案首先將郵件上傳至Amazon Simple Storage Service (S3) 儲存桶。上傳方式包括Amazon Simple Email Service (SES)、第三方郵件整合或AWS SDK。郵件以物件形式儲存，並遵循安全最佳實踐（如加密和最小許可權訪問）。S3桶配置為向Amazon EventBridge傳送事件通知，EventBridge規則匹配物件建立事件後，將訊息傳送至Amazon Simple Queue Service (SQS) FIFO佇列。該佇列透過EventBridge Pipes連線至AWS Step Functions狀態機，傳入建立物件的後設資料。

Step Functions從S3獲取郵件內容，然後呼叫Amazon Bedrock模型（如Amazon Nova Pro），透過InvokeModel API傳入提示詞。提示詞要求模型輸出目標部門、嚴重性、緊急程度、主題和摘要。例如："You are an assistant providing email triage to customer services agents..."。模型響應儲存在另一S3桶中，示例響應包括部門（如waste）、嚴重性（high）、緊急程度（immediate）等。

隨後，AWS Glue爬網程式抓取輸出桶並更新Glue Data Catalog表。最終，Amazon Athena透過Glue Data Catalog查詢資料，Amazon QuickSight構建儀表盤，提供按部門、嚴重性、緊急程度等維度的視覺化分析，並支援自然語言問答。

部署前提包括有效的AWS賬戶、Amazon Bedrock訪問許可權、QuickSight訂閱以及配置好的開發環境（AWS CDK、Git）。部署步驟包括克隆GitHub倉庫、配置環境變數、執行cdk deploy並傳入引數（如quicksightUserArn、桶名稱等）。清理時需手動刪除Glue資料庫和表，清空S3桶，並使用cdk destroy刪除堆疊。

此方案已成功應用於英國地方政府，處理垃圾回收、福利、住房等多個部門的郵件。透過自動化分類和優先順序排序，組織能更快響應緊急事務，同時讓員工專注於高價值的市民服務。未來可進一步定製嚴重性和緊迫性評估規則，以適應不同組織的需求。