基于内容的大型语言模型智能邮件调度系统

arXiv cs.AI 论文
email-routing llm automation education whatsapp content-analysis agent-framework

摘要

本文提出一种基于LLM的系统，自动将邮件分发到学生的WhatsApp群组，减少组织中的手动工作量和错误。

arXiv:2606.26593v1 Announce Type: new 摘要：电子邮件通信已成为个人和职业生活中不可或缺的一部分，但处理海量邮件对大型组织而言仍然是一个重大挑战。手动查阅邮件并通过其他即时通讯平台将邮件内容及附件转发给预定收件人的方法已被证明容易出错且耗时，导致生产力损失并造成不必要的压力。本文的主要目标是探索一种替代机制，即根据邮件内容自动将其分发到工学院各年级学生对应的WhatsApp群组，从而促进组织内部信息的顺畅流通。该分发系统基于智能体查询大型语言模型（LLM）构建，使其能够分析邮件内容并将邮件路由到相关学生群组以供其查阅和使用。该系统利用LLM在分析文本内容进行决策方面的能力。通过一个结构良好的智能体框架提示，将邮件内容作为输入并附上指令和上下文，系统能够确定应分发邮件的相关群组，从而及时提供所需信息。所提出的系统不依赖于标注数据集，并具有多项优势，包括提高生产力和减少阅读邮件相关的认知负荷。
查看原文
查看缓存全文

缓存时间: 2026/06/26 05:14 

# 基于内容的大型语言模型智能邮件分发器
来源：https://arxiv.org/abs/2606.26593
查看 PDF（https://arxiv.org/pdf/2606.26593）

> 摘要：电子邮件通信已成为个人与职业生活中不可或缺的一部分，但处理其海量信息对大型组织而言仍是一大难题。人工逐一审阅邮件并将其内容及附件通过其他即时通讯平台转发给目标收件人，已被证明容易出错且耗时，从而导致生产力损失并造成不必要的压力。本文的主要目标是探索一种替代机制：基于邮件内容自动将其分派至某工程学院各年级学生对应的 WhatsApp 群组，从而在组织内部实现从一端到另一端的信息顺畅流动。该分发系统采用查询大型语言模型（LLM）的智能体来构建，使其能够分析邮件内容并将其路由至相关学生群组供其知晓和使用。系统利用 LLM 分析文本内容以辅助决策的能力。通过结构化的智能体框架提示（包含邮件内容作为输入，并附带指令与上下文），系统判断应将邮件消息分派至哪些相关群组，从而及时提供所需信息。所提系统不依赖标注数据集，并具有多项优势，包括提升生产力以及减轻阅读邮件带来的认知负担。

## 提交历史

来自：K Paramesha 博士 \[查看电子邮件（https://arxiv.org/show-email/1fef838e/2606.26593）\] **\[v1\]**2026 年 6 月 25 日星期四 04:34:03 UTC（805 KB）

相似文章

LLM的有效用例

Lobsters Hottest

本文分享了LLM在软件工程中的实际应用案例，包括通过RAG搜索客户对话、从日志中排查API故障以及内容精简。重点强调了效率提升和减少手动筛选工作。

大型语言模型能否革新调查研究？以灾害防备响应的实验为例

arXiv cs.AI

本文提出一个五阶段框架，将大型语言模型整合到调查研究中，以应对回复率下降、样本偏差和欺诈性完成等问题。基于2024年米尔顿飓风调查数据，作者提出了一种理论知情的LLM（A-TLM），在缺失数据场景中优于经典插补方法，并通过基于事实的拒答机制展示了可控的幻觉风险。