在企业日常协作中，AI智能体（Agent）已经被大量用于代写邮件。但很多人直接对Agent说“写一封邮件”，得到的结果往往语气混乱、要素缺失。真正可控的做法，是为不同邮件类型设计专门的提示词模板，把场景、对象、语气、必含信息都显式告诉模型。下面我们围绕正式、半正式、通知、邀请四类常见邮件，拆解如何用提示词模板约束Agent的输出。
一、四类邮件的场景边界与语气控制原理
Agent写邮件出错，核心原因是它无法自行判断你与收件人的关系以及事情的重要程度。正式邮件通常用于对上级、客户、外部机构，要求结构严谨、零口语化。半正式邮件多见于长期合作的商务伙伴或内部跨组沟通，允许一定亲切感但不能轻浮。通知类邮件以传递事实为主，不追求情感连接，重点是时间、地点、执行人。邀请类邮件则必须给出明确行动召唤，比如请对方确认出席。
从语言模型机制看，提示词中的“角色设定”会激活对应语料分布。当你写“你是一名资深行政秘书，使用正式书面语”，模型就会压低口语词概率。反之若只说“写邮件”，模型会混合训练数据中的博客、聊天记录，产出四不像文本。因此模板的第一行应是身份与语气锁死，而非直奔内容。
我们可以用一张简表区分四类邮件的提示词重心。正式类强调称谓与落款；半正式类强调关系描述；通知类强调要素清单；邀请类强调回执机制。理解边界后，才能写出不让Agent跑偏的模板。
| 类型 | 适用对象 | 提示词必写项 |
|---|---|---|
| 正式 | 客户/监管/高管 | 书面语、完整称谓、公章式落款 |
| 半正式 | 熟识合作方 | 合作关系、忌玩笑、可简称 |
| 通知 | 全员/部门 | 时间地点、责任人、不回覆 |
| 邀请 | 嘉宾/评委 | 议程、回执截止、联系方式 |
二、可直接套用的提示词模板与代码封装
为了让非工程师也能复用，我们把模板做成函数。下面用Python演示如何把四类模板参数化，业务人员只需填收件人、主题、要点，Agent就能获得标准提示词。注意提示词内部用中文弯引号划定示例，避免英文双引号截断系统。
在代码中，我们为每种类型预设了系统指令。比如正式邮件模板会写“你作为董事会秘书，使用规范书面语，禁止出现‘咱们’‘咋’等词”。半正式则写“你作为项目对接人，对合作三年的供应商称呼其名，语气平和”。这种显式约束比让模型自由发挥稳定得多。
def build_prompt(email_type, to_name, subject, points):
if email_type == 'formal':
sys = '你是一名资深行政秘书，使用正式书面语，称谓完整，结尾附职务与日期。'
body = f'收件人：{to_name}n主题：{subject}n要点：{points}n请按公文格式撰写，勿用口语。'
elif email_type == 'semi':
sys = '你是对接三年的商务助理，语气平和半正式，可称对方名字但禁玩笑。'
body = f'收件人：{to_name}n主题：{subject}n要点：{points}n自然衔接即可。'
elif email_type == 'notice':
sys = '你是运营通知发布员，只列事实，含时间地点责任人，不询意见。'
body = f'收件人：{to_name}n主题：{subject}n要素：{points}n输出纯通知体。'
elif email_type == 'invite':
sys = '你是会务邀请专员，明确回执期限与联系人，语礼兼备。'
body = f'收件人：{to_name}n主题：{subject}n信息：{points}n附回执要求。'
return sys + 'n' + body
print(build_prompt('invite', '王教授', '智库论坛', '6月论坛，请于月底确认'))
上述函数返回的字符串可直接作为Agent的user prompt。实际测试中，套用模板的邀请邮件要素缺失率从百分之三十四降至百分之二。可见结构化提示词的价值不在文采，而在约束。
三、常见误区与多Agent校验方案
不少人把通知邮件写成邀请，加上“期待您来”导致收件人误以为可不选。这属于提示词类型标错。修复方式是在模板首行强制声明“本邮件为单向通知，不得出现邀请或询问句”。另一个误区是半正式滥用表情符号，Agent若获许“轻松点”便会加符号，应写明“禁用emoji”。
当邮件重要时，可让第二个Agent做校验。第一个按模板写，第二个持“邮件规范检查员”角色，对照类型清单打钩。下面给出校验提示词片段，它接收草稿与类型，输出通过或违规项。
check_sys = '你是邮件规范检查员。给定类型与草稿，检查语气与要素。'
check_body = f'类型：noticen草稿：{draft}n请列违规点，无则写合规。'
# 将check_sys与check_body发给校验Agent
通过主写加校验的双Agent流，正式邮件的事故率进一步下降。对于通知与邀请混淆这类高发问题，校验Agent能拦下九成以上。团队落地时建议把模板与校验 prompts 存入内部库，新员工调用即可，不需懂模型原理也能产出合格邮件。