大多数关于如何用 AI 写邮件的建议,都是从一个错误的前提出发的:认为目标是写更多、写更快的邮件。其实并非如此。如果一个工具帮你把本可以两句话说清的事写成了五段话,那它只会让你的邮件变得更糟,既浪费了读者的时间,也浪费了你自己的时间。
为 AI 写邮件辩护,真正说得通的理由要窄得多,也更有用。AI 最擅长处理的,正是那些你一直想躲开的邮件:那封你已经反复读了四遍的尴尬回信、那笔未付发票的第三次催款、写给素未谋面之人的陌生开发信。而它表现最糟的时候,是你放任它把每一封日常邮件都膨胀成比你自己动手写更长、更平淡的东西。
本指南要讲的,正是把这两种情况区分开来的技巧:从要点而非空白提示词起草、生成之前先控制语气、分类处理回复、判断何时该用模板而非一次性撰写,以及一个用来识别 AI 味输出的简单测试。文中会穿插十款工具作为实际示例。如果这些都不适合你的工作流,完整目录中还列有 344 款写邮件工具。
什么时候该用 AI 写邮件(什么时候直接自己打字就好)
在推荐任何工具之前,先给一条快速的分类规则:如果这封邮件你一分钟之内就能写完,那就自己写。「好的,周四见」这种话不需要动用语言模型。让它绕道经过一个助手,只会增加延迟,而且通常还会多出三句废话。
值得交给别人处理的邮件都有一个共同点:阻力。它们身上总有某种东西让你一拖再拖:
- 难写的回信。拒绝一个请求、顶回客户的要求、传达一个「不」。那封你拖了两天不肯写的草稿,付出的代价比任何工具都要大。
- 跟进邮件。第二次、第三次的催促,你已经想不出还有什么自然的话可说,而每一个版本写出来不是显得咄咄逼人,就是软弱无力。
- 陌生开发信。写给一个陌生人,此时空白页最让人望而生畏,往里填废话的诱惑也最强。
- 批量回复。二十个几乎一模一样的客户问题,每一个又都需要略有不同的答复。
AI 真正能派上用场的,是那些你一直往后拖的邮件,而不是你三十秒就能敷衍搞定的那些。
下文的一切都假定你是把它用在那份清单上,而不是用在所有事情上。
从要点起草,而不是从空白提示词起草
决定质量高低最关键的一环,是你在模型动笔之前给了它什么。「给客户写一封跟进邮件」只会产出千篇一律的糊状文字,因为模型手里根本没有可用的真材实料。把事实以要点的形式喂给它,它就有了一副可以填充血肉的骨架,而不是一片只能拿废话来填的空白:
- 收件人是谁,你和对方是什么关系(「合作两年的客户,关系友好,回复很慢」)。
- 邮件必须包含的三四个事实,以碎片形式写出:日期、金额、决定、截止时间。
- 你想要的那一个结果(「周五之前给出对修改后方案的同意与否」)。
- 篇幅和语气(「120 字以内,直接了当,不要道歉」)。
这套方法在任何工具里都管用。Shortwave 是一款围绕提示词打造的邮件助手,你可以直接在收件箱里写下指令,它便据此起草、搜索并安排日程;不过回报的大小取决于你在学习如何向它下提示上投入了多少,如果你不肯为此花上一个下午,那你用到的功能只会是所付费用的一小部分。Superhuman 则把同样的起草辅助功能,融进了一套涵盖邮件与文档的更宽泛的效率套件里。如果你整天都泡在邮件里,它很强;但如果你想从它那里得到的只是起草上的帮助,那就大材小用了。
对于那些希望把「要点转草稿」这一步与日程安排、笔记记录一并处理掉的人来说,Lindy 可以充当一名综合性行政助理,替你管理收件箱、起草邮件、预约会议。但这个注意事项是双刃剑:如果起草是你唯一的问题,那它的功能就远超所需了;而且配置这样一个功能宽泛的助理,需要花费不少的前期设置时间。
在生成之前控制语气,而不是生成之后
语气正是 AI 草稿最常出错的地方,而且这种失败是可以预料的:模型默认会用一种「企业式中性」的语气,对朋友来说显得略微过于正式,对陌生人来说又显得略微过于亲昵。解决办法是把关系说明白,而不只是给一个形容词。「专业」几乎什么信息都没告诉模型;而「我们已经合作三年了,我现在很恼火,但又想保住这个客户」则把一切都说清楚了。
当一份草稿的调子写偏了,用改写工具比重新生成更快。Wordtune 会逐句改写(转述、调整语气、修正语法),这让它很适合在不动其余部分的情况下抢救某一段生硬的文字。它的局限恰是其长处的反面:它在打磨句子时并不了解你的收件人,如果你对每一条建议都照单全收,它会把你的语气磨平,最终变得和所有人一样,是同一种光滑而毫无个性的东西。
不过,最好的语气控制,是用你自己的话给出纠正性的反馈。「不要那么正式,删掉第一句,别道歉两次」,胜过从下拉菜单里挑一个预设,因为预设里编码的是别人对「友好」的理解。
让 AI 在动笔写回复之前,先做好分类
处理回复和起草是两个不同的问题,而这正是一款专门的收件箱助手能物有所值的地方。行之有效的模式是:工具对收进来的邮件进行分类,为那些常规类别预先拟好回复,把难处理的邮件标记出来留给你。这样你就能把注意力花在真正需要它的那五封邮件上,而不是走马观花地扫过五十封。
目录中有好几款工具正是在这一点上展开竞争,各自的侧重点不同:
| 工具 | 所在环境 | 最擅长 | 什么情况下别用 |
|---|---|---|---|
| Fyxer | 你的收件箱 | 用你的语气起草回复。专为销售、咨询等对外岗位打造 | 你的邮件大多是全新的外发邮件,而不是回复 |
| Inbox Zero | Gmail | 自动打标签、预拟回复、批量退订。如果你在意隐私,它还有开源版本可选 | 你想要零配置:这种行政助理式的做法需要花时间设置 |
| Serif | Gmail 或 Outlook | 端到端地打理收件箱(分类、起草、催收未付发票),并带有审批控制 | 你还没准备好去监督一个能代你发信的工具 |
| superReply | 面向 Gmail/Outlook 的 Chrome 扩展 | 为高流量的客服和销售团队提供一键式、语气匹配的回复建议 | 你的回复需要拿捏分寸或涉及敏感内容。对这类邮件来说,一键式的速度是错的 |
无论你选哪一款,都要守住同一条底线:AI 起草,你来发送。「用你的语气起草」这个卖点是真实存在的(Fyxer 和 Inbox Zero 都主打这一点),但「你的语气」是从你过往的邮件里学来的,需要好几周的草稿纠正,输出才会不再需要你动手修改。
模板还是一次性撰写:动笔之前先想清楚
有数量惊人的糟糕 AI 邮件,都源于用错了模式。邮件其实只有两种:一种你只会发一次,另一种你会以某种形式发上五十次。它们需要不同的工具。
重复性的邮件,比如新用户引导序列、简报,或续订提醒,应该放进模板系统里,让 AI 在设计阶段一次性帮上忙。MailerLite 就是目录中的代表性例子:一个带有自动化功能、并配有 AI 写作助手来撰写活动文案的邮件营销平台。用它来写一对一的回信是找错了工具,但那没关系。群发和对话本就是两种不同的活儿。
销售跟进邮件介于两者之间(结构上重复,内容上又因人而异),这也是它们越来越多地落脚在 CRM 而非收件箱里的原因。folk 是一款面向五到五十人的销售与服务团队的 CRM,它借助 AI,依据你实际的联系人往来记录,自动完成跟进和关系动态回顾。如果你是一个只有个人收件箱的单打独斗者,那团队 CRM 这套机器你并不需要。
一次性撰写的邮件,指的是那些难写的回信和谈判邮件,它们每一次都要走一遍起草那一节里完整的要点式流程。真正的错误,是任由一封一次性邮件悄悄变成了模板:如果你发现自己在给每个人发同样那段「就是来问一下近况」的话,那不叫个性化,那是一个乔装成个性化的模板。
陌生开发信:第一句话自己写
陌生开发信是 AI 写作既最诱人、又最危险的地方。诱人,是因为在陌生开发信里数量就是一切,而空白页写起来很慢。危险,是因为收件人如今已经读过成千上万封 AI 写的陌生开发信,光看主题行就能闻出味来。
行之有效的折中办法是:让 AI 来搭建正文(价值主张、可信度背书、你的诉求),而第一句话自己写,从你对收件人确实了解的某件事写起。一句具体、有人味的开场白(「在丹佛那场大会上听了您的演讲——那段迁移踩坑的经历太有共鸣了」)能为整封邮件的其余部分换来被读下去的机会。而一句模板化的开场白,则会让这机会白白丢掉。
规模化的个性化本身自成一类工具。目录里专门有一个页面收录了 用于个性化销售触达的工具,供批量做这件事的团队使用,另外还有一个更宽泛的合集 面向销售代表的 AI 工具,覆盖了销售流程的其余环节。不过不论规模大小,那条规则都成立:模型做不到的调研(那句播客里的引述、那个共同的人脉、那个恰到好处的时机),恰恰是你无法假手于人的部分。
朗读测试
上面每一种技巧,都仍会放过一些带 AI 味的文字,所以要让最终的草稿过一遍你自己的耳朵。字面意义上地把它读出来。任何你不会在电话里对收件人说出口的句子,都该删掉或重写。这个测试之所以管用,是因为 AI 味的文字是一种只存在于书面的方言——从来没有哪个人会对着另一个大活人,把「顺祝商祺,见信如晤」这样的话说出口。
那些反复出现、值得练到一眼就能认出的特征:
- 开头先把情况复述一遍(「我写信是想就……与您沟通」),而不是开门见山地点明要点。
- 一个形容词就够了,却硬要用上三个。
- 每一段的长度都一模一样,而且每段结尾都收在一句无关痛痒的客套话上。
- 结尾又把读者刚读完的这封邮件重新概括了一遍。
- 「如有任何需要,请随时……」——根本没人在犹豫。
两处修改就能救活大多数草稿:删掉第一句(要点通常就藏在第二句里),再把字数砍掉三分之一而不删去任何事实。如果这封邮件经得住这两刀,那就发出去。
这个习惯会不断累积。照这个办法编辑 AI 草稿几周之后,你会发现自己的提示词也变好了:你会一上来就直接要那个简短、干脆的版本,而这里列出的这些工具,也就不再是替你捉刀的枪手,而是回归到它们真正擅长的角色:帮你穿过那些你不然还会一直躲着的邮件。
常见问题
AI 能写出不像 AI 写的邮件吗?
能,但不能撒手不管。可靠的组合是:由你提供一副事实骨架(要点、关系背景、想要的结果),由模型产出草稿,再经你人工用朗读测试过一遍。像 Fyxer 或 Inbox Zero 这类会从你已发邮件里学习你语气的工具,能在回复上把这道差距补上一大半,但最后那一遍通读,仍然得由你来做。
Gmail 上最好的 AI 邮件助手是哪一款?
这取决于你要解决什么问题。若论在收件箱内基于提示词的起草和搜索,Shortwave 就是专为此打造的。若论分类加预拟回复,Inbox Zero 和 Serif 都能在 Gmail 里工作,其中 Serif 在带审批控制、代你行事这一点上走得最远。想和其余同类产品作对比,可以浏览完整的 写邮件工具页面。
我该让 AI 自动发送邮件吗?
一开始不要,涉及敏感类别时永远不要。先从仅起草模式用起,纠正它的草稿几周,然后只对像日程确认这类狭窄、低风险的类别开启自动发送,而且只在带有审批控制的工具里开。凡是涉及金钱、冲突,或一段新关系的邮件,都应该始终经过你的手。
我要怎么让 AI 用我自己的语气写邮件?
给它证据,而不是形容词。把你亲手写过的两三封真实邮件粘进去作为风格样本,或者用一个会从你已发邮件历史里学习的助手。然后用大白话去纠正它的草稿(「短一点、别那么正式、别再道歉了」)。这个反馈回路比一开始的设置更重要。
在工作邮件里用 AI 是不是不够专业?
如今用 AI 来起草已经很平常了;不专业的地方在于把一份未经编辑的草稿直接发出去,因为收件人通常看得出来,会把它当成不用心的表现。把模型当成一个替你写初稿的人,而这份稿子你要对它负责。如果一封邮件重要到值得你校对两遍,那它就重要到值得你把 AI 的版本好好改一遍。