如何用 AI Agent 搭建一套自动化邮件营销系统

Claude Code、域名、Mailgun、DeepSeek、Apollo 是实际开工前需要准备好的几类资源。费用要分两组算：发信基础设施与开发大约每月 $30-111，可以和同等发送量的 SaaS 工具直接对比；获客数据（Apollo/Serper）是另一笔、且可以按项目取舍的钱。这样拆开看，名单量越大，自建流程和订阅工具之间的成本差距越明显。

主域名和发信域名必须隔离，每个子域名要配齐 SPF / DKIM / DMARC 三条 DNS 记录，外加 Mailgun 的域名级 sending key（不是账户级总钥匙）。最麻烦的地方在于：DKIM 配错了信照样能发出去，只是悄悄滑进垃圾箱，你不会收到任何报错——这一步配错，后面写得再用心也是白搭。

一个 SQLite 文件就够，七张表承接客户、产品、邮件、发送和回复记录。真实踩过的坑：第一批“富化”名单里 32% 的“主营产品”字段被数据供应商错误填成了己方产品，几千封信差点驴唇不对马嘴——批量生成前随机抽 20 行人工核对，这一步不能省。

新邮箱热身阶梯 10→20→35→50 封/天，两封信之间随机隔 2-15 分钟，同公司每天最多联系 1 人（gmail 等个人域名豁免）。排期算法要用“装箱”思路：冲突只顺延那一个客户，绝不能推进整个邮箱的日期游标——这条细节救过一次“计划发 60 封、实际只发 3 封”的真实事故。

IMAP 每 20 分钟轮询一次收件箱，先记“基线”避免历史旧邮件被当成新回复；再用邮件头、发件人、主题三层规则识别自动回复——工单确认信、休假回复不能当作真人回复而停发序列，否则会把真正有意向的客户误停、误拉黑。

每天固定时间把新回复整理成 Excel 发到邮箱，AI 顺手把英文回复提炼成一句中文摘要；哪怕零回复也要发“今日无新回复”——因为“系统很安静”和“系统已经挂了”从外表分不清。外加一个只读状态页和每日数据库备份，这是监控的两条底线。

Docker 打包，compose 项目务必显式命名（两套项目撞了默认名字，互相顶掉过容器）。上线走三步仪式：服务器上 dry-run 观察 24 小时 → 清理测试痕迹 → 把 SEND_LIVE 改成 1，盯住第一封信到底落进收件箱还是垃圾箱。这个“仪式感”是刻意设计的，不是走过场。

换行业只需要换“内容层”——产品目录、匹配规则里的行业常识、可信度弹药，代码基本不用动。写信模型、发信服务商都可以单点替换；一张参数速查表覆盖每邮箱上限、热身阶梯、发送时间窗、序列节奏这些常改的数字。

全系列的浓缩版：送达率、调度、数据、回复处理、部署运维、AI 协作六大类真实事故，每条都是“症状 → 根因 → 解法”。开工前通读一遍心里有数，真出问题时回来精准查。

同一套架构改内容层，就能对询过价没成交的休眠客户重新触达——9,363 个休眠客户、11 个业务员各自邮箱分头发信、回复自动归属到人。历史询盘要自然引用，但空记录绝不能编造“您之前咨询过 XX”；4,131 个客户带着历史进度平滑迁入，零重发事故。这是所有变体里信任起点最高、最值得做的一个。