E-Mail-Helpdesk
Der E-Mail-Helpdesk fragt Postfächer per IMAP ab, filtert automatische Antworten und klassifiziert Nachrichten nach Anliegen. Kontextbezogene Antwortentwürfe stammen aus dem konfigurierten Retrieval.
connic init my-project --templates=email-helpdeskÜberblick
Die Pipeline fragt ein IMAP-Postfach nach neuen E-Mails ab, filtert automatische Antworten und Spam mit StopProcessing Middleware, klassifiziert Nachrichten nach Anliegen, Dringlichkeit und Abteilung und entwirft kontextbezogene Antworten. Dazu können die Retrieval-Tools Inhalte abfragen, speichern und löschen. Antworten werden automatisch über die ausgehende SMTP-Verbindung versendet. Middleware übernimmt Absendermetadaten für personalisierte Antworten in den Context. Die Pipeline unterstützt mehrsprachige Antworten in der Sprache des Absenders.
Use Cases
Automatisierung des Support-Postfachs
Support-E-Mails aus einem gemeinsamen Postfach werden automatisch priorisiert und beantwortet; irrelevante Nachrichten werden herausgefiltert.
Pflege des Retrievals
Neue Lösungen aktualisieren das Retrieval automatisch; retrieval_delete entfernt veraltete Einträge.
Mehrsprachiger Support
Die Sprache des Absenders wird erkannt, damit internationale Kunden Antworten in derselben Sprache erhalten.
Architektur
Erzeugte Projektstruktur
Der Befehl connic init my-project --templates=email-helpdesk erzeugt diesen Dateibaum.
email-helpdesk/
agents/
email-classifier.yaml
email-responder.yaml
helpdesk-pipeline.yaml
tools/
helpdesk_tools.py
middleware/
email-classifier.py
schemas/
email-classification.json
email-reply.json
requirements.txt
README.mdLoslegen
Installiere das Template, erstelle ein Connic-Projekt und starte das Deployment. Mit Git startet jeder Push automatisch ein Deployment; die CLI funktioniert unabhängig vom Git-Anbieter.
Voraussetzungen
- Python 3.10+
- Ein Connic-Konto mit einem angelegten Projekt
- Projektguthaben für ein connic/* KI-Modell oder Zugangsdaten für einen BYOK Provider
Installieren und Projekt anlegen
Installiere das SDK und erstelle aus diesem Template ein Projekt.
pip install connic-composer-sdk
connic init my-project --templates=email-helpdeskDanach cd my-project
Bereitstellen
Als Deployment-Methode stehen Git und CLI zur Auswahl. Bei Git startet jeder Push automatisch ein Deployment; die CLI funktioniert mit GitLab, Bitbucket oder ganz ohne Git.
Git-Integration
- Verbinde in Connic unter Projekt Settings → Git & Environments das GitHub-Repository
- Ordne auf derselben Seite den Branch (z. B. main) der Produktivumgebung zu
- Pushe das erzeugte Projekt in dieses Repository
git add .
git commit -m "E-Mail-Helpdesk Template hinzufügen"
git push origin mainCLI Deployment
- Erstelle in Connic unter Projekt Settings → API Keys & MCP Auth einen API Key und kopiere die Projekt-ID
- Führe im Projektverzeichnis connic login aus
- Teste mit connic dev und Hot Reload, führe mit connic test Testsuiten aus oder starte mit connic deploy das Deployment für den Produktivbetrieb
connic login
connic dev # Temporäre Entwicklungsumgebung mit Hot Reload
connic test # Deklarative Test Suites ausführen
connic deploy # In den Produktivbetrieb deployenVerbinden und konfigurieren
Füge eine eingehende E-Mail-Verbindung (IMAP) zum Abfragen des Postfachs und eine ausgehende E-Mail-Verbindung (SMTP) zum Versenden von Antworten hinzu. Hinterlege für beide die Zugangsdaten des Mailservers. Ein connic/* KI-Modell nutzen oder BYOK-Zugangsdaten unter Projekt Settings → LLM Provider hinterlegen.
Template-Quelle
Das vollständige Template lässt sich einsehen, verbessern oder für einen anderen Einsatz forken.
connic-org/connic-awesome-agents/tree/main/email-helpdeskInformationen
- Publisher
- Von Connic
- Kategorie
- Agent Templates
- Schwierigkeitsgrad
- Fortgeschritten
- Funktioniert mit
- Quelle
- GitHub
Weitere Agent Templates
Marketplace durchsuchenPostgreSQL-Änderungsbenachrichtigung
LISTEN/NOTIFY überwacht PostgreSQL-Änderungen, klassifiziert Ereignisse nach Auswirkung und leitet Benachrichtigungen an das richtige Team weiter. Änderungen mit hoher Auswirkung werden für Audits gespeichert.
Kafka-Betrugserkennung
Transaktionen in Kafka Streams werden in Echtzeit auf Betrugsrisiken bewertet. Die Bewertung berücksichtigt die Häufigkeit von Transaktionen, geografische Anomalien und kundenspezifische Muster.
S3-Dokumenten-Pipeline
Nach einem Upload in S3 liest die Pipeline den Inhalt des Dokuments aus, klassifiziert es und leitet es weiter. Sie unterstützt PDFs, Bilder und Textdateien sowie Retries bei Fehlern.
Lead-Anreicherung
Neue Registrierungen werden durch Unternehmensrecherche angereichert und anhand des idealen Kundenprofils bewertet. Qualifizierte Leads werden gespeichert.
SQS-Bestellverarbeitung
Bestellungen aus SQS-Queues werden mit Betrugserkennung, Bestandsprüfung und Concurrency-Keys validiert und abgewickelt. Ergebnisse werden in einer ausgehenden Queue veröffentlicht.
Rechnungsverarbeitung
Ein KI-Agent extrahiert strukturierte Daten aus Rechnungen. Ein deterministischer Tool-Agent validiert Summen und erzeugt prüfbare JSON-Ergebnisse. Bei Fehlern sind Wiederholungsversuche möglich.