共计 2101 个字符，预计需要花费 6 分钟才能阅读完成。
背景痛点
传统的邮件发送方案（如直接调用 SMTP）在动态内容生成和个性化处理方面存在明显不足。开发者通常需要手动拼接邮件内容，缺乏智能化和灵活性。而 ChatGPT 的引入虽然解决了内容生成的问题，但也带来了新的挑战：
- API 响应延迟：ChatGPT 的 API 调用可能存在不可预测的延迟，影响邮件发送的时效性。
- 内容格式兼容性：生成的邮件内容需要适配不同的邮件客户端，避免格式错乱。
- 敏感词过滤：自动化生成的内容可能存在合规风险，需要额外过滤机制。
技术方案对比
在对比纯 SMTP 方案和 ChatGPT+SMTP 混合方案时，我们主要考虑以下因素：
- QPS（每秒查询率）：纯 SMTP 方案在高并发下表现更好，但缺乏内容生成的灵活性。
- 成本：ChatGPT 的 API 调用成本较高，但可以显著减少人工编写内容的时间。
- 维护复杂度：混合方案需要更多的技术栈集成，但提供了更高的自动化程度。
最终，我们选择了 Python+aiosmtplib 异步方案，主要基于以下决策依据：
- 异步处理：能够高效处理 API 调用和邮件发送的并发需求。
- 灵活性：Python 生态提供了丰富的库支持，如 Jinja2 模板渲染。
- 可扩展性：易于集成监控和熔断机制。
核心实现
1. ChatGPT prompt 工程设计
为了生成结构化的邮件内容，我们设计了以下 prompt 模板：
prompt = """
Generate a professional email with the following details:
- Subject: {subject}
- Body: {body}
- Signature: {signature}
"""2. 异步 API 调用与响应解析
使用 async/await 实现并发控制，并处理 streaming response：
import aiohttp
async def fetch_email_content(prompt: str) -> str:
async with aiohttp.ClientSession() as session:
async with session.post(
"https://api.openai.com/v1/chat/completions",
json={"model": "gpt-3.5-turbo", "messages": [{"role": "user", "content": prompt}]},
headers={"Authorization": f"Bearer {API_KEY}"}
) as response:
data = await response.json()
return data["choices"][0]["message"]["content"]3. 敏感内容的多级过滤机制
结合正则表达式和关键词库进行内容过滤：
import re
SENSITIVE_KEYWORDS = ["敏感词 1", "敏感词 2"]
def filter_content(content: str) -> str:
for keyword in SENSITIVE_KEYWORDS:
content = content.replace(keyword, "***")
content = re.sub(r"<script.*?>.*?</script>", "", content, flags=re.DOTALL)
return content生产环境考量
监控指标设计
- API 成功率：监控 ChatGPT API 的调用成功率和响应时间。
- 内容违规率：记录被过滤的敏感内容比例。
- 端到端延迟：从生成内容到邮件发送完成的总耗时。
速率限制与熔断机制
针对 ChatGPT API 和 SMTP 服务器设置速率限制，并在超过阈值时触发熔断：
from circuitbreaker import circuit
@circuit(failure_threshold=5, recovery_timeout=60)
async def send_email(email_content: str):
# SMTP 发送逻辑GDPR 合规性建议
对用户数据进行脱敏处理，避免存储敏感信息：
def anonymize_email(email: str) -> str:
local, domain = email.split("@")
return f"{local[0]}***@{domain}"避坑指南
- 避免 prompt 注入：对用户输入进行严格的验证和转义。
- 处理 SMTP 550 错误码：实现指数退避重试机制。
- ChatGPT 内容缓存：设置合理的 TTL，避免重复生成相同内容。
架构流程图
使用 Mermaid 语法描述系统架构：
flowchart TB
A[用户请求] --> B[生成邮件内容]
B --> C[过滤敏感内容]
C --> D[发送邮件]
D --> E[监控与报警]开放性问题
如何平衡生成式内容的创意性与合规性？这是一个需要持续探索的问题。一方面，我们需要确保内容的合规性，避免法律风险；另一方面，又要保留 ChatGPT 的创意性和个性化优势。或许可以通过更精细的 prompt 设计和多级内容审核机制来实现这一平衡。
希望这篇文章能帮助你在实际项目中更好地集成 ChatGPT 和 SMTP，构建高可靠的邮件自动化系统。如果你有任何问题或建议，欢迎在评论区交流！
正文完
