每天打开邮箱，几十封行情邮件等着处理。银行资管、托管和运营人员需要逐封查看邮件，从正文或附件中找到数据，核对对应产品，再把行情日期、净值等信息录入表格。
一封邮件处理起来也许不算复杂，但每天面对大量邮件，反复打开附件、查找数据、复制录入，也会花费不少时间。
更麻烦的是，行情信息并不总放在同一个位置。有的写在邮件正文里，有的放在Excel表格、PDF或图片中，还有的需要先解开压缩包才能找到。不同产品的名称、别名和代码也需要逐一核对。
针对这些工作，格灵深瞳基于DeepBot快速搭建了一个行情邮件处理平台原型，尝试让邮件读取、附件解析、数据提取和产品匹配等步骤自动完成，减少业务人员逐封整理的工作量。
业务人员一次上传多封邮件后，平台会逐封建立任务，读取邮件正文和附件。PDF文档按页提取文字，图片和扫描件通过OCR识别文字、表格及其位置，压缩包中的文件也会在解包后进入处理流程。
找到行情数据后，平台会按照业务规则判断行情日期、类型和净值口径，再结合产品名称、别名和编号，匹配对应的产品。处理完成后，结果可以整理成Excel表格，供后续上传使用。
在处理过程中，每封邮件的进度和任务详情都可以查看。如果出现附件解析失败、产品冲突、字段缺失等情况，平台会提示业务人员复核。文件名、页码等来源信息也会保留，方便回到原始材料中核对。
从识别附件到整理出表，DeepBot做了什么？
一份图片附件经过OCR识别后，里面的文字和表格被读取出来。但业务人员需要的行情数据，还涉及具体的产品、日期和业务口径，需要进一步判断和整理。
在这个平台原型中，DeepBot作为智能体引擎，为平台提供Agent服务。邮件和附件经过解析或OCR识别后，Agent会结合业务规则校验识别结果，再进入产品匹配、字段检查等环节。
例如，邮件中的产品名称与产品库不完全一致时，业务人员可以使用智能匹配功能，由大模型结合候选产品辅助判断。如果仍然无法确定，再由业务人员查看原始依据并确认。
材料读取、字段提取、产品匹配和结果检查等关键步骤，通过DeepBot Skill固化为工作流，按照预设步骤执行。开发者可以使用Python脚本编排流程，在需要理解材料或辅助匹配产品时调用大模型。
考虑到行情邮件涉及客户、产品等业务信息，平台原型的处理过程在内网环境中进行，并对文件上传、压缩包解包和访问路径设置了安全限制。
行情邮件之外，银行的资管、托管和运营工作中，还有不少需要处理的邮件和材料。它们的内容各不相同，但都要经过查找、提取、核对和录入等步骤。
从行情邮件处理入手，DeepBot 给这类工作提供了一种新的思路。随着业务需求和规则逐步明确，类似的处理方式也将用在更多日常场景中。
