XiangYan

项目经理 / PMO专员 | 善于将模糊需求结构化

手机: 136****1406
邮箱: xiangyan_1998@outlook.com
城市: 广州 / 深圳 / 上海
链接: 作品集

项目系统总览 · Project Overview

“Echo 邮件驱动的协同助手原型”是为了满足我主导的个人项目而配套的一个子项目,目的是为解决跨境工程协同中“沟通非标、信息碎片、流程难溯”核心痛点, 也包括我的个人私心,我不想花过多时间在重复翻译、还要尝试理解些我看不懂的自然语言邮件,所以希望能通过技术手段提升团队的协作效率与交付质量。

由于本人并非软件出身而是工程出身,计算机技术有限,因而最终选择的是低代码方向 采取Python + n8n自动化技术路径,作为这个轻量级工单系统的技术栈。以今天的视角回望,这个学生时代的项目在架构设计和技术实现上确有诸多不成熟之处。但我依然觉得当时的自己超屌的—— 因为我成功地从真实的业务需求出发,独立设计并落地了一套完整的端到端工作流,用有限的技术手段实现了从“混沌邮件”到“结构化工单”的价值闭环。


项目定位
· 构建一个以邮箱为统一入口的自动化协同中枢;
· 将模糊的邮件需求,自动化转化为结构化、可追溯、可度量的工单流程;
· 为项目提供一套“开箱即用”的客户需求管理与工程响应方案
系统架构
· 前端入口为客户/同事的日常邮箱 (IMAP)
· 使用n8n 工作流引擎作为编排中枢 (低代码/高灵活性)
· 处理核心用Python + LLM (需求解析、分类、翻译)
· 使用Excel作为结构化工单记录数据库 (Excel/Sheets + 日志)。

构思过程 · Design Thinking

本系统的设计并非一蹴而就,而是源于对工程服务中协作痛点的深度观察,并通过“定义问题 → 抽象模式 → 设计杠杆点 → 验证迭代”的结构化思维过程演化而来。

第一步:问题识别
核心洞察:在跨境供应链与工程项目中,最大的成本损耗并非技术实现,而是“沟通熵”——信息在多次异步传递中失真、延迟与丢失。
具体痛点:
· 客户需求是“一团”自然语言,关键参数(如I/O点数、节拍)埋没其中;
· 邮件群发导致责任模糊,跨时区协作响应迟缓;
· 工程师方案常忽略长期维护要素,依赖个人经验,质量不可控;
· 成功经验与失败教训无法沉淀,同类问题反复发生。
第二步:抽象与模式设计
· 统一入口:尊重用户习惯,不引入新工具,将邮箱作为唯一入口,最大化降低使用门槛。
· 结构化杠杆:在流程最早环节(需求入口)引入LLM作为“翻译器”,将非标信息转为标准字段,为后续自动化奠定基础。
· 质量内建:不依赖事后检查,而是将质量检查(如方案完备性)作为流程中的一个自动节点,问题早发现、早修复。
· 资产沉淀:每个完结的工单本身,就是一份结构化的案例知识库
第三步:技术选型与MVP
· n8n为核心:选择低代码工作流引擎,看中其极强的连接性和灵活性,可快速集成邮箱、API、数据库,并允许业务逻辑可视化和灵活调整。
· Python为补充:当n8n原生节点无法满足复杂逻辑(如精准的LLM调用与结果解析)时,用Python编写轻量API作为补充,兼顾了开发效率与能力边界。
· 轻量数据层:初期用结构化的Excel/Sheets存储工单,避免过度工程化,快速验证核心流程的可行性。
设计原则: 整个过程遵循了我的工作信条——“为可预测性负责”。通过构建这套系统,我将一个充满不确定性的协作过程,转变为一个可预测、可验证、可优化的标准化流程。
Design Principles: The entire process follows my work credo—'Take responsibility for predictability.' By building this system, I transformed a collaboration process full of uncertainties into a standardized process that is predictable, verifiable, and optimizable.

核心流程与价值 · Core Process & Value

1. 需求结构化 · Requirement Structuring
解决的问题:
客户邮件内容冗长、关键信息(如I/O点数、节拍)埋没在文本中,依赖人工反复阅读、提炼和澄清。
系统实现:
利用LLM智能解析自然语言,自动提取并填充至结构化字段(设备类型、产能目标、I/O估算、待澄清项),生成标准化工单。
带来的价值:
将工程师从信息挖掘工作中解放,将需求理解时间从“小时级”缩短至“分钟级”。
2. 智能路由与协同 · Routing & Collaboration
解决的问题:
邮件群发后责任模糊,需手动指派负责人,跨时区协作响应慢,历史记录散落各处。
系统实现:
基于问题类型(采购/技术/合同)与内容关键词,自动路由至预设工程师队列。全程记录于统一工单,状态变更自动通知相关方。
带来的价值:
明确责任边界,减少60%以上的内部协调成本,实现跨时区异步高效协作。
3. 质量与风险控制 · Quality & Risk Control
解决的问题:
工程师方案可能忽略长期维护要素(如安全回路、日志留存),导致后期变更与客户不满。
系统实现:
内置方案质量检查规则,利用LLM扫描初版方案,识别如“安全”、“远程维护”、“日志”等关键词的缺失,并自动升级至负责人复核。
带来的价值:
将问题拦截在交付客户之前,提升方案首次通过率,构建“可预测、可验证”的交付质量。
4. 知识沉淀 · Knowledge Accumulation
每个工单都成为结构化案例,积累为可复用的项目知识库。 也为我的后续工程协作提供了标准化基础,支持经验的持续积累和长期专业发展。
This page is a portfolio-style demo to showcase how a solution-oriented PM designs end-to-end workflow: from messy client emails to structured tickets, engineering proposals, owner review and client-facing summaries.

业务场景 · Scenario

一家海外中小制造企业希望为冲压 + 输送 + 自动包装构成的小产线定制一套 PLC 控制系统, 将三台原本独立运行的设备联成一条“有节拍的完整产线”,目标产能约 900 pcs/h。 客户通过自然语言英文邮件描述需求,Echo Mail Assistant 监听邮件入口,将其转换为结构化工单, 再通过 n8n + Python + LLM 协同完成预处理、派发、审核与客户沟通。

客户核心诉求
· 三台设备“像一条线”一样自动协同,不再依赖人工配合;
· 实现 900 pcs/h 左右的稳定节拍;
· 未来可在上位机上查看状态、报警与简单报表。
Echo Mail Assistant 角色
· 监听邮件 → 生成案件编号 → 结构化需求;
· 自动路由给合适的工程师队列;
· 通过规则 + LLM 进行方案检查、翻译与客户版解释。
The demonstration below will use a real 'PLC multi-device joint control' project request as an example to fully present the entire process of this system from the customer's inquiry to solution confirmation.

流程概览 · Flow Overview

Echo Mail Assistant 将整个案件拆解为四条关键“泳道”:预处理、澄清、工程评估、负责人审核 + 客户确认。

Swimlanes · 泳道视图
Lane A · 预处理 / Pre-processing
  • 监听邮箱入口,捕获新邮件
  • 规范化时间为:UTC+8
  • 检测邮件语言,若需要则生成内部中文视图
  • 调用 LLM ,让ChatGPT将自然语言解析为结构化字段
  • 生成案件编号格式为:UUID(V4)
Lane B · 信息澄清 / Clarification
  • LLM 判断信息是否足够支撑初步选型与评估
  • 若不足:Echo Mail Assistant 将转发LLM自动生成的澄清问题列表
  • 向客户发送问题邮件,等待补充资料
  • 客户补充 I/O 与电气信息后,重新更新工单,并抄送项目负责人 XiangYan 审核
Lane C · 工程评估 / Engineering
  • 将工单路由至工程师队列:E-PLC-004
  • 工程师提交 v0.1 方案:PLC 型号、I/O 配置、联锁逻辑
  • Echo Mail Assistant 调取LLM 匹配检查是否缺失必要信息等
  • 若缺失:进入 Escalation 分支;若通过:直接生成客户版解释,并抄送项目负责人 XiangYan 审核
Lane D · 审核 & 客户确认
  • 发现关键缺陷,连同告警信息抄送项目负责人 XiangYan 审核
  • 由负责人提出“安全回路 / 日志 / FMEA”等修订要求
  • 工程师提交 v0.2 方案,Echo Mail Assistant 再次检查
  • 自动生成浅显易懂的客户版方案说明
  • 客户确认方案 → 案件状态更新为 Resolved / Closed
Ascii ·流程视图 [Client Email] | v [Echo Mail Assistant Inbound Listener (n8n IMAP Trigger)] | v [Pre-process (LLM + Python)] - Normalize time (UTC+8) - Detect language - Extract requirements - Generate Case ID: a2efd432-592e-489a-a1bc-25331b600be7 | v [Info Enough?] -- No --> [Clarification Email to Client] | | Yes v | [Client Reply] v | [Route to E-PLC-004] | [CC XiangYan] <----------+ | v [Engineer v0.1 Proposal] [CC XiangYan] | v [Echo Mail Assistant To LLM Check] |-------------------------+ No critical gaps | Critical gaps | | v v [Client-facing [Escalate to Owner (XiangYan)] Summary Draft] | [CC XiangYan] v | [Engineer v0.2 Revision] | | +-----------<-------------+ | v [Client Review] -- Accept --> [Case Closed]

Step 1 · 客户自然语言邮件 / Raw Client Email

Step 2 · Echo Mail Assistant 预处理 & n8n + Python 概览

本步骤展示 Echo Mail Assistant 如何利用 n8n 工作流 + Python 服务 + LLM,将一封自然语言邮件转换为可执行的工单。

1)n8n 作为编排中枢
  • IMAP Trigger:监听 service@gsscmc.com 收件箱
  • 捕获符合规则的新邮件(判断发信人是否在客户名单)
  • 写入初始日志,生成内部事件 ID
2)Python 服务 + LLM 分析
  • n8n 通过规则启用Python模块 API调用 LLM模型(ChatGPT)
  • LLM 负责:将自然语言解析为结构化 JSON,并翻译
  • Python 记录输出内容并再次调用 LLM,节拍换算、I/O 粗估、场景识别(新线/改造)
3)写入 Echo Mail Assistant 工单
  • n8n 接收 JSON,统一时间至 UTC+8
  • 生成 Case ID: a2efd432-592e-489a-a1bc-25331b600be7
  • 创建工单记录(存入Excel数据表),附英文原文与中文摘要
4)自动路由与自动回复
  • 根据问题类型与解决难度,将工单路由给 E-PLC-004
  • n8n 触发邮件节点,向客户发送“确认 + 待澄清问题清单”
  • 后续工程师回复 → 再次经由 n8n 记录、规则转发与归档

Step 3 · Echo Mail Assistant 结构化工单视图

Engineer-facing Ticket · English
Case Meta
Case ID: a2efd432-592e-489a-a1bc-25331b600be7
Created At: 2022-09-15 15:20 (UTC+8)
Source: Inbound Email (EN)
Client Role: Production Supervisor
Summary
Client wants to link a press, conveyor and auto-packing unit under one PLC control, targeting ~900 pcs/h (~4 s per part), so that the three machines behave as one integrated line.
Key Requirements (Extracted)
· Throughput ≈ 900 pcs/h, approximate 4 s cycle time
· Three machines to be synchronized (press as master, others follow)
· Total estimated I/O: ~70–80 DI/DO + 2–4 analog channels
· 24 V DC field signals, dry-contact / transistor outputs
· Existing IPC wants Ethernet connection for monitoring & logging
Unclear Items
· Exact I/O list per machine
· Existing safety circuits (E-stops, door interlocks, light curtains)
· Requirements on remote maintenance & log retention
· Any corporate standard on PLC brand / safety category
Routing Suggestion
Queue: E-PLC-004
Next action: v0.1 proposal on PLC model, I/O config and synchronization concept.
内部中文视图 · Chinese Mirror
案件元信息
案件编号:a2efd432-592e-489a-a1bc-25331b600be7
创建时间:2022-09-15 15:20(UTC+8)
渠道来源:英文客户邮件
客户角色:生产主管
摘要
客户希望通过一套统一的 PLC 控制系统,将冲压机、输送线与自动包装机联控, 产能目标约为 900 pcs/h(单件约 4 秒),整线表现为“一条协同产线”而非三台独立设备。
需求要点(提取)
· 产能目标:900 pcs/h 左右;
· 三台设备需在同一节拍下协同运行,冲压机为主节拍源;
· 粗略 I/O 需求约 70–80 点离散量 + 2–4 路模拟量;
· 现场信号为 24V DC,设备端为干接点/晶体管输出混用;
· 现场已有 IPC,希望通过以太网读取数据并做简单报表。
待澄清信息
· 各设备正式 I/O 清单与电气图;
· 是否已有独立安全回路;
· 对远程维护/日志保留时长是否有硬性要求;
· 是否有企业统一 PLC 品牌/安全等级规范。
系统建议
将工单路由至数据库中的工程师 E-PLC-004 队列,由工程师给出 v0.1 方案, 并行向客户发出澄清问题列表。

Step 4–6 · 工程方案迭代(v0.1 → 审核 → v0.2)

工程师 v0.1 建议(节选)
· 选用国产高性能 PLC:汇川 Inovance AM600 系列;
· 配置本地 I/O + 远程 I/O,覆盖约 70–80 点离散量并预留 30% 余量;
· 建议以冲压机为主节拍源,输送线与包装机按节拍与就绪信号联动;
· 设计基础联锁:任一关键设备故障 → 联动停机 + 上位机报警;
· 建立简单报警分级与上位机监控画面。
v0.1 重点聚焦在“能不能跑得起来”的控制逻辑与硬件配置, 但对安全回路、远程维护、日志保留与 FMEA 等长周期治理要素考虑不足。
负责人审核 & v0.2 修订要点
XiangYan 审核要求:
· 将急停、门锁、安全光栅纳入独立安全回路,并单独成章;
· 明确远程维护方式(工业 VPN、访问控制)、保证至少 90 天运行日志;
· 针对多设备同时停机场景,做简要 FMEA 分析与恢复流程设计。

工程师 v0.2 响应:
· 引入安全继电器/安全控制器,PLC 仅用于状态诊断;
· 规划工业 VPN + 本地 IPC 日志体系,支持审计与远程只读监控;
· 给出 3 类典型停机场景(单机故障、通讯中断、急停)下的系统行为与恢复路径。

Step 7 · 面向客户的 Echo Mail Assistant 回信

Echo Mail Assistant 将技术方案自动翻译为客户友好的说明,只保留客户真正关心的内容(能不能跑、安全不安全、好不好维护、数据能不能看)。

Step 8 · 时间线 · Ticket Timeline

Client → Echo Mail Assistant
Case Created
2022-09-15 15:18 (UTC+8)
Email Received
客户发送英文邮件,描述“将冲压机 + 输送线 + 包装机联控”的需求,目标产能约 900 pcs/h。
Source: Email Status: New
Echo Mail Assistant (n8n + Python)
Pre-processing
2022-09-15 15:20 (UTC+8)
Ticket Generated
Echo Mail Assistant 监听到邮件,统一时间为 UTC+8,调用 Python + LLM 解析自然语言,生成结构化工单与案件编号 a2efd432-592e-489a-a1bc-25331b600be7
n8n Orchestration LLM Extraction
Echo Mail Assistant → Engineer Queue
Assignment
2022-09-15 15:22 (UTC+8)
Routed
工单被路由至 E-PLC-004 队列,并向客户发送确认 + 澄清问题列表的自动回复。
Queue: E-PLC-004 Status: In Progress
Engineer → Echo Mail Assistant
v0.1 Proposal
2022-09-15 18:40 (UTC+8)
Draft Submitted
工程师提交 v0.1 方案,包括汇川 AM600 选型、I/O 配置与基本联锁逻辑,但未详细覆盖安全回路与远程维护策略。
Proposal v0.1 Gaps: Safety / Remote / Logs
Echo Mail Assistant QA & XiangYan
Owner Review
2022-09-15 19:10 (UTC+8)
Returned
Echo Mail Assistant 规则检测到安全与远程维护方面存在缺失,将工单标记为“需修订”,并抄送负责人 XiangYan, 由其提出关于安全回路、90 天日志与多设备停机场景 FMEA 的修订要求。
Status: Returned for Revision Owner: XiangYan
Engineer → Echo Mail Assistant
v0.2 Revision
2022-09-16 11:24 (UTC+8)
Updated
工程师提交 v0.2 方案:增加独立安全回路设计、工业 VPN + 本地日志策略,并对多设备停机场景给出简要 FMEA 分析与恢复流程。
Proposal v0.2 Status: Ready for Client
Echo Mail Assistant → Client
Client-facing Summary
2022-09-16 14:27 (UTC+8)
Sent
Echo Mail Assistant 将技术细节翻译为客户可理解的说明邮件,解释选择国产 PLC 的原因、联动逻辑、安全设计、远程维护能力与日志保留策略。
Language: EN+ZH Summary Email
Client → Echo Mail Assistant
Acceptance
2022-09-17 15:05 (UTC+8)
Accepted
客户确认 v0.2 方案满足其对产能、安全与远程支持的核心要求,同意进入详细设计与实施阶段。Echo Mail Assistant 将工单状态更新为 Resolved / Closed 并归档记录链路。
Status: Resolved / Closed Next: Detailed Design
本页面仅为 Demo,用于展示如何将「客户自然语言需求 → Navigator 理解 → 工单 → 工程师协同 → 负责人复核 → 客户确认」这一链路结构化、可视化、可追溯。
This demo simulates how a PLC & multi-equipment integration request flows through Echo Mail Assistant, ticketing, engineers, review, and final client confirmation.