订舱邮件自动化：托书邮件到承运商订舱全链路无人值守

IMAP 每 120 秒轮询收件箱，白名单校验发件人，按主题、托书附件、正文截图三源解析：主题用正则抽航线与箱型箱量，托书用标签锚定加相邻格取数，两源按数值字段托书优先、港口主题优先合并

关键判断：主路径必须是 Python 规则，LLM 只做旁路兜底，而不是把整封邮件丢给大模型。规则可重现、可审计、可回归，token 成本可控，且承运商字段有硬格式，模型幻觉的代价是订错舱。

只有规则层出现缺字段时才调 deepseek-chat，有内嵌截图时同时走视觉模型。模型返回的每个字段都要过白名单与格式校验，不合法一律当空并进缺字段列表；模型判出的内部字段另有兜底值与留痕。

关键判断：模型输出永远不当事实，只当候选值，由规则层最终裁决；模型判不出来时不能让整单卡死，合约号按配置兜底、毛重按默认值上报，但必须把兜底痕迹写进日志，保证事后能分辨真假。

自研 dispatcher 把 9 个入参原子写入文件并改写触发信号文件，影刀 RPA 监听后登录达飞官网代填提交，完成后用 HTTP 回调把结果打回本地面板；

关键判断：不逆向承运商接口、不碰验证码，用 RPA 走人在操作界面的合法路径；触发用文件信号而非 API，简单可靠且便于人工补跑；触发后必须立刻把本地状态置为在途，否则下一轮轮询会重复派单。

达飞回执邮件单独走一条通道，主题特征命中即判为结果通知而不建单，从正文抽承运商单号后与订单逐字匹配，成功则置已订舱并归档回执 PDF，未接受则置失败，匹配不上进待补判队列每轮重扫。

关键判断：任何自动化动作都要留下可回溯的状态与证据，并且必须给人留一键接管的口子，宁可拦住可疑单让人确认，也不能把可疑数据静默送去订舱。同时把一封邮件只生成一条订舱单定为业务粒度。