早上打开邮箱，未读数是 96。以前我的办法是从最上面开始一封封点开，重要的先回，能删的顺手删。问题是看到第十几封的时候，脑子里已经记不清哪封催过报价、哪封只是系统通知，最后常常要来回翻两遍。
今天想试一套更省事的办法：不让 AI 替我清空邮箱，只让它先把最近两天的未读邮件排成一张可核对的表。我做判断，它做整理。
先把邮件拿到本地
第一步不是写提示词，而是处理数据。我把最近 48 小时的未读邮件导出成单独的 .eml 文件，再用一个很短的 Python 脚本提取发件人、主题、收件时间和正文。附件内容没有打开，签名和重复的免责声明先删掉。这样交给模型的只有必要的文字，也避免把客户资料和报价附件直接传到外部服务。
我这次用的是本地模型。它跑得不算快，处理三十多封邮件大概花了几分钟，但数据没有离开电脑，心里踏实一些。数量再多就得分批，不然上下文一长，前面的邮件反而容易被忽略。
表格只留八列
一开始我让 AI “总结邮件并判断紧急程度”，结果得到一堆很顺的概述，真正要做什么还得重新看原文。第二版改成固定字段，情况就好多了：
- 邮件编号
- 发件方
- 需要我处理的事
- 明确的截止时间
- 涉及的单号、订单或金额
- 下一步：立即回复、补齐信息、转给同事、仅阅读、稍后再看
- 需要谁确认
- 原文里没说清楚的地方
最后两列很关键。邮件里经常只有一句“尽快确认”，并没有日期；也可能只说了订单号，没有说是退货还是补发。我要求模型找不到就写“未说明”，不允许根据语气猜。刚开始它会把“尽快”翻译成“今天下班前”，看起来很有帮助，实际上是在替我编期限。
上下文太短也会看错
第一批结果里有封客户邮件，正文只写了“还是按上次的方案走，发票抬头改一下”。脚本把引用的历史邮件截掉了，AI 很自然地给出“确认开票信息”，但没有指出“上次的方案”到底是什么。后来我把规则改成保留最近三条引用，同时在表格里单独标出“依赖上一封邮件”。这类邮件不直接排进回复队列，先打开原线程再说。
另一个误判来自一封航空公司发来的航班调整通知。主题里有“紧急”，AI 就把它排在前面，可正文只是通知改登机口，并不需要我回信。第二次我删掉了“根据语气判断紧急程度”这句话，只让模型寻找明确的询问、承诺和日期。主题里的形容词可以参考，但不能单独作为依据。
模型排完，还要过一道人工规则
AI 输出结果后，我没有直接照着顺序一件件做，而是又加了一层简单规则：涉及付款、合同、账号安全或客户投诉的邮件，全部先人工看；有明确日期且落在两个工作日内的，放到今天处理；对方还在等资料的，单独列出来；广告和系统通知批量归档。这样处理后，96 封未读里真正需要我自己动手的只剩十几封，另外一部分是等供应商回件，并不需要继续发消息催。
我也没有让它自动发邮件。对几封简单的确认邮件，我让它先写一个两句话的草稿，要求只确认收到、不承诺价格和交期，信息不够就主动问订单号。草稿仍然由我检查后发送。这个步骤看起来很保守，但省下来的主要是查找和切换窗口的时间，真正的判断仍然留在自己手里。
今天的小结
这次实验最有用的一点，是把“读邮件”和“决定怎么处理”拆开了。AI 很适合把发件人、事项、日期和缺失信息整理到同一张表里，却不知道哪家客户不能拖、哪笔付款必须先核对。固定字段加上“不清楚就留空”，比让它写一段漂亮摘要可靠得多。
下一步我想把表格里“需要我回复”的项目接到 ERPNext 的 ToDo，把来源邮件和订单号放在备注里。先用手动确认的方式跑几天，看看哪些邮件根本不该进任务列表，再决定要不要继续自动化。