我曾经认为电子邮件对AI来说是一个可怕的地方.
太乱了。
太人类了。
太多2017年的传输链和HTML 由软件生成 公司没有人能命名。
后来我花了一些时间阅读收件箱自动化线程, 特别是一个关于电子邮件流的好消息, 电子邮件对于AI来说是一个很好的表面,如果你停止使模型的行为像您的邮件服务器.
这听起来很明显。
但很多收件箱自动化仍然这样做:新消息到达时询问GPT-5是否支持 询问克洛德是否是销售 询问另一个模式是否是垃圾邮件 再次询问属于哪个别名再次询问是现在还是以后的回复 这不是情报。
那是昂贵的失忆症 更好的模式很简单:代码拥有状态,重试,排程,同步,以及验证 LLM 只处理实际需要判断的决定 那样的分拆使我的收件箱工作流程更便宜,更容易调试,也更不脆弱.
我不断回到OpenClaw工作流程讨论的评论中, 如果工作流程在达到LLM使用极限时停止工作,LLM可能做得太多.
这是关于编码代理,但它完全适用于收件机自动化。
如果您的电子邮件管道依赖于一个模型来记住邮箱状态,去dupe事件,处理重试,或者重新检查每跑一次的路由规则,那么您会构建错误的系统.
模型擅长判断.
他们不擅长做保管人。
电子邮件感到混乱,但运输方式已经结构化了,人类体验电子邮件是混乱的.
机器没有。
每个消息已经以有用的结构到达: 线索标识符 IDs headers timetamps 原始 MIME 附加边界别名地址 这一点很重要,因为很多路线决定从一开始就不应该打击LLM.
如果发票总是去,GPT-5不应该每天早上重新发现这个规则.
如果支持邮件总是以特定的别名寄出,代码就应该确定它的方向。
如果一个线程已经被处理过,你的工人应该从一个数据库中而不是从一个提示中知道这一点.
该模型应如何使用GPT-5、克洛德·奥普斯·4.6、格罗克、克文或拉马等实际需要推理的部分: 将模糊不清的信息分类,总结出从丑陋的链条中提取的意向 供人类审查的答复草稿,决定附件是像合同、发票还是支持文物 哪些代码应该做每件事件重复:同步邮箱更改持续同步令牌执行发送者,别名规则安排后续程序重试失败抑制重复处理 验证一条线索是否已经处理过可审计性的日志决定 那个建筑不像"AI收件箱代理"那么闪亮.
这也是下个月仍然起作用的建筑。
Gmail的配额数基本上告诉你如何建造这个部分, Google发布Gmail API方法的配额成本. =2个配额单位=5个配额单位=20个配额单位=40个配额单位=100个配额单位.
这些数字不是琐碎的。
它们是设计提示。
Google 正在指示您这样做: 仅查看更改获取已更改的应用决定过滤器, 只为边缘大小写调用 LLM 不是这个: 每一分钟都给收件箱投票, 把所有未读到的线索都扔进克劳德身上 如果你的工作流程每分每秒醒来,要求边框模型检查所有未读邮件,那么你没有建立自动化.
你创造了一个反复的账单。
一个正常的 Gmail 管道 对于 Gmail , 模式是直截了当的 : 通过 Cloud Pub/ Sub 用户订阅收件的收件箱更改, 以获取更改的消息ID 只获取您实际需要运行的确定性规则的邮件, 首先将模棱两可的消息升级到 GPT-5 或 Claude 启动用于更改处理的邮箱监视最小节点 重要的部分不是代码风格.
重要部分是操作顺序:廉价邮箱同步 第一次确定路线 第二次模式调用最后