手搓一个「本地邮件摘要」工具：零依赖、数据不出电脑

仓库：github.com/aks-666888/... | SkillHub：邮件摘要待办助手 v2.0.0（安全审核中）

一、痛点

周一早上 200+ 封未读，老板的消息混在订阅推送里。我不想把邮件交给任何云端 AI（隐私焦虑 + 数据出境），又受不了逐封翻------所以手搓了一个本地的邮件摘要工具：

邮件只在本机处理，零依赖（仅 Python 标准库）
把一堆邮件变成「高优/中/低」+「待办清单」+「截止日」
可选本地 LLM（Ollama/Hermes）增强语义，失败自动降级规则
一键推送到手机（企业微信/飞书机器人）

二、为什么选本地处理

方案	隐私	成本	离线可用
通用云端 AI 摘要（Superhuman AI、Shortwave AI 等）	❌ 邮件出本机	月费	❌
本地自托管（本文）	✅ 邮件不出电脑	免费	✅
Apple Intelligence（iOS 端）	✅	设备绑定	✅

2026 年的明确趋势是 on-device/local-first。隐私焦虑最尖锐------企业怕客户邮件/商业计划上云。

三、实现要点

3.1 核心数据结构

邮件统一成一份 list，每封是个 dict：

python 复制代码

{
    "from": "老板王总",
    "subject": "【紧急】客户方案请今天下班前确认",
    "date": "2026-08-24",
    "body": "小李，客户对方案提了两点修改意见......",
}

3.2 优先级打分（关键设计：未读≠重要）

python 复制代码

HIGH = ["紧急", "尽快", "请今天", "截止", "请确认", "请处理", "请回复", "asap", "urgent"]
MID  = ["会议", "周报", "复盘", "进度", "提醒", "改期", "报名", "订阅", "通知"]

def score(em):
    s = 0
    text = (em["subject"] + " " + em["body"]).lower()
    has_high = False
    for k in HIGH:
        if k.lower() in text:
            s += 3
            has_high = True
    for k in MID:
        if k.lower() in text:
            s += 1
    em["_has_high"] = has_high   # 高优用「信号词」标记，不用累加分数
    return s

设计取舍：高优不是「分数最高」，而是「含紧急/截止/需行动类信号词」。避免「未读 = 重要」的误判。

3.3 待办与截止日抽取

python 复制代码

TODO_PAT = re.compile(r"请[^\n。]{2,30}(?:一下|一下我|处理|确认|回复|补交|修改|报名|查看)")
DDL_PAT  = re.compile(r"((?:\d{1,2}\s*月\s*\d{1,2}\s*日)|(?:周[一二三四五六日])|(?:今天|明天|后天|本周|下周))")

def todos(em): return [t.strip() for t in TODO_PAT.findall(em["body"])][:3]
def ddls(em):
    text = em["body"] + " " + em["subject"]
    out = []
    for m in DDL_PAT.finditer(text):
        d = m.group(2) or m.group(3)
        if d: out.append(d.strip())
    return list(dict.fromkeys(out))[:2]

3.4 项目分组

优先取方括号标签（[项目A] 周报），否则按关键词匹配：

python 复制代码

def project(em, projects):
    m = re.search(r"\[([^\]]+)\]", em.get("subject", ""))
    if m: return m.group(1)
    body = em.get("body", "").lower()
    for kw in projects:
        if kw.lower() in body or kw.lower() in em.get("subject", "").lower():
            return kw
    return "其他"

3.5 三入口设计（不绑架用户）

宿主连接器（零配置，主推）：WorkBuddy/Codex/Claude/Hermes 拉邮件 → 转 JSON → 本技能消费
IMAP 直连（自托管）：配一次授权码，数据完全自控
文本粘贴（兜底）：复制邮件正文存 txt

3.6 输出（JSON 契约）

json 复制代码

{
  "total": 6, "high": 3, "mid": 3, "low": 0,
  "emails": [
    {"from":"老板王总","subject":"...","priority":"high",
     "project":"客户","todos":["请在今天下班前确认并回复我"],"ddl":[]}
  ]
}

HTML/Markdown 输出供人看，JSON 给 Agent 框架消费。

四、踩坑

未读 ≠ 重要：第一版用「未读+时间衰减」打分，结果营销订阅被误判高优。改用信号词后准确率大幅提升。
正则贪婪匹配 ：截止日正则要排除邮件签名/转发链里的日期串，常见做法是先剥 发件人:/签名块再匹配。
编码：IMAP 抓 .eml 要强制 utf-8，国内邮箱（QQ/网易）经常返回 GBK。
降级：LLM 增强失败时（端点挂了/超时）必须降级到规则------不能因为 LLM 不可用就让整个工具瘫痪。

五、成果

已上架 SkillHub「邮件摘要待办助手」v2.0.0（TRACE 评测安全审核中）
计划：v2.1 加 RAG 召回历史邮件（同一项目上下文）

六、关键代码

完整实现 22KB，单文件 digest.py：仓库链接，欢迎 Star / Issue。

标签：#Python #效率工具 #邮件处理 #AI #本地化