v1 · macOS 把 AI 装进你的收件箱
你的收件箱，
有人盯着了 。
MailAgent 在邮件落地的那一刻就替你读完它——自动分类、定优先级、写摘要、起草回复。 重要的浮上来，杂讯沉下去，全程可点回原文。
MailAgent 在邮件落地的那一刻就替你读完它——自动分类、定优先级、写摘要、起草回复。 重要的浮上来，杂讯沉下去，全程可点回原文。
Hi 各位，
我看大家已经有比较全面的讨论了，这里补充几点我在一线的观察供参考：多区域的部署节奏不同市场接受度不完全一样……
不是事后批量处理，而是入库即处理。分类、优先级、一句话摘要、动作建议—— 结构化写进每封邮件，列表里一眼就能看出哪封该先看。
每封邮件被打上类别（产品管理 / 需要决策 / 仅供参考…）和优先级。 紧急的标红冒头，FYI 的自动沉底——你不再从 674 封里大海捞针。
长邮件串、几十层引用，压成你能在两秒里读完的要点。打开前就知道里面在说什么。
该回的邮件，AI 顺着上下文先拟一版草稿。你改两句、或直接发——决定权永远在你手里。
「需要决策」「等待拍板」「可归档」——AI 不只告诉你这封讲什么，还告诉你该拿它怎么办。
本地 FTS5 索引 9,000+ 封邮件，⌘K 起手，毫秒级返回。KOS 不可达时也能优雅降级。
每封邮件顶部一块 AI FIELDS 面板：摘要、优先级、动作、类别、回复建议—— 全部结构化、可复核、可标记「已 Review」。不是一个黑盒，是一个透明的助手。
MailAgent 把最关键的提醒送上灵动岛。一封紧急邮件进来，AI 判完级， 要点和建议动作直接浮在屏幕顶端——不用打开 App，不用翻收件箱。
Jarvis 每天回顾过去 24 小时的邮件，策展成一份结构化富报告：已处理了什么、 还需你亲自关注、你必须知道的关键信息、以及一般汇总。周报、月报同一引擎。
Custom AI 通过 MCP 工具桥接到 KOS 知识库：邮件源、实体图谱、历史轨迹。 LLM 按上下文自判断该查什么，回答带来源。我们不替它注入，把工具和 skill 给它自驱。
一个邮件助手最怕编。MailAgent 的纪律：统计、链接、邮件 ID 全由代码确定性回填， LLM 只负责措辞和分组。出错的爆炸半径，被牢牢限制在文案里。
总数 / 未读 / 紧急 / 已处理 / 待处理——全部确定性计算，与数据库一致。
LLM 分配邮件时给的 internal_id 会被校验回真实候选集，编造的直接扔掉。
每条溯源链接由后端用真实 page_id 生成，点过去一定是对的那一封。
邮件存本机 SQLite，Electron 直读，正文从不自动外发翻译。
LLM 看板和系统看板把真实数据摊开：处理量、token、耗时、缓存命中、同步健康、死信队列。 这不是装饰图表——是跑了 5,904 次的真实账本。
同一套设计系统、同一份 AI 判断，响应式适配到手机。重点 / 其他分流、优先级标记、 灵动岛提醒——窄屏上一样清爽。
macOS 桌面应用，本地优先，开源。下载、连上你的邮箱，AI 从下一封邮件开始接管。
从 GitHub Release 取最新 .dmg，拖进应用程序。
通过 DavMail / IMAP 接入，邮件同步到本地 SQLite。
填入模型密钥，开启 Agent，下一封邮件起自动处理。