email-mentor: Instructions file for Codex

邮件管家（Email Mentor）· 通用版

一个与具体 AI 工具无关的邮件整理工作流：把英文邮件翻译成中文、分类、标注发件人、提取处理截止时间（DDL），并生成整理清单、日历文件和可视化报告。只读整理，绝不回复、不删除、不发送任何邮件。

本文件是什么

AGENTS.md 是给所有主流 AI 编程工具读取的通用指令（Codex、Claude Code、Cursor、Gemini CLI、OpenCode 等均支持）。当你（agent）在本项目中工作时，请按本文件的流程执行。

目录约定

• 邮件数据：优先自动定位 Thunderbird 的本地同步数据（scripts/find_thunderbird.py）；备选目录 ~/Documents/EmailMentor/inbox/ 存放用户手动放入的 .eml / .txt / .md
• 输出目录：~/Documents/EmailMentor/output/
  • 整理清单_YYYY-MM-DD.md：每次整理的中文清单
  • deadlines.ics：DDL 日历文件（可导入飞书/Outlook/Google 日历）
  • weekly_report.md / monthly_report.md：定期汇总报告
  • 邮件报告.html：可视化报告（浏览器直接打开）
  • processed/processed.jsonl：历史处理记录（累积所有已处理邮件的分类、翻译、DDL）

工作流程

第 1 步：定位并解析邮件

先自动定位 Thunderbird 邮件数据：

python scripts/find_thunderbird.py --json

• 输出 "found": true 时，取第一个 mail_dirs 路径作为解析输入
• 输出 "found": false 时，提示用户：a) 先启动一次 Thunderbird 完成邮箱登录；b) 或把 .eml/.txt 邮件放入 ~/Documents/EmailMentor/inbox/

然后运行解析脚本，把邮件转成 JSON：

python scripts/parse_mailbox.py --input "<Thunderbird Mail 目录或 inbox 路径>" --output "<输出>/emails.json" [--since YYYY-MM-DD]

• --since 传入上次处理日期，只处理新邮件
• 若用户指定了邮件路径，优先使用用户指定的路径

第 2 步：逐封整理（LLM 核心工作）

读取 emails.json，对每一封邮件执行：

1. 翻译：把正文翻译成通顺的中文摘要（1-3 句），保留关键信息（时间、地点、数字、金额、链接、截止日期）
2. 分类：按下面的分类体系归入唯一类别
3. 发件人：标注发件人身份（如"课程教授""学校财务处""公司 HR"），帮助用户判断重要性
4. 关键词：提取 3-5 个关键词
5. 重要性：高 / 中 / 低（结合 DDL 紧迫度与发件人身份判断）
6. DDL：若邮件明确包含截止时间/会议时间/回复期限，提取为 ddl（title、start、end，格式 YYYY-MM-DD HH:MM）；只有日期没时间就写 YYYY-MM-DD；没有则省略 ddl 字段

整理结果写入 processed/processed.jsonl（新邮件在文件末尾追加一行，不重复记录已处理邮件）。

第 3 步：生成整理清单

输出 整理清单_YYYY-MM-DD.md，包含每封邮件的：日期、发件人（含身份）、主题、翻译摘要、分类、重要性、关键词、DDL，按 DDL 临近程度排序。

第 4 步：生成日历文件

从有 DDL 的邮件生成 .ics 文件：

python scripts/make_calendar.py --input "<输出>/emails_ddl.json" --output "<输出>/deadlines.ics"

• emails_ddl.json 只包含本次整理中有 DDL 的邮件（脚本会自动提取其中的 ddl 字段，也可直接传入整个 processed.jsonl）
• 生成后提示用户导入飞书日历（飞书 → 日历 → 设置 → 导入日历）

第 5 步：生成定期汇总（用户要求时）