按操作可逆性设计 AI 邮箱审批流程
作者将邮件操作按是否可撤销分配权限:标签、归档和任务分派定时自动执行,发送邮件、花钱及多数删除操作仍需审批。实践表明,逐项审批会形成处理瓶颈,预先授权部分操作能推动积压邮件清理。
AI 深度解读
把邮箱交给 AI,最容易想到的保险措施是:每一步都让人批准。作者试了一天,收件箱却积到了 113 封。真正让它归零的,是把操作分成两类:能撤销的自动执行,难以挽回的保留审批。
这套实践值得看的,不是「AI 员工」的包装,而是几个具体问题:授权怎么避免误解,审批页该放什么,纠正怎样带进下一轮,以及任务失败后如何继续。它也留下一个需要辨清的边界:收件箱清空,不等于事情办完。
自动化的边界,为什么要按能否撤销来划
作者最早采用全自动模式。只读试运行后,Claude Code 询问能否添加标签、多久运行一次,作者回答「1 ok」和「once an hour」。Claude Code 把它理解成可以立即投入正式运行,连历史积压一起处理。
第一轮处理了从 3 月以来积压的 57 封未处理邮件中的 40 封。作者还没看过标签和归档结果,就叫停了任务。当时已有 14 封被归档,随后全部恢复到收件箱,新增标签也被移除,包括 ai-office/processed。恢复结果通过另一条 Gmail 读取路径核验。
撤销能成功,是因为最初规则只允许打标签、归档,禁止发送、转发和移入垃圾箱。但授权仍出了问题:同意一种操作,不等于同意立刻处理全部历史邮件。正式运行前,应当展示处理范围和预期影响。
作者随后走到另一个极端:所有动作先提案,再批准。首批审批涉及 70 封邮件,19 封归档、23 封移入垃圾箱、28 封留在收件箱。逐项复核发现,67 项符合指令、2 项附条件符合、1 项不符合。错误来自邮件主题相同,系统把另一编号的邮件移入了垃圾箱,靠复核才找回来。
一天后,收件箱仍有 113 封,其中 60 封来自最近七天;note.com 占 36 封,github.com 占 8 封。即使 Slack 每天只通知两次、同时只留一个待审批请求,人仍然成了串行瓶颈。
最终规则是:标签和归档每小时自动执行;发送、花钱继续等人批准,任何金额都不例外,曾经放行小额支出的规则也被撤回。垃圾箱会在 30 天后自动清空,因此移入垃圾箱也保留审批,预先授权的 GitHub 通知清理除外。
授权边界应该落到具体操作,不能只写一句「允许 AI 处理邮件」。
收件箱归零,还要清掉指令冲突和失败中断
系统固定使用四个标签:alerts、candidates、admin tasks、needs-me。作者改为查看运行报告,只在结果有误时评论纠正。
切换后的第一轮处理 60 封:10 封常规整理、3 封告警、32 封候选素材、2 封行政任务、13 封需要本人处理,没有删除邮件。归档 47 封后,收件箱从包含新增邮件的 116 封降到 69 封;下一轮处理剩余 56 封。
独立读取确认,最后留下 32 封 needs-me,未处理邮件为零。两轮约六分钟,共消耗约 275 万 input tokens,大部分来自缓存。
之后,作者决定连 needs-me 也归档,所有处理过的邮件标记为已读,入口转向 Paperclip 的决策卡片。但仍有九封留在收件箱。
原因之一是旧指令还写着「等待作者行动的邮件保留在收件箱」。修改总规则,却漏改执行细则,任务自然会继续遵守旧要求。策略变更需要搜索整个指令文件里的冲突条款。
另一个原因是 Gmail 返回 RATE_LIMIT_EXCEEDED。所有 worker 合计每天调用 333 次,错误体指向 defaultPerMinutePerProject。作者据此判断,限制来自 OpenAI Gmail connector 使用者共享的项目级每分钟配额,单纯降低自己的调用频率解决不了问题。
原规则要求失败即停止并报告,于是一次限流就中断整轮。调整后,失败分别等待 60、90、120 秒重试,三次仍失败就留到下一轮。两处修正完成,最后九封才被处理。

这里真正完成的是邮件分流。需要人行动的事项并没有消失,只是从收件箱搬到了另一套任务界面。
审批是否省力,取决于屏幕上有没有足够的信息
作者把需要外部操作的邮件交给 admin worker,结果 16 个任务全部阻塞,待审批数却是零。原因是它只有一份下载某家供应商发票 PDF 的操作手册,没有手册的任务就不会继续。
修改后的要求是:缺少手册时自行研究,每项任务必须落到四种结果之一:仅提供信息并归档;提交包含事实的审批;起草回复并等待发送批准;写清官方办理步骤,包括在哪里点击、填写什么。每条评论第一行还要明确作者需要做什么。
重跑后,16 项全部推进:1 项无需操作,1 项需要作者粘贴另一网站页面上独有的文本,14 项形成带事实和建议的审批。作者几分钟内批准 13 项、拒绝 1 项。
这只能证明这批任务在调整后变得可处理,不能证明所有行政事务都能如此自动化。但它指出了一个很实用的问题:审批数量少,未必代表系统省心,也可能代表任务根本没走到决策阶段。
邮件回复也一样。原先审批页只写「回复确认未决事项」,全文藏在任务文档里;后来每封回复单独申请发送批准,直接展示收件人、主题和完整正文,而且与方案审批分开。
批准处理方案,不等于批准最终发出的文字。
纠正要带进下一轮,权限也要缩到任务范围内
Paperclip 保存了审批和评论,却不会自动把它们带进下一次执行。作者发现,每轮都能可靠到达 worker 的,是它的指令文件。
于是增加一个每 15 分钟运行的脚本,只收集作者的批准、拒绝和纠正评论,写入各 worker 指令中的指定区域。每条决定区分长期规则和一次性授权,防止「这次可以」变成永久政策。这才支撑了「只在出错时评论」的工作方式。
执行环境也经历了收缩。这是运行在作者 Mac 上的个人助理系统,由 Paperclip 编排,Claude Code 搭建,实际推理和工具调用由 ChatGPT 订阅下的 OpenAI Codex 完成。
原先 Paperclip 的 Gmail 连接只能读取和起草,还需要 Google 审核,作者已考虑自建 Gmail API 工具;后来发现,现有 OpenAI 官方 Gmail plugin 连无头运行的 codex exec 都能使用,提供 21 种操作,涵盖搜索、读取、标签、归档、草稿、发送、转发和垃圾箱。
只读试跑处理最近 24 小时的 13 封邮件,约四分钟,使用 56 万 input tokens。此时 worker 继承了作者整套 Codex 配置,包括数据库写入和 GitHub 权限,随后才换成只启用 Gmail plugin 的专用配置,并明确禁止执行邮件正文中的指令。
blog 和 skill worker 没有 Gmail 权限,只能写各自目录。系统还通过入口脚本,在订阅额度已用到 80% 时拒绝启动 Codex,因为单轮可能达到 50 万至 100 万 tokens。
我的判断
我认同作者按可撤销性分配权限,也认同把完整决策材料放进审批页。比逐封点击批准更有价值的,是让人只处理确实需要判断的动作。
但「能撤销」只是必要条件。误归档可以恢复,错过告警的时间无法追回;needs-me 全部归档并标记已读,也要求任务系统能稳定接住后续事项。一般团队照搬前,应先确认负责人会从哪里看到任务。
验证方式同样需要区分。通过另一条读取路径确认归档数量,能检查操作是否完成,却不能证明分类正确。原文已经出现过同主题邮件混淆,说明批准时需要稳定的邮件标识和清楚的对象信息。
作者没有提供长期误分类率、漏处理率,也没有给出与 Gmail 原生过滤规则的对照数据,因此效率收益仍是个人实践证据。对固定来源、固定条件的邮件,先用确定性规则过滤通常更容易检查;涉及语义判断、跨任务分流时,再让 AI 介入更合适。
另外,六分钟和 275 万 input tokens 描述的是这套配置下的一次运行。原文没有给出实际费用、缓存计费和长期额度消耗,不能据此判断它对一般团队是否经济。
能拿来做什么
- 搭建邮件 Agent 时,先写出操作权限表:标签、归档、发送、转发、删除、付款分别怎么授权,再明确首轮处理历史积压还是只处理新邮件。
- 在 Node 编排脚本中区分临时失败与持续失败,为限流设置有界重试,并让未完成任务进入下一轮;同时检查重复执行是否会重复创建任务或发送邮件。
- 为发送审批直接展示收件人、主题和完整正文,将方案审批与发送审批拆开,让人能在当前页面完成判断。
- 把日常 AI 编程中的纠正分成长期规则和一次性决定,只沉淀明确授权的内容,并清理旧指令冲突,避免临时要求永久影响后续执行。