核心用法
Gmail Secretary 采用三阶段自动化工作流实现智能邮件管理。首先运行 triage-and-draft.sh 脚本，通过 gog CLI 获取收件箱内容并提取摘要，存储为结构化 JSON 数据；随后启动基于 Haiku LLM 的 Agent（通过 sessions_spawn），该 Agent 读取邮件摘要后，根据预设的学生场景上下文（IB/AP 课程、社团活动等）进行智能分类，识别 Urgent、Needs Reply、Waiting On、Read Later 等标签，并将结果写入 gmail-triage-labels.json；最后执行 apply-labels.sh 将分类结果同步至 Gmail 线程。此外，系统支持 build-voice-reference.sh 从已发送邮件构建写作风格参考，辅助生成个性化回复草稿，所有草稿仅保存至本地文件队列，绝不自动发送。
显著优点
AI 驱动的智能分类：区别于传统的正则匹配，采用 Haiku LLM Agent 进行语义理解，能准确识别邮件紧急程度和上下文含义（如区分公司邮件与学校事务）。严格的安全边界：SKILL.md 明确声明"Never send email automatically"，仅创建草稿并等待人工确认，避免误发风险。本地化隐私保护：所有邮件数据仅在本地处理，通过 gog CLI 直接对接 Gmail API，不经过第三方服务器；内置数据脱敏机制，自动将邮箱地址、电话号码替换为 [email]、[phone] 占位符。精准的场景适配：针对学生群体优化分类逻辑，预设 School、Clubs、Mayo（科研项目）等专属标签，能准确处理社团通知、学术项目与企业邮件的区分。完善的工程实践：脚本采用 set -euo pipefail 严格模式，使用 trap 确保临时文件清理，通过 mktemp 管理缓存，具备健壮的错误处理机制。
潜在缺点与局限性
依赖配置复杂度：需要预先安装并配置 gog CLI 工具（需 OAuth 授权），且依赖 GOG_KEYRING_PASSWORD 等环境变量，初次部署门槛较高。来源可信度限制：作者为个人开发者（officialdelta），来源等级 T3，虽代码完全开源可审计，但缺乏企业级维护背书。分类准确性依赖：基于 Haiku LLM（轻量级模型），对于复杂语义或讽刺性内容可能存在误判，初期需要人工复核标签准确性。平台局限性：当前仅支持 Gmail 邮箱，且主要针对学生场景预设标签，企业级自定义分类需要手动修改 Agent Prompt。数据本地存储风险：虽避免云端传输，但邮件摘要和草稿以明文 JSON/Markdown 形式存储在本地缓存目录，需用户自行管理文件权限。
适合的目标群体
本技能特别适合高强度的学生群体（尤其是 IB/AP 课程、参与多个社团、同时进行科研项目如 Mayo Clinic 项目的学生），以及每日收件量超过 50 封、需要快速筛选优先级的知识工作者和自由职业者。对于注重隐私、希望邮件数据仅在本地处理而非上传至第三方 AI 服务的用户，以及需要保持特定写作风格（通过 voice reference 学习）进行批量回复的用户同样适用。不适合企业级合规场景（如 SOX、GDPR 严格审计要求）或需要自动发送标准回复的客服场景。
使用风险
环境变量泄露风险：GOG_KEYRING_PASSWORD 和 GOG_ACCOUNT 以环境变量形式存储，若在共享服务器或 CI/CD 日志中未妥善屏蔽，可能导致 Gmail 访问凭证泄露。本地缓存隐私：~/.openclaw/workspace/cache/ 目录存储邮件摘要和分类结果，若设备多人共用或丢失，可能导致邮件内容泄露（虽经脱敏但主题和发件人信息仍可能敏感）。AI 分类误判：自动应用的标签可能错误标记重要邮件（如将 Urgent 标记为 Read Later），建议初期每周人工抽查标签准确性。依赖可用性：gog CLI 工具的维护状态直接影响技能可用性，若 Google OAuth 策略变更或工具停止维护，可能导致功能中断。性能开销：频繁调用 Haiku LLM 处理大量邮件可能产生一定的 API 延迟，大收件箱（>1000 封）的初始分类可能需要较长时间。