用openclaw调用qwq-32b或glm-4.7-flash免费模型实现邮件智能分类，通过本地ai理解意图、紧急度和业务归属，配合三层过滤防线与轻量提示词设计，确保准确、安全、可落地的自动化处理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用OpenClaw调用免费模型自动分类处理邮件，核心是让本地AI真正“读懂”每封邮件的意图、紧急程度和业务归属，而不是依赖关键词匹配或发件人白名单——后者在2026年已频繁失效，比如客户发来“紧急：请查收Q3促销方案”的邮件，传统规则会因含“促销”二字直接归入垃圾箱，而QwQ-32B或GLM-4.7-Flash能识别出这是来自VIP客户的正式协作请求。
选对免费模型并验证可用性
优先选用ollama平台中已预编译、免训练的中文强模型镜像，而非自行微调。QwQ-32B（32B参数）与GLM-4.7-Flash（4.7B参数）是当前实测最稳的两个选项：前者语义深度足，适合高精度分类；后者推理快、显存占用低，适合轻量服务器部署。
执行ollama list确认模型已拉取；若未出现，运行ollama pull qwen:32b或ollama pull glm-4.7-flash。注意：【模型名必须严格匹配配置文件中的id字段，大小写与冒号不可错】
验证模型是否真能响应：执行ollama run qwen:32b，输入“请用一句话判断以下邮件是否需要立即处理：‘王总刚发来会议纪要，请今晚前确认签字版本’”，观察是否返回“需要立即处理”。若卡顿超15秒或返回空，说明GPU驱动未启用或显存不足，需降级为CPU模式（在ollama serve启动时加--num-gpu 0参数）。
配置OpenClaw连接模型服务
编辑~/.openclaw/config.json，在"models"节下添加对应provider块。以QwQ-32B为例：
```json
{"providers": {"ollama-qwen": {"baseUrl": "http://localhost:11434", "api": "openai-completions", "models": [{"id": "qwen:32b", "name": "QwQ-32B本地版"}]}}}
```
关键点：baseUrl端口必须与ollama serve --host 0.0.0.0 --port 11434启动时一致；若改过端口，此处不更新将导致OpenClaw始终报“model not found”。
保存后执行openclaw gateway restart，再运行openclaw models list。看到qwen:32b状态为ready才算连通成功。
设计轻量但有效的分类提示词
不要把整封邮件正文塞给模型——OpenClaw默认只提取主题+发件人+正文前180字符，这个长度已足够QwQ-32B做92%以上的准确判断。冗余输入反而拖慢响应，且触发token截断风险。
在~/.openclaw/rules/email_rules.json中定义分类prompt模板：
```json
{"prompt": "你是一名资深行政助理。请严格按以下格式输出：类别：[工作|客户|通知|垃圾|其他]；紧急度：[高|中|低]；理由：不超过15字。邮件内容：{subject} {sender} {snippet}"}
```
PHP中文网提供Qwen-1.0.2.6 MacOS官方客户端下载，专为苹果电脑优化的阿里通义千问桌面应用。本版本深度适配Mac系统，支持本地高效运行与多模态交互，集成超长上下文处理、AI写作、代码生成及智能体构建等核心功能。通过官方渠道下载，确保安全稳定，助您实现智能办公与创作升级。
这个结构强制模型输出固定字段，便于后续规则引擎解析。测试时发现，去掉“理由：不超过15字”约束后，模型常生成带换行的长句，导致JSON解析失败。
设置三层过滤防线防止误操作
第一步：IMAP协议层启用只读模式连接。在email配置中设"readonly": true，确保初始阶段所有归档/标记动作仅模拟执行，不真实移动邮件。
第二步：启用dry-run开关。执行openclaw email process --dry-run，终端会打印“将把[xxx@client.com]的邮件移至‘客户跟进’文件夹”，但实际不动邮箱数据。
第三步：人工抽检机制。配置"review_threshold": 0.75，当模型对某封邮件的分类置信度低于75%，自动转交人工审核队列（存入~/openclaw/pending_review/），不执行任何自动操作。
这三步必须全部开启，否则一旦提示词微调失误或模型突发异常，可能批量误删重要邮件——【IMAP删除操作不可逆，服务器端无回收站】
落地执行自动化流程
① 确保邮件插件已启用：openclaw plugins install email-processor
② 启动定时任务：openclaw schedule add --cron "*/15 * * * *" --command "email process"，设定每15分钟扫描一次新邮件。
③ 首次运行前，手动触发一次全量分析：openclaw email process --all --limit 50，限制前50封测试效果。
④ 观察日志：journalctl -u openclaw -f | grep "classified as"，确认输出中出现类似“classified as 工作, confidence=0.93”的记录。
⑤ 关闭dry-run模式，正式启用：openclaw email process。此时系统开始真实执行移动、标记、归档等动作。
