email-summarizer

Polar Sponsor
爱发电 赞助
.NET 9.0

邮件摘要与联系人画像技能:从IMAP邮箱拉取邮件或解析本地导出文件(.pst/.mbox/.msg),生成联系人画像报告(HTML)

电子邮件总览器 + 联系配置器

功能概述

电子邮件总览器 + 联系配置器是一项面向实际任务的技能,主要用于三独立阶段 —— 根据需要运行任何子集;每个阶段从 / 写入文件( 或 stdin/ stdout) , 因此它们可以自由编曲。

核心要点

  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
  • 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。

使用与执行

从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

邮件摘要生成器 + 联系人画像分析工具

三个独立阶段 —— 可根据实际需求运行任意子集:

[数据源]          [分析]          [投递]
fetch_imap.py    ──→                ──→
parse_file.py    ──→  build_report.py ──→  send_report.py
                       → .html + .xlsx

每个阶段均通过文件(或 stdin/stdout)读取/写入数据,因此可自由组合使用。

安装

# Python 依赖
pip install -r requirements.txt

# Node.js 依赖(仅用于原生 .pst 解析)
cd scripts && npm install && cd ..

脚本参考

第一阶段 —— 数据源

fetch_imap.py —— 从实时 IMAP 邮箱拉取邮件

export EMAIL_USER=you@163.com
export EMAIL_PASS=your-app-password

# 拉取最近 7 天(仅收件箱)→ emails.json
python3 scripts/fetch_imap.py --days 7 --output emails.json

# 拉取指定日期范围(收件箱 + 已发送)
python3 scripts/fetch_imap.py --since 2026-03-01 --until 2026-03-28 
    --with-sent --preset 163 --output emails.json

# 直接管道传输至 build_report.py(不生成中间文件)
python3 scripts/fetch_imap.py --days 30 | python3 scripts/build_report.py --output report
参数 默认值 说明
--days N 7 拉取最近 N 天的邮件。若设置了 --since,则该参数被忽略。
--since DATE — 起始日期(含),格式为 YYYY-MM-DD
--until DATE — 结束日期(不含),格式为 YYYY-MM-DD(默认为今日)
--max N 200 每文件夹最多拉取邮件数
--folder NAME INBOX 收件箱文件夹名称
--preset NAME 163 邮箱预设配置:163 | qq | exmail | gmail | outlook
--with-sent 关闭 同时拉取“已发送”文件夹(推荐用于关系分析)
--output FILE stdout 将 JSON 写入指定文件;若省略则输出至 stdout

支持的预设配置:

预设 IMAP 服务器 已发送文件夹名
163 imap.163.com:993 已发送
qq imap.qq.com:993 Sent Messages
exmail imap.exmail.qq.com:993 Sent Messages
gmail imap.gmail.com:993 [Gmail]/Sent Mail
outlook outlook.office365.com:993 Sent Items

parse_file.py —— 解析本地邮件导出文件

# 解析 .pst 文件(原生引擎,无需系统级安装)
python3 scripts/parse_file.py --pst ~/Downloads/archive.pst --output emails.json

# 解析 .mbox 文件(收件箱 + 已发送)
python3 scripts/parse_file.py --mbox Inbox.mbox --sent-mbox Sent.mbox --output emails.json

# 解析 .msg 文件目录,并按日期过滤
python3 scripts/parse_file.py --msg-dir ./exported/ --since 2026-01-01 --output emails.json

# 管道传输至 build_report.py
python3 scripts/parse_file.py --pst archive.pst | python3 scripts/build_report.py --output report
参数 默认值 说明
--pst FILE — Outlook .pst 归档文件
--mbox FILE — Unix mbox 文件
--msg-dir DIR — .msg 文件所在目录
--sent-mbox FILE — 额外的已发送 mbox 文件(需配合 --mbox 使用)
--pst-engine auto auto | native | readpst
--days N all 仅包含最近 N 天的邮件
--since DATE — 起始日期(含),格式为 YYYY-MM-DD
--until DATE — 结束日期(不含),格式为 YYYY-MM-DD
--max N 500 最多加载邮件数
--output FILE stdout 将 JSON 写入指定文件;若省略则输出至 stdout

PST 解析引擎:

引擎 参数 依赖
原生(默认) --pst-engine native cd scripts && npm install
Readpst --pst-engine readpst apt install pst-utils 或 brew install libpst
自动选择 --pst-engine auto 优先尝试原生引擎,失败后回退至 readpst

第二阶段 —— 分析

build_report.py —— 邮件分析 → HTML + Excel 报告

# 从文件读取
python3 scripts/build_report.py --input emails.json --output report

# 显式指定所有者(适用于分析他人 PST)
python3 scripts/build_report.py --input emails.json --output report 
    --owner xiang-xiang.hu@connect.polyu.hk

# 从 stdin 读取(由第一阶段管道传入)
python3 scripts/fetch_imap.py --days 30 | python3 scripts/build_report.py --output report
参数 默认值 说明
--input FILE stdin 第一阶段生成的 emails JSON 文件路径
--output PREFIX contact_report 输出路径前缀。将生成 .html 和 .xlsx
--owner EMAIL 自动推断 邮箱所有者地址。若省略则自动检测。

输出文件:

  • .html —— 自包含 HTML 报告(可在浏览器中打开,或作为邮件附件)
  • .xlsx —— 同等数据的 Excel 表格

报告列名:# / 首选姓名 / 邮箱 / 公司 / 职位 / 主题摘要 / 来源 / 往来邮件数(接收/发送)

第三阶段 —— 投递

send_report.py —— 通过 SMTP 发送报告文件

export EMAIL_USER=you@163.com
export EMAIL_PASS=your-app-password

# 向收件人发送 HTML + Excel
python3 scripts/send_report.py 
    --html report.html --xlsx report.xlsx --to friend@example.com

# 发送给自己(EMAIL_USER)
python3 scripts/send_report.py --html report.html --xlsx report.xlsx

# 仅发送 HTML(不带附件)
python3 scripts/send_report.py --html report.html --to friend@example.com

# 自定义邮件主题
python3 scripts/send_report.py --html report.html --subject "March Contact Report"
参数 默认值 说明
--html FILE 必填 用作邮件正文的 HTML 文件
--xlsx FILE — 待附加的 Excel 文件(可选)
--to ADDR EMAIL_USER 收件人地址
--subject STR 自动 邮件主题(若省略则自动生成)
--preset NAME 163 SMTP 预设配置:163 | qq | exmail | gmail | outlook

私有库模块(非独立脚本)

文件 提供功能
_core.py decode_header, parse_addr, get_domain, strip_html, html_esc, get_body
_analyze.py infer_owner, build_contacts,以及域名/公司/职位/姓名推断逻辑
_render.py build_report_html, build_excel, SMTP_MAP

完整工作流示例

A —— IMAP 邮箱 → 报告 → 发送至自身

export EMAIL_USER=you@163.com
export EMAIL_PASS=your-app-password

python3 scripts/fetch_imap.py --days 30 --with-sent --output /tmp/emails.json
python3 scripts/build_report.py --input /tmp/emails.json --output /tmp/report
python3 scripts/send_report.py --html /tmp/report.html --xlsx /tmp/report.xlsx --preset 163

B —— PST 文件 → 报告 → 发送至他人

python3 scripts/parse_file.py --pst ~/Downloads/archive.pst --output /tmp/emails.json
python3 scripts/build_report.py --input /tmp/emails.json --output /tmp/report
EMAIL_USER=sender@163.com EMAIL_PASS=xxx 
  python3 scripts/send_report.py --html /tmp/report.html --xlsx /tmp/report.xlsx 
    --to recipient@example.com

C —— 单行命令(管道方式,无中间文件)

python3 scripts/parse_file.py --pst archive.pst 
  | python3 scripts/build_report.py --output /tmp/report

D —— 仅生成报告,不发邮件(本地打开)

python3 scripts/parse_file.py --mbox Inbox.mbox --output /tmp/emails.json
python3 scripts/build_report.py --input /tmp/emails.json --output /tmp/report
# 在浏览器中打开 /tmp/report.html

AI 分析模板

将邮件 JSON 加载至 AI 上下文后,可使用以下模板:

Part A:四维邮件摘要

🔥 第一部分 —— 重要事项与待办项
  🚨 [紧急]    主题 — 发件人 — 日期 | 摘要 | 行动项 | 截止时间
  ⚡ [重要]    主题 — 发件人 — 日期 | 摘要 | 行动项
  📌 [备注]    主题 — 发件人 — 日期 | 摘要

📊 第二部分 —— 按发件人 / 主题分组

✅ 第三部分 —— 待办清单

📅 第四部分 —— 时间线(YYYY-MM-DD  发件人 → 主题:摘要)

Part B:联系人画像分析

按总交互次数排序。对每位联系人:

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
👤 排名 #N | 姓名 <邮箱>   总计:N(接收:N / 发送:N)
🧑 性别       M/F/未知  置信度:高/中/低  依据:…
💼 职位       …         依据:域名 / 签名 / 关键词
🔗 关系       同事 / 客户 / 机构 / 陌生人
   方向       双向 / 所有者发起 / 联系人发起
📝 主题       • 主题 1  • 主题 2
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

热度标尺:🔥 高频(≥10) · ⚡ 活跃(5–9) · 💬 中等(2–4) · 🌙 低频(1)

注意事项

  • 凭证通过环境变量传递 —— 绝不硬编码
  • IMAP 连接使用只读模式 —— 邮件不会被修改或删除
  • 每封邮件正文截断至 2000 字符
  • fetch_imap.py 向 163/188 邮箱服务器发送 RFC 2971 ID 命令;该命令在其他服务器上无影响

相关专题

更多
Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

2026.11.06

0

12

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

2026.11.06

0

13

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

2026.11.06

0

10

DBeaver怎么导入数据
DBeaver怎么导入数据

DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

2026.11.05

0

12

DBeaver安全防护教程大全
DBeaver安全防护教程大全

DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。

2026.11.05

0

12

DBeaver连接创建与配置教程
DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。

2026.11.04

0

16

XORM框架结构体映射与表结构同步
XORM框架结构体映射与表结构同步

本专题围绕XORM框架的结构体映射展开,说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充,并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。

2026.11.04

0

15

XORM框架安装配置与数据库连接
XORM框架安装配置与数据库连接

本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。

2026.11.04

0

15

XORM框架安装配置与数据库连接
XORM框架安装配置与数据库连接

本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。

2026.11.04

0

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.1万人学习