挑战
跨语言工作意味着每封邮件都要付出双倍时间：一次用来阅读，一次用来回复。现有的邮件客户端既不提供摘要，也没有上下文翻译，更不会记住谁写了什么——而在收件箱、翻译工具和聊天软件之间来回切换，一天要打断工作流几十次。
目标：在不离开飞书的前提下完成”阅读—起草—发送”的完整闭环，让 AI 随时间推移记住往来对象和偏好——并且绝不未经人工审核就发送任何内容。
方案
一张卡片，而非十条通知。 助手通过 IMAP 以增量追踪的方式监控收件箱，将每封新邮件推送到一张飞书交互卡片中。阅读、生成回复和审核/发送作为三个步骤在同一张卡片内完成——已完成的步骤会自动折叠，因此繁忙的邮件往来绝不会淹没聊天窗口。
并行 LLM 流水线。 摘要（中文摘要）和全文翻译作为并行的 LangChain 任务调用 Qwen-plus，与顺序调用相比，感知等待时间大约缩短了一半。慢速操作以异步方式派发，确保卡片始终即时响应。
持续积累的记忆。 基于 mem0 和 ChromaDB 向量存储构建，助手维护三个记忆维度：联系人画像（他们是谁、如何写作）、跨邮件上下文（这个邮件线程究竟在讨论什么）以及用户偏好（语气、落款、决策）。每一次交互都会优化下一份草稿。
不事雕琢的正确性。 完整维护 In-Reply-To/References 邮件头，确保线程在每个客户端中都保持完整；HTML 提取回退方案处理 Outlook 风格的纯 HTML 正文；APScheduler 驱动轮询；SQLite 跨重启追踪状态。
影响
这个助手将一项多工具、多语言的繁琐事务，转变为一个只需三次点击的审核流程——发送前始终有人工在回路中把关。作为一款产品，它展示了应用 AI 工艺的完整技术栈：延迟工程、平台约束下的交互设计，以及一套让系统在第四周明显优于第一周的记忆架构。
技术栈： Python · LangChain · Qwen-plus · mem0 + ChromaDB · 飞书 WebSocket · IMAP/SMTP · APScheduler · SQLite