先整理信息，再让AI助手回答

准备工作始于一封身份明确、所属账号明确的邮件。原件、来源标识以及提供商交付的表现形式，始终是后续处理的参考。把HTML正文转换为易读文本有利于搜索，但转换结果不能悄悄取代原件，也不能被称作提供商给出的精确原始文件。

短信与外部报告遵循同样的原则。自动化报告可以同时有精确的JSON原件和便于阅读的展示。文本相同不会把不同来源合并为同一条记录。这样，人们才能打开结果背后的证据，了解信息由谁提供，并在解析或索引失败后恢复，而不至于只剩一段生成的说明。

提取把支持的内容转成搜索和分析可以使用的文本。HTML转换、文档提取与图片文字识别具有不同的覆盖范围和资源需求。正文可能已经可用，附件却不受支持、带有密码或仍在等待处理。AI助手的下一步取决于这些差别，因此应该明确展示。

附件名称、图片数量和真正提取出的附件内容也不是一回事。摘要列出电子表格文件名，并不意味着检查了单元格。是否把附件内容送入分析取决于设置与支持的处理方式。助手需要能够解释输入范围，避免仅凭正文形成的回答看起来已经覆盖全部材料。

类别、标签和目录把大型档案整理为便于工作的集合。分类体系发现可以根据邮件提出有用词汇，分类分配则把这些词汇用于具体邮件。固定规则决定实际采用的结果，模型分析可以提供另一个视角。建议与已经应用的整理结果应当清楚区分。

垃圾邮件与分类判断归用户所有，因为不同人的合理判断可能不同。同一份供应商公告，对采购人员有用，对工程师却可能是干扰。个人分类不会增加访问权限，不会改变他人的工作，也不会自动授权邮件提供商端的操作。提供商文件夹与SyncPier整理方式之间的关系需要明确控制。

重要性判断回答的是：按某项标准，这封邮件是否值得注意。回复期限、服务中断、阻碍同事工作的请求，都比模糊的高低分更有用。模型判断是一项记录下来的评估，而不是邮件的普遍事实。以后有人质疑时，应能核对输入、适用标准和对应来源版本。

检查可疑指令、网络钓鱼和垃圾邮件也是准备工作的一部分。这些信号帮助AI助手把收到的文字当作待核查材料，而不是修改自身规则的命令。它们不能保证完美检测。选择下一封阅读对象时，应结合任务、已有证据和人的决定，不能把每一个模型分数当作指令。

正文摘要提供一个紧凑起点：请求、主要变化、未决问题及有关回复背景。它帮助助手在占用对话输入空间之前，选出需要细读的原件。有引用回复、转发邮件和附件时，尤其要知道摘要真正使用了哪些输入。简短说明无法替代它从未收到的证据。

同一用户的AI助手和工作区可以复用邮件正文摘要，但每次访问仍须符合当前邮件账号权限。这减少重复准备，却不共享评论、私人工作状态或其他用户的分析。两封正文完全相同的邮件，回复背景、允许受众或处理标准仍可能不同。更广泛的计算复用需要明确的运营选择，不能成为自动的全局规则。

嵌入是用于比较文本含义的数值表示。即使用词与发件人不同，它也能帮助找到相关邮件，或为分类、主题建议缩小候选范围。它是一种发现工具，AI助手仍须检查获准访问的证据，并解释为什么这些材料支持回答。相似并不等于结论成立。

组织管理账号的嵌入是组织拥有的准备工作，不必由每位用户重复处理同一个邮箱。这项共同基础与个人垃圾邮件、分类判断分开。长输入应分成多个片段表示，而不是悄悄省略，并保留覆盖范围。相似度不会授予原件权限，不会把两封邮件合并，也不会把主题建议变成已经确认的对话。

摘要、嵌入、重要性判断和验证是不同功能。运营配置为每项功能选择模型与参数，不把模型品牌当成信息身份。输入输出限额采用提供商的令牌单位，并考虑指令和必要推理空间。长输入必须遵循该功能明确的覆盖规则，不能在任意字节限制之后无声消失。

模型处理可能把获准内容发送给所选提供商，因此开始前需要核对同意、账号设置、私人上下文和预算。结果应保留功能、输入范围、模型或执行者、规则版本和用量来源。提供商测量的用量与助手自行报告的用量属于不同证据。失败、延后或不完整的阶段应当可见，让下一个AI助手依据事实继续，而不是猜测准备已经成功。