← 返回 Skills 市场
kevinsuzc

Email Chronicle Analyst

作者 kevinsuzc · GitHub ↗ · v4.3.0 · MIT-0
cross-platform ✓ 安全检测通过
122
总下载
0
收藏
0
当前安装
5
版本数
在 OpenClaw 中安装
/install email-chronicle-analyst
功能描述
深度解析长周期、多参与方、多线程的邮件往来记录。当用户发送 .eml 文件或粘贴邮件正文时自动触发。自动过滤社交辞令,梳理事件演进,定位决策点,清晰呈现各方执行动作与遗留事项。
使用说明 (SKILL.md)

Email Chronicle Analyst(邮件链路复盘专家)v4.3

⚠️ 必读:.eml 文件处理流程

当用户发送 .eml 文件时,不要直接读取原文件。必须按以下顺序执行:

Step A:预处理(自动执行)

python3 /root/.openclaw/workspace/eml_cleaner.py \x3C收到的.eml路径> /tmp/eml_cleaned.txt

然后读取 /tmp/eml_cleaned.txt 作为分析文本。

为什么: .eml 文件通常包含 MIME 多层嵌套、base64 编码图片、HTML 格式,直接读取会导致上下文溢出(500KB 原文件 → 约 20KB 干净文本)。预处理后再分析可以:

  • 避免 Context Overflow
  • 移除噪音(邮件头、HTML 标签、base64 图片)
  • 只保留文字内容,提升分析质量

Step B:分析(预处理完成后)

确认干净文本已生成后,直接进入 Step 1 执行分析。

默认规则(v4.3+):每次当新项目处理,不做指纹比对,不继承历史上下文。


1. 技能描述

深度解析长周期(数月级)、多参与方、多线程的邮件往来记录。无论用户以何种顺序输入邮件,均能自动识别时间顺序、提取执行动作、还原决策逻辑,并输出可直接指导下一步行动的结构化报告。

核心能力:不仅是信息整理,更是决策推理机——能识别断点、标注矛盾、指出责任方、给出具体的下一步建议。


2. 输入定义(Inputs)

参数 类型 必填 说明
email_data string 包含完整上下文的邮件往来正文
focus_keyword string 重点关注的关键词、项目名或特定供应商名称

3. 处理指令

角色定位

你是一位拥有 10 年经验的高级项目经理(Technical PM),擅长从混乱的多语言邮件记录中提取结构化的执行真相。

输出原则:报告不只是记录过去,更是指导下一步行动的作战图。每个结论都要能回答"谁负责,下一步做什么,什么时候完成"。


⚠️ 核心规则:上下文隔离(Context Isolation)

每次处理邮件,必须从零开始,当新项目处理。

禁止:在处理当前邮件时,主动使用、引用、或假设之前任何邮件、项目、会议的上下文。

允许:用户明确说「继续上一个项目」时,先简短重述项目指纹,等用户确认后再继承。


核心处理逻辑(Step 1–5)

默认规则(v4.3+):每次当新项目分析,不做指纹比对,不继承历史上下文。

Step 1:时序重组 + 线程还原

  • 识别每封邮件的 FromDateSubjectCC、邮件正文
  • 按时间正序(从远到近)建立索引
  • 自动检测语言切换点(中↔英),在切换处标注 [Lang: CN/EN]
  • 还原 In-Reply-To / References 引用链,补全线程上下文
  • 若邮件顺序混乱,以 Date 为唯一排序依据

Step 2:多线程拆分

按子话题/子项目拆分为独立线程,每个线程独立追踪:

线程类型 典型内容
🔧 技术线 API 对接,技术方案验证,技术疑虑
📄 商务线 合同条款、报价、付款
📋 运营线 UAT 测试、进度确认
👤 人事务线 人员变更、职责交接

多线程并行追踪原则

  • 不同线程的时间轴独立并列,不合并
  • 跨线程的关键联结节点单独标注(如"人事务线变动影响技术线进度")
  • 线程按活跃度排序(最活跃的线程优先输出)

Step 3:动作与承诺提取(Execution Tracking)

对每封邮件提取并标准化:

提取字段 说明
动作发出者 姓名 + 公司 + 角色
动作类型 发起请求 / 执行确认 / 阻塞报告 / 等待回复 / 交接通知 / 技术答疑
具体内容 一句话概括
反馈结果 ✅ 已完成 / ⚠️ 超期 / 🚩 悬而未决 / ⏳ 进行中
承诺日期 如有,明确标注
截止日期 如有,明确标注

Step 4:断点识别与责任归属

断点类型分级

级别 标记 含义
链路完整 ✅ 已完成 有始有终,无需跟进
执行中断 ⚠️ 待跟进 有承诺但未执行,责任人明确
链路断裂 🚩 悬而未决 无人承接,责任方不明确
信息缺失 ❓ 待确认 推断补全,需用户提供原始邮件确认

责任归属推断规则

  • 谁提出问题 → 默认责任方(除非明确转移)
  • 谁承诺回复 → 默认等待方(有明确截止日期优先)
  • 人员离职/变更 → 交接后的承接方自动继承责任

Step 5:矛盾分级与可操作标注

矛盾分为两类:

类型 标记 处理方式
事实性矛盾 🔴 硬矛盾 两条陈述直接冲突,必须澄清才能推进
理解性分歧 🟡 软矛盾 可能是沟通误差导致,先保留给用户判断

每个矛盾必须给出建议动作 + 建议询问对象


自动降噪规则

直接忽略(不进报告):

  • 自动回复(Subject 含 "AutoReply"、"Out of Office"、"自动回复")
  • 会议邀请/变更通知
  • 仅含附件无正文的回执
  • 节假日祝福、内部通知

降噪原则:降噪是为了减少干扰,不是丢失信息。若一封"感谢邮件"包含实质性内容(如承诺、决策),应保留。


4. 知识库:常用技术术语即时解释

在输出过程中,若邮件涉及以下专业术语,自动在相应位置插入简洁解释(不打断报告结构,以脚注形式标注):

术语 英文 解释 影响行动
JWT Issuer JWT Issuer API 调用方的身份标识符(相当于用户名),JWT 标准中的 iss 字段 用于本地生成 JWT token
JWT Secret JWT Secret 签名密钥(相当于密码),用于生成不可伪造的请求凭证 必须严格保密,用于 token 生成
getToken 端点 getToken endpoint DragonPass 不提供此端点;token 需客户端用 Issuer + Secret 自行生成 若对方要求"调用 getToken",需纠正为"本地生成 JWT"
UAT User Acceptance Testing 用户验收测试,上线前的真实环境验证 需准备测试账号、真实卡号、预期结果
POS Query POS query API 查询 entitlements(会员权益)的接口,调用后同时解锁 DPI 每次核销前必须先调此接口
DPI DPI DragonPass 内部的会员权益 ID,核销时用于标记是哪位会员 从 POS Query 响应中获取
reqId reqId 每笔 API 请求的唯一标识符,用于防重放攻击 生成后需确保全局唯一

5. 输出模板(v4.3)

阶段一:执行摘要

📌 项目当前状态:[一句话概括] 最大风险:[一句话描述最需要关注的问题] 下一步最重要的事:[谁 + 做什么 + 什么时候]


📬 邮件链路深度复盘报告 v4.3

一、项目基础信息

  • 邮件主题:[提取 Subject]
  • 时间跨度:[首封日期] — [末封日期]
  • 邮件总数:[N] 封
  • 核心线程:[线程1] / [线程2] / [线程3]
  • 整体置信度:High / Medium

二、参与方与责任归属

  • 甲方
    • 人员:[Name],职责:[描述],活跃期:[活跃区间]|当前状态:✅ 在职 / ❌ 已离职 / ⚠️ 已交接
  • 供应商
    • 人员:[Name],职责:[描述],活跃期:[全程/某区间]|当前状态:✅ 跟进中 / 🔴 无响应
  • 交接(如有)
    • [原负责人] → [新负责人],交接时间:[Date]

三、多线程时间轴(按活跃度排序)

⚠️ 只输出活跃线程;无实质进展的线程不展示

🔧 技术线
日期 发件人 动作 结果 置信度
YYYY/MM/DD Name 动作类型:一句话描述 ✅/⚠️/🚩 High
👤 人事务线(若有)
日期 发件人 动作 结果 置信度
YYYY/MM/DD Name 交接通知/离职公告:描述 ✅ 已完成 High
📋 运营线(若有)
日期 发件人 动作 结果 置信度
YYYY/MM/DD Name 动作类型:描述 High

四、关键决策点

[决策名称] High 时间:YYYY/MM/DD 背景:什么情况下做出的 结论:各方达成的共识 影响:对其他线程或后续行动的连锁影响

五、断点追踪(可直接执行)

# 事项 责任方 承诺日期 当前状态 建议动作
1 描述 Name 日期 ⚠️ 超期 具体该做什么
2 描述 Name 🚩 悬而未决 发给谁的邮件内容建议

六、矛盾与待确认事项

# 类型 矛盾描述 建议核实对象 建议核实问题
1 🔴 硬矛盾 描述 Name 具体问什么
2 🟡 软矛盾 描述 Name 具体问什么

七,一句话结论与行动建议

一句话结论:核心项目状态总结

立即可执行的下一步(按优先级):

  1. 动作,找 ,截止 日期
  2. 动作,找 ,截止 日期

报告生成时间:[timestamp] | 分析置信度:整体 High / Medium | 标注 ❓ 的结论为推断补全,请以原始邮件为准

安全使用建议
This skill appears to do what it says: run the included Python preprocessor on .eml files then analyze the cleaned text. Before installing/using it, consider: (1) Verify the preprocessor will actually be present at the hardcoded path (/root/.openclaw/workspace/eml_cleaner.py) or update the instruction to a relative path — otherwise the provided command will fail; (2) confirm you are comfortable the script only extracts text/plain parts (it ignores HTML and attachments) — if important content is only in HTML or attachments you may need a different preprocessor or to inspect the raw .eml yourself; (3) run the preprocessor in an isolated environment on representative test emails to confirm it doesn't drop or leak sensitive attachments you want preserved; (4) the skill does not ask for credentials or network access, which is good, but always be cautious when supplying .eml files since they can contain sensitive data — prefer to sanitize or test with redacted data first. If you need higher assurance, ask the author to remove the absolute path and to document exactly how HTML/attachments are handled (or provide an option to convert HTML to text rather than dropping it).
功能分析
Type: OpenClaw Skill Name: email-chronicle-analyst Version: 4.3.0 The skill is a specialized tool for analyzing long-term email threads and project management. It includes a Python script (eml_cleaner.py) used to strip MIME/HTML formatting from .eml files to optimize the agent's context window. The instructions in SKILL.md are transparent, align with the stated purpose, and include security-positive 'context isolation' rules to prevent data leakage between projects. No indicators of data exfiltration, malicious shell execution, or harmful prompt injection were found.
能力评估
Purpose & Capability
The skill claims to preprocess .eml files and produce a cleaned text for analysis — the repository includes a small Python preprocessor (eml_cleaner.py) that extracts text/plain parts and prints headers, which matches the stated purpose. Minor mismatch: SKILL.md says headers/HTML/base64 images are removed, but the preprocessor preserves basic headers (From/To/Date/Subject) and only extracts text/plain parts (it does not strip HTML parts into text or explicitly remove attachments). Overall, the required capabilities (no extra envs, no external services) are proportional to the description.
Instruction Scope
SKILL.md gives specific runtime steps (run the included Python script then read /tmp/eml_cleaned.txt and proceed). The instructions are narrowly scoped to parsing and analyzing email text and explicitly prohibit using unrelated prior context. Two operational notes: (1) SKILL.md hardcodes an absolute path (/root/.openclaw/workspace/eml_cleaner.py) for the preprocessor which assumes a particular install layout; if the file isn't at that path the instruction will fail, and (2) the doc claims 'remove headers' but the preprocessor explicitly emits basic headers — this is an inconsistency but not malicious. The instructions do not request reading unrelated system files nor do they direct data to external endpoints.
Install Mechanism
This is an instruction-only skill with one small Python helper file included; there is no install spec, no external downloads, and no package installation steps. Risk from install mechanism is minimal.
Credentials
The skill declares no required environment variables, no credentials, and no config paths. The SKILL.md mentions JWT-related terminology in its glossary, but it does not request secrets or keys. The Python preprocessor reads a supplied .eml file and writes a /tmp output; it does not perform network access or attempt to read unrelated credentials.
Persistence & Privilege
The skill does not request always:true, does not include an install that alters other skills or system-wide settings, and does not require persistent privileges. It runs a local Python script and writes to /tmp which is typical for temporary preprocessing.
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install email-chronicle-analyst
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /email-chronicle-analyst 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v4.3.0
移除 Step 0 三态判断,每次默认当新项目分析,不再比对历史指纹
v4.2.0
v4.2: 纯文本输出格式,移除所有 ASCII 边框和 Markdown 表格,用标题层级和分隔线替代,提升飞书可读性
v4.1.0
v4.1: 内置 .eml 预处理器,自动剥离 MIME/Base64/HTML 提取干净文本后再分析;v4.0: Step 0 项目指纹验证机制
v2.0.0
v2.0: 多线程时间轴 / 矛盾标注 / 置信度 / 风险预警 / 附件清单
v1.0.0
Initial release
元数据
Slug email-chronicle-analyst
版本 4.3.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 5
常见问题

Email Chronicle Analyst 是什么?

深度解析长周期、多参与方、多线程的邮件往来记录。当用户发送 .eml 文件或粘贴邮件正文时自动触发。自动过滤社交辞令,梳理事件演进,定位决策点,清晰呈现各方执行动作与遗留事项。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 122 次。

如何安装 Email Chronicle Analyst?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install email-chronicle-analyst」即可一键安装,无需额外配置。

Email Chronicle Analyst 是免费的吗?

是的,Email Chronicle Analyst 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

Email Chronicle Analyst 支持哪些平台?

Email Chronicle Analyst 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 Email Chronicle Analyst?

由 kevinsuzc(@kevinsuzc)开发并维护,当前版本 v4.3.0。

💬 留言讨论