每天早晨都以同样的方式开始。 翻遍整个邮箱。 弄清楚哪些是新的。 把需要升级的邮件和正在进行的对话分开。 标记出紧急事项。 直到那时 — 做完这一切之后 — 才开始回复。
等 Artiom 整理完，他已经把一天中最清醒的时段花在了数据录入上。 大约花了四十分钟，才能帮助到第一个人。
Artiom 在 Spark 从事客户成功工作。 他的工作是那层个人化的部分：重点客户、升级的邮件会话，以及他密切维护的长期关系。 他从自己的邮箱里以一对一的方式处理这些事务。 这让人感觉像是在和一个真人打交道，因为确实如此。
但个人邮箱和其他邮箱一样会被塞满。 每天有几十封邮件会话，每一封都是他选择亲自处理的。 而困难的部分从来不是回复本身。 而是在回复之前必须做的那些整理工作。
于是他把整理工作交给了一个通过 Spark CLI 连接到他收件箱的智能体。 他保留了需要他亲自处理的那部分。 而且他无需为此学习一套新系统 — 他沿用了自己的那套。
整理是第一位的
繁忙收件箱的成本并不在于撰写回复。 而在于弄清楚该写哪些回复、按什么顺序、结合什么背景信息。 这种整理必须在真正的工作开始之前进行，而且每天都要进行。
Artiom 早已有一套很好的方法 — 那些他多年来建立的文件夹：Need Reply、Demo Request、Escalated to QA、Beta Feedback、Feature Request，等等。 这些文件夹很管用。 而手动保持它们的更新才是成本所在。 他想要的是属于自己的一套系统，并且有人替他维护。
这正是 Spark CLI 所做的。 它把一个 AI 智能体连接到你已经在 Spark 中保有的收件箱，从 Spark Desktop 读取内容。 它可以通过单一连接处理你添加的每一个账户 — Gmail、Outlook、iCloud、Yahoo，以及任何 IMAP 或 EWS 账户 —。 它不会强加一种方法。 它运行的是你的方法。
能自我整理的收件箱
Artiom 每天进行两次整理 — 一次在十一点左右，一次在五点左右。 智能体读取自上次整理以来到达的邮件，做的正是他过去手动做的事。
它把每一封邮件会话归入所属的文件夹 — 就是他早已使用的那些 Need Reply、Demo Request、Escalated to QA 文件夹。 它把新的升级邮件与已经在进行中的对话区分开来，这样新的交接就不会被埋没在一个他处理到一半的会话之下。 它还会把今天真正需要回复的邮件突出出来，与那些可以稍后处理的区分开。
他没有抛弃自己的分类体系去学别人的那一套。 他描述了自己早已遵循的规则 — 谁负责什么、什么算作紧急、"Escalated to QA" 到底意味着什么 — 然后智能体去应用这些规则。
"我没有采用别人的系统。 我描述了我早已拥有的那套，现在它能自我维护了。"
于是他打开收件箱，一切都已经井井有条。 过去以整理开始的早晨，如今直接从工作开始。
以他独特语气撰写的草稿
大多数回复，Artiom 仍然亲自撰写。 那份个人化的触感正是他从自己邮箱办公的全部理由，而大多数邮件会话只需要他和一副键盘。 他不会把一切都交给智能体，他也不愿意那样做。
但有一些明确的情况，他会依靠智能体提供草稿支持。 当队列积压、而某位客户已经等待太久时。 或者当一个好的答案意味着要把散落在各处的信息汇总起来 — 一份更新日志、一篇帮助文档、两三封旧邮件会话、正确的版本号。 就是那种在他写下第一个字之前要花十分钟搜集资料的回复。 这正是智能体发挥价值的地方。
他曾对语气持怀疑态度。 一封千篇一律的 AI 回复比不回复更糟糕，任何整天阅读客户邮件的人都能一眼看穿：那些套话、那句 "Great question!"、那种生硬的结构。 于是他教会智能体使用他的语气，而不是某种语气 — 他真正写给客户的那种方式。 温暖、朴实，只回答被问到的问题，没有废话，使用正确的 Spark 术语。 当解决问题的正是某个 Spark 更新时，草稿会以更新和链接开头，而不是把它埋在一堆排障步骤之下。 因为他就会这么做。
"一封千篇一律的 AI 回复比不回复更糟糕。 所以我教会它使用我的语气，而不是某种语气。"
在这些邮件会话上，智能体会按照他的写法起草回复，并且已经把那些散落的信息汇总进来。 他阅读每一份草稿，并且由他亲自发送。 没有任何邮件会自行发出。
"草稿帮我省去了面对空白页的难题。 判断权仍在我手中。 发送按钮也一样。"
真正改变的是什么
它并没有取代他。 它消除了过去吞噬他早晨的两件事：整理整个邮箱，以及在那些答案同时散落在五个地方的回复上进行缓慢的资料搜集。
那些时间回到了真正需要人来处理的邮件会话上。 那位不满的客户。 那个棘手的边缘情况。 那位提出了值得深入探讨的好点子的 Beta 用户。
"它并没有取代我。 它消除了我在开始帮助别人之前那四十分钟的整理工作。"
这与传统观念相悖，但它确实如此。 别去寻找一套更好的系统。 描述你早已信赖的那套，让智能体持续运行它。 真正管用的分类，是你围绕自己的工作建立起来的那些。 它们不需要被替换。 它们需要被维护 — 也就是你一直手动在做的那部分。
从何处开始
你今天就可以在自己已有的收件箱上试用它。 Spark CLI 中的 Read access 在所有套餐中都是免费的。 它通过桌面端的 Spark 把你的智能体连接到你的邮件、联系人、日历和会议记录，它可以读取和整理背景信息，而不会发送任何内容或代你采取行动。 这涵盖了让 Artiom 找回早晨时间的一切。
当你准备好把更多手动工作自动化时 — 起草、归档、贴标签、在共享收件箱之间分配 — Triage access 就能做到，且在任何操作发生之前都由你阅读并批准。 它包含在 Spark Pro 中。
智能体负责整理。 你去做真正重要的工作。
在 github.com/readdle/spark-cli-skills 浏览为 Spark CLI 准备的现成技能。
