email-assistant

Smart Email Assistant

Analyze email content, generate a summary, determine priority and whether a reply is needed, and generate a professional reply draft.

Trigger Conditions

Start this skill when the user says the following:

"Help me reply to this email"
"Analyze this email"
"Email summary"
"email reply"
"Help me write an email reply"
"How should I reply to this email"
"Initialize the email knowledge base"
"Add documents to the knowledge base"

Knowledge Base Features

This skill supports a RAG (Retrieval-Augmented Generation) knowledge base to improve reply quality:

Feature	Description
Knowledge Base Initialization	Create a structured knowledge base directory
Document Management	Add/update/delete knowledge base documents
Intelligent Retrieval	Retrieve relevant information based on email content
Context Injection	Integrate retrieval results into reply generation

Workflow

┌─────────────────────┐
│   输入邮件内容       │
│   (粘贴/文件)        │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   邮件内容解析       │
│   提取关键信息       │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   生成邮件摘要       │
│   (一句话概括)       │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   邮件分类判断       │
│   优先级/是否需回复   │
└──────────┬──────────┘
           │
     ┌─────┴─────┐
     │           │
     ▼           ▼
┌─────────┐  ┌─────────┐
│ 需要回复 │  │ 无需回复 │
└────┬────┘  │ 标记完成 │
     │       └─────────┘
     ▼
┌─────────────────────┐
│   RAG 知识库检索     │
│   (获取相关上下文)   │
└──────────┬──────────┘
     │
     ▼
┌─────────────────────┐
│   生成回复草稿       │
│   (结合知识库)       │
└──────────┬──────────┘
     │
     ▼
┌─────────────────────┐
│   回复质量审核       │
│   优化后输出         │
└─────────────────────┘

Execution Steps

Step 1: Obtain Email Content

Method A - Direct Paste：

用户: 帮我回这封邮件：
---
From: client@company.com
Subject: 关于Q1项目进度
...邮件内容...

Method B - File Reading：

用户: 帮我分析这封邮件 /path/to/email.txt

Step 2: Email Content Parsing

Extract the following information:

{
  "from": "发件人邮箱",
  "from_name": "发件人姓名",
  "to": "收件人",
  "subject": "邮件主题",
  "date": "发送时间",
  "body": "邮件正文",
  "attachments": ["附件列表"],
  "thread_context": "是否是回复/转发"
}

Step 3: Generate Email Summary

Summary Prompt：

请用一句话概括这封邮件的核心内容：

【邮件主题】{subject}
【发件人】{from}
【邮件正文】
{body}

要求：
1. 不超过50字
2. 突出关键信息（时间、金额、请求等）
3. 使用陈述句

示例：
- "客户询问Q1项目进度并要求本周五前提交报告"
- "供应商通知下月起涨价15%，需确认是否续约"
- "HR提醒年假剩余5天，12月31日前需用完"

Step 4: Email Classification

Classification Dimensions：

Dimension	Options
Type	Inquiry/Notification/Request/Complaint/Business/Personal/Spam
Priority	🔴Urgent/🟡Important/🟢Normal/⚪Ignorable
Whether a Reply Is Needed	Yes/No
Suggested Reply Time	Immediately/Within today/Within this week/Not urgent
Emotion	Positive/Neutral/Negative/Urgent

Classification Prompt：

分析这封邮件并分类：

【邮件摘要】{summary}
【邮件正文】{body}

输出 JSON 格式：
{
  "type": "询问|通知|请求|投诉|商务|个人|垃圾",
  "priority": "urgent|important|normal|low",
  "needs_reply": true|false,
  "reply_deadline": "立即|今天|本周|不急",
  "sender_emotion": "positive|neutral|negative|urgent",
  "key_asks": ["具体请求1", "具体请求2"],
  "reasoning": "分类理由"
}

Step 5: RAG Knowledge Base Retrieval (Optional)

If a knowledge base is configured, retrieve relevant information before generating a reply:

Knowledge Base Configuration：

知识库目录: ~/.claude/cache/email-assistant/knowledge-base/

Supported Document Formats：

.md - Markdown documents
.txt - Plain text documents
.pdf - PDF documents (requires pdf-document skill support)
.docx - Word documents

Knowledge Base Initialization：

On first use, the user can add the following types of documents to the knowledge base:

Company Information: Company profile, product descriptions, terms of service
FAQ Documents: Common questions and standard replies
Historical Emails: Examples of excellent replies
Policy Documents: Refund policy, privacy policy, etc.

Retrieval Process：

1. 解析邮件关键词和主题
2. 在知识库中搜索相关文档
3. 提取最相关的 3-5 个片段
4. 将相关信息注入回复生成提示词

Retrieval Prompt：

根据邮件内容，请从以下知识库片段中找出与回复相关的信息：

【邮件主题】{subject}
【关键请求】{key_asks}

【知识库片段】
{knowledge_snippets}

请提取：
1. 直接相关的信息点
2. 可引用的标准回复语
3. 相关政策或流程

Step 6: Generate Reply Draft

If needs_reply = true, generate a reply with the knowledge base:

Reply Generation Prompt：

请根据以下邮件生成专业的回复：

【原邮件】
发件人: {from}
主题: {subject}
正文: {body}

【邮件分析】
类型: {type}
关键请求: {key_asks}
发件人情绪: {sender_emotion}

【知识库参考】(如有)
{relevant_knowledge}

【回复要求】
1. 专业但不冷冰冰
2. 直接回应每个请求
3. 如无法满足，给出替代方案
4. 结尾有明确下一步
5. 长度适中（100-200字）
6. 如有知识库信息，准确引用

【我的角色】
{user_context} (如：产品经理、销售、客服等)

请生成回复，不需要写主题行。

Step 7: Reply Quality Review

After generation, perform a self-review:

请审核这封回复邮件：

【原邮件关键请求】
{key_asks}

【回复草稿】
{draft_reply}

审核维度：
1. 是否回应了所有请求？
2. 语气是否合适？
3. 是否有明确的下一步？
4. 是否有遗漏或歧义？

输出：
{
  "score": 8.5,
  "issues": ["未明确回复第二个问题"],
  "suggestions": ["加入对时间节点的确认"]
}

If the score < 8, optimize before outputting.

Step 8: Output Results

Complete Output Format：

# 邮件分析报告

## 📧 邮件概览

| 项目 | 内容 |
|------|------|
| 发件人 | {from_name} <{from}> |
| 主题 | {subject} |
| 时间 | {date} |
| 类型 | {type} |
| 优先级 | {priority_emoji} {priority} |

## 📝 一句话摘要

> {summary}

## 🏷️ 分类分析

- **是否需回复**: {needs_reply}
- **建议回复时间**: {reply_deadline}
- **发件人情绪**: {sender_emotion}
- **关键请求**:
  1. {key_ask_1}
  2. {key_ask_2}

---

## ✉️ 建议回复

**主题**: Re: {subject}

---

{draft_reply}

---

## 💡 回复建议

- 质量评分: {score}/10
- 注意事项: {notes}

---

*由 Claude Code email-assistant 技能生成*

Usage Examples

Example 1: Analyze and Reply to Customer Emails

用户: 帮我回这封邮件：
From: li.ming@client.com
Subject: 关于下周演示的确认

王总您好，

我们计划下周三下午2点在贵司进行产品演示，
请问会议室和投影设备是否已经准备好？
另外，参会人员名单能否提前发给我们？

谢谢！
李明

Claude:
📝 摘要: 客户确认下周三演示安排，需确认会议室和参会名单

🏷️ 分类: 请求 | 🟡重要 | 需今天回复

✉️ 建议回复:

李明您好，

感谢确认！下周三下午2点的演示安排已就绪：

1. 会议室：已预定3楼大会议室
2. 设备：投影仪和视频会议系统均已测试
3. 参会名单：我方将有产品、技术、商务共5人参加，
   名单今天下班前发您

如有其他需要，请随时联系。

祝好

Example 2: Batch Process Emails

用户: 帮我分析这5封邮件，告诉我哪些需要优先处理

Claude:
[分析5封邮件，输出优先级排序]

Example 3: Role-Specific Replies

用户: 帮我以客服身份回复这封投诉邮件

Claude:
[生成客服风格的道歉+解决方案回复]

Email Reply Template Library

Template 1: Acknowledge Receipt

{name}您好，

邮件已收到，感谢告知。

{具体回应}

如有问题，随时联系。

祝好

Template 2: Need Time to Process

{name}您好，

感谢您的邮件。

关于{具体事项}，我需要与{相关方}确认后回复您，
预计{时间}前给您答复。

如有紧急情况，可直接电话联系我。

祝好

Template 3: Polite Refusal

{name}您好，

感谢您的{请求/邀请/提议}。

经过慎重考虑，{拒绝理由}，因此这次无法{具体事项}。

{替代方案，如有}

感谢理解，期待未来有合作机会。

祝好

Template 4: Follow-Up Reminder

{name}您好，

想跟进一下{具体事项}的进展。

上次沟通是在{日期}，您提到{上次结论}。

请问目前进展如何？是否需要我这边配合什么？

期待您的回复。

祝好

Data Storage

Email Analysis Results:~/.claude/cache/email-assistant/
File Naming:{YYYYMMDD}-{subject-slug}.md
Knowledge Base Directory:~/.claude/cache/email-assistant/knowledge-base/

Knowledge Base Management

Initialize Knowledge Base

用户: 初始化邮件知识库

Claude:
1. 创建知识库目录
2. 添加示例文档结构
3. 提示用户添加自己的文档

Add Documents to Knowledge Base

用户: 把这个FAQ文档加入知识库 /path/to/faq.md

Claude:
1. 读取文档内容
2. 复制到知识库目录
3. 索引文档关键信息
4. 确认添加成功

Knowledge Base Directory Structure

~/.claude/cache/email-assistant/knowledge-base/
├── company/           # 公司信息
│   ├── about.md
│   └── products.md
├── faq/               # 常见问题
│   ├── general.md
│   └── technical.md
├── policies/          # 政策文档
│   ├── refund.md
│   └── privacy.md
├── templates/         # 回复模板
│   └── common-replies.md
└── history/           # 历史优秀回复
    └── examples.md

Knowledge Base Retrieval Strategy

Keyword Matching: Extract keywords from emails, match document titles and content
Semantic Search: Understand email intent, find semantically related document fragments
Priority Ranking: FAQ > Policy > Template > Historical Replies

Dependencies and Tools

Read: Read email files
Write: Save analysis results
Glob: Search knowledge base documents
Grep: Retrieve keywords in the knowledge base

Best Practices

Improve Reply Efficiency

First look at the summary and priority to decide the processing order
Handle urgent emails immediately, process ordinary emails in batches
Use templates to reduce repetitive work

Email Etiquette

Reply to business emails within 24 hours
If you cannot resolve it immediately, still acknowledge receipt first
Avoid all caps and excessive exclamation marks
Check whether the recipients and CC are correct

Avoid Common Mistakes

Do not forget attachments when replying
Do not send emails when emotionally agitated
Do not use vague expressions (change "as soon as possible" to "before Friday")

Limitations

This skill analyzes emails and generates replies, but is not responsible for actually sending them
Users need to manually copy them into an email client to send
Use caution with emails involving sensitive information
Generated replies are recommended to be sent after manual review