afrexai-email-to-calendar

核心用法

afrexai-email-to-calendar 是一个纯文档型的邮件事件提取技能，通过系统化的规则框架指导 AI Agent 从邮件文本中识别并提取所有时间相关信息。使用时，Agent 会扫描邮件内容，按照预定义的六大类别（硬事件、截止日期、软事件、周期性事件、行动项、旅行物流）进行信号识别，并为每个提取项生成包含标题、时间、地点、参与者、置信度等 15+ 个字段的结构化数据。提取完成后，Agent 会以编号列表形式呈现结果，用户确认后可通过 Google Calendar、Apple Calendar、Notion 或通用 ICS 格式创建实际日历事件。

显著优点

该技能的最大优势在于零依赖的纯智能设计——无需连接任何外部 API 或安装软件包，完全依靠 Agent 的文本理解能力工作。框架设计极为细致：提供三级置信度评分（高/中/低）、智能默认值补全（如"上午"自动映射为 09:00）、完善的重复检测机制、以及针对旅行邮件的特殊处理流程（自动提取航班、酒店、租车信息并创建多个关联事件）。此外，批量收件箱扫描功能可一次性处理数十封邮件，按时间分组呈现，大幅提升效率。

潜在缺点与局限性

作为纯文档型技能，其效果高度依赖底层 Agent 的文本理解能力，对于复杂日期表达（如"下下个工作日下午"）或高度上下文依赖的时间信息可能出现误提取。框架虽提供了时区处理指南，但跨时区场景仍需用户手动核对。另外，技能本身不执行任何日历创建操作，用户必须借助外部工具完成最终步骤，无法实现完全自动化的"一键同步"。对于非结构化程度极高的邮件（如纯口语化对话），提取准确率可能下降。

适合的目标群体

该技能特别适合以下用户：频繁接收会议邀请和截止提醒的职场人士、需要处理大量旅行确认邮件的商务差旅者、希望从杂乱收件箱中抢救遗漏日程的效率追求者、以及使用多平台日历（Google/Apple/Outlook/Notion）需要统一事件入口的跨平台用户。对于团队管理者，批量扫描功能可帮助快速掌握团队成员提及的所有关键时间节点。

使用风险

主要风险集中在人工执行环节：SKILL.md 中包含的 Bash 和 AppleScript 示例代码需要用户自行判断是否执行，存在误操作可能。日期格式歧义（如 02/03 是 2 月 3 日还是 3 月 2 日）依赖邮件来源地推断，可能产生误判。建议对 Medium/Low 置信度的提取结果一律人工复核，并在处理敏感邮件时确保运行环境可信。