想象你是一家小公司的老板，办公桌上永远堆着两天没拆的信：老板催的报告、客户请求改期、一堆广告促销。这时有位管家登门，他自称曾在 Gmail 官邸服务多年，见过全城最多的信件流，并且承诺：每天替你分好信、写好摘要、备好回信草稿，连日程冲突都一并盯着。你半信半疑地把钥匙交了出去。三个月后，你发现每天花在邮件上的时间从两小时缩到了二十分钟——这位管家就是 Shortwave。本文用“智能管家”这个比喻贯穿始终，带你拆解它背后的 Agent 架构、邮件智能分类、AI 摘要与写作能力、日程集成，以及它和传统邮件客户端的本质差异。

岗位关联

掌握“分类-摘要-写作-日程”的 Agent 任务拆解范式与多因子评分方法，是构建实用 AI 助手（而非聊天玩具）的关键一步，也是 AI 应用产品经理面试的高频考点。

目录
  1. 可视化演示
  2. 产品背景定位
  3. Agent架构设计
  4. 邮件智能分类
  5. AI摘要生成
  6. AI起草回复
  7. 日程会议集成
  8. 对比与适用
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

本节配有交互动效（进入视口后自动加载，约 3KB）。

Auto-Bundle AI邮件摘要 AI写作助手 原始邮件： Shortwave AI邮件管理可视化：展示AI驱动的邮件处理全流程

产品背景定位

想象你是家小公司的老板，办公桌上永远堆着两三天没拆的信：有老板催的报告、客户的改期请求、一堆产品促销广告。这时朋友推荐来一位管家，他的自我介绍很简短：“我叫 Shortwave，曾在 Gmail 官邸服务多年，见过全城最多的信件流。”你半信半疑，但还是把钥匙交给了他。

Shortwave 确实是 Gmail 前核心团队打造的 AI 原生邮件应用。它和传统邮件客户端最大的不同，是邮件处理不再由你亲自完成，而是由 AI 全程参与：收信、分拣、读信、回信、排日程。它的核心价值，是把“邮件”从待办事项清单变成“已替你处理好的事项”。

不过，雇任何管家都要先算一笔账：同样的活，过去要花多久，现在要花多久？我们用效率收益公式来衡量这笔账。其中 T\_旧 代表用传统方式处理一批邮件的总耗时，T\_新 代表使用 Shortwave 后的总耗时：

管家上岗一周后，你再算这笔账：以前每天花两小时拆信回信，现在只剩四十分钟“点头确认”。效率收益从 20% 一路涨到 60% 以上——这就是你愿意把钥匙交出去的理由。

R=T旧−T新T旧×100%\displaystyle R = \frac{T_{\text{旧}} - T_{\text{新}}}{T_{\text{旧}}} \times 100\%
通俗说明：效率收益 = 节省的时间 ÷ 原来花的时间，再转成百分比。R 越接近 100%，说明省下的时间越多。
  1. 分子 T\_旧 - T\_新用原来的耗时减去新方式耗时，得到“省下来的时间”。
    T旧−T新T_{\text{旧}} - T_{\text{新}}
  2. 除以 T\_旧把节省量除以原来总耗时，得到“相对节省比例”，方便不同人之间比较。
    T旧−T新T旧\frac{T_{\text{旧}} - T_{\text{新}}}{T_{\text{旧}}}
  3. 乘以 100%把小数比例转换为更直观的百分比，比如 0.6 写成 60%。
    ×100%\times 100\%

Agent架构设计

这位管家有个职业习惯：他从不抓起一封信就急着回。每天早上一进门，他先在白板上写下当天的工作清单——“收件箱整理：分拣→摘要→草稿→日程核对”，然后一项一项打勾。你问他为什么，他说：“先想清楚做什么，才能优雅地做完。”

这正是 Agent 架构的核心思想——任务规划（Planning）。Shortwave 收到“帮我整理收件箱”这个大目标后，不会直接生成一个笼统的答案，而是把大目标拆解成多个子任务，再逐一调用对应的工具完成，比如调用摘要工具读信、调用日历工具查时间、调用写作工具起草回信。这个过程被称为“计划-执行-验证”循环。

从工程角度看，Agent 的执行效率取决于子任务的编排方式。假设各子任务必须串行执行，那么完成整个流程的总耗时可以用求和模型表达：n 是子任务数量，t\_i 是第 i 个子任务（比如分类、摘要、写作、日程）各自的耗时：

白板上的清单就是 Agent 脑海里的“规划器”。规划越清晰，执行越可靠；而人类要做的，只是最后那道“确认打勾”。这比传统邮件客户端“把操作留给你”的模式，先进了一个层次。

T总=∑i=1nti\displaystyle T_{\text{总}} = \sum_{i=1}^{n} t_i
通俗说明：总耗时等于所有子任务耗时之和；如果子任务之间没有依赖，还能并行执行，总耗时就会进一步缩短。
  1. 求和符号 Σ把 n 个子任务的耗时逐个相加，得到“完成整个流程需要的时间”。
    ∑i=1nti\displaystyle \sum_{i=1}^{n} t_i
  2. t\_i（第 i 个子任务耗时）每个子任务（分类、摘要、写作、日程）各自的执行时间，长短取决于邮件量和模型复杂度。
    tit_i
  3. n（子任务数量）在本例中 n=4，对应分类、摘要、写作、日程四项。
    n=4n = 4

邮件智能分类

每天早上，管家就守在门口。每来一封信，他只扫一眼信封，就拿起印章“啪”地盖下去：红色是“立即处理”，黄色是“稍后再说”，绿色是“广告，进碎纸机”。你好奇他凭什么判断，他笑笑说：“每封信我都打过分。”

Shortwave 的邮件智能分类，正是这套“打分-盖章”逻辑的工程实现。它不靠单一规则，而是用多因子加权评分：紧急关键词越多越紧急、发件人越重要分数越高、含会议邀请再加分。综合得分决定邮件进入哪个文件夹、排在第几位。

一个典型的优先级评分公式长这样。其中 U 表示紧急度（正文里命中紧急词的次数），C 表示发件人信誉值（越重要分值越高），M 表示是否含会议邀请（0 或 1），而 α、β、γ 分别是对应的权重系数，决定哪个信号更说了算：

管家盖章又快又稳的秘密，不是他认识每个信封上的字，而是他手里有一张“评分表”。这张表由多个特征加权汇成，让“看起来紧急”和“真的很重要”被区分开——这正是 AI 邮件分类比普通关键词过滤聪明的地方。

S=α×U+β×C+γ×M\displaystyle S = \alpha \times U + \beta \times C + \gamma \times M
通俗说明：总分 = 紧急度×权重 + 发件人信誉×权重 + 会议标记×权重。得分越高，邮件越靠前、越显眼。
  1. α × U（紧急度加权）正文里出现“紧急”“截止”等词越多，这一项越大，邮件越可能被标红。
    α×U\alpha \times U
  2. β × C（发件人信誉加权）老板、重要客户的地址得分高，营销账号得分接近 0。
    β×C\beta \times C
  3. γ × M（会议邀请加权）邮件里带日历邀请时 M=1，提醒你优先处理时间敏感的信。
    γ×M\gamma \times M
  4. S 总分与分档S≥5 进“高优先级”，2≤S<5 进“普通”，否则进“广告/低优先”。
    S≥5→高优先级S \geq 5 \rightarrow \text{高优先级}

AI摘要生成

有一回，客户发来一份八页的合同。管家没有把合同往你桌上一扔，而是半小时后送来一张便利贴：“核心变化：报价上调 5%，违约金条款未动，签约截止本周五。”你扫一眼就知道该干什么。

便利贴就是 AI 摘要。Shortwave 能对单封邮件生成一句话要点，也能把几十封来回讨论的“邮件串”总结成几条结论。它做这件事的本质，是从长文本中抽取或生成最核心的信息，帮你跳过逐字阅读，直接抓住行动点。

摘要压得多狠才算好？压得太狠会丢信息，压得不够又白费功夫。工程上常用压缩率（compression ratio）来量化这个权衡，其中 L\_摘要 表示 AI 生成的摘要字数，L\_原文 表示原始邮件或邮件串的总字数，二者相除就得到压缩率：

好管家知道，便利贴不是越短越好——把“签约截止周五”写成“合同有变化”，等于没写，还会误导决策。AI 摘要同样要在压缩与保留关键信息之间取舍，丢掉关键数字和期限的摘要，省下的时间远抵不上误判的代价。

R=L摘要L原文\displaystyle R = \frac{L_{\text{摘要}}}{L_{\text{原文}}}
通俗说明：压缩率 = 摘要长度 ÷ 原文长度。压缩率越低，读起来越省时间；但压得太狠会丢掉关键细节，所以要在“省时”和“保真”之间找平衡。
  1. L\_摘要（摘要长度）AI 生成的摘要包含多少字，越短读得越快。
    L摘要L_{\text{摘要}}
  2. L\_原文（原文长度）原始邮件或邮件串的总字数，是压缩的基准。
    L原文L_{\text{原文}}
  3. 比值 RR 接近 0 说明摘要极短、高度浓缩；R 接近 1 说明摘要和原文几乎等长，失去了省时意义。
    R→0 高度浓缩，可能丢信息R \rightarrow 0 \text{ 高度浓缩，可能丢信息}

AI起草回复

需要回信时，管家不会自作主张把信寄出去。他先在书桌上放一份草稿，墨迹尚干，旁边附一句：“我按正式语气写的，您过目签名后我再寄。”面对同事的闲聊邮件，他又会换成轻松的口吻。

这就是 AI 起草回复。Shortwave 内置的写作 Agent 会根据邮件内容和用户预设的语气偏好，生成回信草稿。草稿被放在“待确认”区域，由用户一键接受、修改或丢弃——这种“生成 + 人工审核”的闭环，是 AI 写作功能安全落地的关键设计。

从技术原理看，草稿生成是语言模型的条件概率生成。模型每写一个词之前，都要先看一眼已经写出来的部分，再预测下一个最合适的词。给定已经生成的词 w1 到 w(i-1)，下一个词 wi 的条件概率记为 P(wi | w1…w(i-1))，整封草稿就是这一连串概率的连乘：

管家坚持“先写草稿等你点头”，看起来多了一道手续，却把主动权牢牢留给你。对 AI 写作来说，生成草稿只完成了一半，人工审核才是另一半。真正的价值不是让 AI 替你发言，而是把“从零写起”变成“审一遍就发”。

P(w1,w2,…,wn)=∏i=1nP(wi∣w1,…,wi−1)\displaystyle P(w_1, w_2, \dots, w_n) = \prod_{i=1}^{n} P(w_i \mid w_1, \dots, w_{i-1})
通俗说明：整封草稿的概率，等于模型逐词预测概率的连乘。模型每次只选“下一个最合适的词”，一句一句把草稿写完。
  1. P(w1, w2, …, wn)整句（整封草稿）出现的概率，衡量这串词整体上有多自然。
    P(w1,w2,…,wn)P(w_1, w_2, \dots, w_n)
  2. 连乘符号 ∏把每个词的概率相乘，每个词都选得自然，乘积才会大。
    ∏i=1n\displaystyle \prod_{i=1}^{n}
  3. P(wi | w1, …, w(i-1))给定前面所有词后，下一个词 wi 出现的条件概率。
    P(wi∣w1,…,wi−1)P(w_i \mid w_1, \dots, w_{i-1})

日程会议集成

客户发来一封会议邀请：“周三下午两点碰面？”管家没有立刻答应，而是转身翻开你的日历本，指着下午两点那一格说：“您已经有一场项目评审了，时间重叠，我建议回复改期。”

这是 Shortwave 的日程会议集成。它会把邮件中检测到的会议邀请与你的日历自动比对，判断时间是否可用、是否存在冲突，并给出“接受、拒绝、改期”的建议。日历同步和时间感知，让邮件处理从“文字世界”延伸到“时间世界”。

冲突检测的本质是时间区间重叠判断。把一场会议看成数轴上的一个区间 [s1, e1]，s 是开始时刻，e 是结束时刻；另一场就是区间 [s2, e2]。只要满足下面这个条件，就说明两场会的时间发生了重叠：

管家手里的日历本，让每一封会议邀请都有了“时间坐标”。它不去替你决定接不接受，而是把冲突摆在明面上，让你自己拍板——这正是 AI 助手该有的分寸感，也是日程集成产品设计的边界。

overlap=min⁡(e1,e2)−max⁡(s1,s2)>0\displaystyle \text{overlap} = \min(e_1, e_2) - \max(s_1, s_2) > 0
通俗说明：先找出两场会议中“较晚的开始时间”和“较早的结束时间”，若前者小于后者，说明时间上有交集，即冲突。
  1. max(s1, s2)取两个开始时间中较晚的那个，代表冲突区间的起点。
    max⁡(s1,s2)\max(s_1, s_2)
  2. min(e1, e2)取两个结束时间中较早的那个，代表冲突区间的终点。
    min⁡(e1,e2)\min(e_1, e_2)
  3. 差值 > 0若“较早结束”晚于“较晚开始”，说明两场会重叠，返回冲突提醒。
    min⁡(e1,e2)−max⁡(s1,s2)>0\min(e_1, e_2) - \max(s_1, s_2) > 0

对比与适用

用了三个月，你把“自己跑邮局”和“管家代劳”做了一次对比：以前拆信半小时、读信四十分钟、回信一小时，还常常错过会议；现在只需要每天早上花十分钟，把管家准备好的三叠信和草稿过目一遍。差距立见高下。

宏观来看，Shortwave 与传统邮件客户端的核心差异在于：传统工具只提供“更快的操作界面”，而 Shortwave 提供“替你完成操作的能力”。这种能力在邮件量大、会议密集、团队协作频繁的场景下收益最大，但在邮件极少或对保密性要求极高的场景，价值会明显缩水。

把所有邮件的收益汇总，就得到每周节省的总时间。设 m 是每周处理的邮件数量，t\_k^传统 与 t\_k^AI 分别是第 k 封邮件在两种方式下的耗时，那么总节省时间为：

管家不是万能的——重要的机密信，你依然会亲手拆。判断一款 AI 邮件工具是否适合自己，关键是看清邮件量、协作密度和保密要求这三张牌，再决定要不要把钥匙交出去。

T节省=∑k=1m(tk传统−tkAI)\displaystyle T_{\text{节省}} = \sum_{k=1}^{m} \left( t_k^{\text{传统}} - t_k^{\text{AI}} \right)
通俗说明：把每一封邮件在传统方式下花费的时间减去 AI 方式下花费的时间，再对所有邮件求和，就得到一周省下的总时间。
  1. 求和符号 Σ对每周所有邮件逐一累加节省量。
    ∑k=1m\displaystyle \sum_{k=1}^{m}
  2. t\_k^传统 - t\_k^AI第 k 封邮件在两种方式下的耗时差，即单封节省时间。
    tk传统−tkAIt_k^{\text{传统}} - t_k^{\text{AI}}
  3. m（邮件总量）邮件越多，累加的节省越可观，AI 优势越明显。
    m=周邮件数m = \text{周邮件数}

AI 应用场景

客户成功经理的百封日邮件

阶段：邮件智能分类 + AI 摘要生成

解决的问题：传统收件箱按时间排序，付费客户的报障邮件混在促销和通知里，漏看一封就可能流失一个大客户；人工逐封打开判断优先级，每天要耗掉两小时。AI 用多因子评分先分档、再摘要，把“先看哪封”从人工判断变成自动推荐。

具体案例：某 SaaS 公司的客户成功经理启用 Shortwave 后，高优先级邮件被自动置顶并附一句话摘要，首次响应时间从平均 45 分钟降到 12 分钟，客户满意度提升了 18 个百分点。

产品发布周的协作同步

阶段：Agent 架构 + 日程会议集成

解决的问题：版本发布前，设计、研发、测试来回发几十封讨论邮件，新成员翻到头晕；会议邀请扎堆，经常撞车。传统客户端只能“照单全收”，没有时间感知能力。

具体案例：产品团队用邮件串总结把“谁在什么时间前交付什么”提炼成三条结论；收到评审会议邀请时，Shortwave 自动比对日历，标出与已定的发布例会冲突的时间段，再由负责人确认改期，发布周协调会从每天两场减到一场。

高管的晨间邮件简报

阶段：AI 摘要 + AI 起草回复

解决的问题：高管每天收到数十封邮件，逐封阅读和回复会挤占决策时间；直接转发给助理处理又容易失真。AI 摘要与草稿把“读信回信”压缩成“审阅确认”。

具体案例：一位初创公司 CEO 每天早上用 Shortwave 的“晨间简报”浏览全部邮件摘要，只对重要回复修改草稿后发送，清空收件箱从 90 分钟缩短到 20 分钟。

Python 演示

python87 行
# -*- coding: utf-8 -*-"""仿 Shortwave 的智能邮件流水线:多因子分类 -> 摘要 -> 草稿 -> 日程冲突检测。""" import re  class Envelope:    """一封邮件的数据结构。"""     def __init__(self, sender, subject, body, is_meeting=False, start=0.0, end=0.0):        self.sender = sender        self.subject = subject        self.body = body        self.is_meeting = is_meeting        self.start = start        self.end = end  SENDER_WEIGHT = {    "boss@company.com": 3,    "team@company.com": 2,    "news@example.com": 0,}URGENT_WORDS = ["urgent", "deadline", "asap", "today"]  def classify_score(mail):    """多因子优先级评分:发件人权重 + 紧急词加分 + 会议标记加分。"""    score = SENDER_WEIGHT.get(mail.sender, 1)    for word in URGENT_WORDS:        if word in mail.body.lower():            score += 2    if mail.is_meeting:        score += 1    return score  def summarize(mail, top_k=2):    """抽取式摘要:统计词频后取最高的几个关键词。"""    words = re.findall(r"[a-z0-9]+", mail.body.lower())    freq = {}    for w in words:        if len(w) > 2:            freq[w] = freq.get(w, 0) + 1    ranked = sorted(freq.items(), key=lambda item: item[1], reverse=True)    return [word for word, _ in ranked[:top_k]]  def draft_reply(mail):    """生成回复草稿,最终发送必须由人工确认。"""    return "Got your email about '%s'. I will handle it soon." % mail.subject  def has_conflict(schedule, start, end):    """区间重叠检测:较晚开始 < 较早结束 即为冲突。"""    for item in schedule:        if start < item.end and item.start < end:            return item    return None  def main():    inbox = [        Envelope("boss@company.com", "Q3 review",                 "Please send the report before Friday deadline asap",                 is_meeting=True, start=14.0, end=15.0),        Envelope("news@example.com", "Weekly digest",                 "Here are this week's product updates and events"),        Envelope("client@example.com", "Contract meeting",                 "Could we reschedule the meeting today? urgent",                 is_meeting=True, start=14.5, end=15.0),    ]    schedule = [Envelope("me", "standup", "", is_meeting=True, start=14.0, end=14.5)]    for mail in inbox:        score = classify_score(mail)        tag = "high" if score >= 5 else "normal" if score >= 2 else "low"        print("sender=%s priority=%s score=%d" % (mail.sender, tag, score))        if tag == "high":            print("  summary=%s" % summarize(mail))            print("  draft=%s" % draft_reply(mail))        if mail.is_meeting:            bad = has_conflict(schedule, mail.start, mail.end)            print("  meeting=%s" % ("conflict" if bad else "ok"))  if __name__ == "__main__":    main()
目的：用 100 行 Python 复现 Shortwave 的核心流水线——多因子分类、抽取式摘要、草稿生成与日程冲突检测，帮助你理解 Agent 邮件助手每一步在做什么。
  1. score = SENDER_WEIGHT.get(mail.sender, 1)从发件人权重表取值，未知发件人默认 1 分，避免程序崩溃。
  2. if word in mail.body.lower():将正文转小写后逐个匹配紧急词，命中一个加 2 分，对应公式里的 α×U。
  3. freq[w] = freq.get(w, 0) + 1用字典做词频统计，这是抽取式摘要的核心数据结构。
  4. ranked = sorted(freq.items(), key=lambda item: item[1], reverse=True)按词频从高到低排序，把出现最多的词排到最前。
  5. return [word for word, _ in ranked[:top_k]]取频率最高的 top_k 个词作为摘要关键词。
  6. tag = "high" if score >= 5 else "normal" if score >= 2 else "low"按阈值把综合评分切成三档，对应管家“盖章分拣”的动作。
  7. if start < item.end and item.start < end:区间重叠判断，等价于公式 min（结束）-max（开始）>0。

常见误区

误区用了一段时间后发现“它把重要合同邮件归到了普通”，于是觉得 AI 分类不是百分百对，肯定是我哪里设置错了。

正解多因子评分本质是加权打分加模型判断，天然带有误差。它的目标是“把大多数常规邮件处理对”，而不是替代人工抽查。对重要邮件仍应定期检查分类结果，并可通过自定义规则微调权重。

为何常见：产品演示把分类做得太流畅，用户容易把“概率推荐”误解成“绝对判断”。

误区觉得 AI 摘要最好一句话搞定，越短越说明 AI 聪明，长摘要就是没本事。

正解压缩率只描述长度，不描述质量。关键数字、人名、截止时间一旦被压掉，整份摘要就失效，误判风险远大于省下的几秒阅读时间。好的摘要要保留“动作+主体+期限”三要素。

为何常见：只看压缩率这个直观指标，忽略了信息保真度这个更重要的维度。

误区既然 AI 能模仿我的语气写回信，那就不用逐封检查了，直接批量发送就行。

正解生成式模型可能遗漏上下文、理解错语气甚至捏造事实。Shortwave 把草稿放在“待确认”区，正是为了把“人审”固定在流程里。建议至少扫一眼关键数字、称呼和落款。

为何常见：“自动起草”四个字让人误以为模型已理解全部背景，其实它只看到邮件文本和有限上下文。

误区设了“自动检测冲突”之后，以为冲突的会议邀请会被自动拒绝或改期。

正解冲突检测只是“发现问题”，是否接受、拒绝或改期仍由用户决定。自动执行涉及发送动作，属于高风险权限，成熟产品都会保留人工确认环节。

为何常见：把“提醒”和“执行”混为一谈，忽略了 AI 助手的安全边界设计。

误区想让邮件被高优先级处理，只要在正文里堆满“紧急”"ASAP"就行。

正解评分公式包含发件人权重、会议标记等多个因子，权重可通过数据训练。陌生账号堆关键词最多抬高紧急度因子，仍会被发件人信誉因子拉低。分类是综合判断，不是单词计数。

为何常见：只看到公式里的一个可见变量，忽略了背后的多因子设计。

面试题

Q1. Shortwave 的核心团队背景是？

单选题 · easy

  • A.Outlook 前团队
  • B.Gmail 前团队← 正确答案
  • C.微软邮箱前团队
  • D.腾讯邮箱前团队

答案：B。Shortwave 由 Gmail 前核心团队打造，带着把邮件体验做到极致的基因。就像那位管家自我介绍时说的“曾在 Gmail 官邸服务多年”——背景决定了管家见过多大的世面。

Q2. 邮件智能分类通常不依赖以下哪类信号？

单选题 · easy

  • A.发件人信誉权重
  • B.正文紧急关键词
  • C.邮件附件大小← 正确答案
  • D.历史互动频率

答案：C。多因子评分主要看发件人信誉、紧急关键词、会议标记和历史互动，附件大小与邮件紧急程度没有稳定关联，是典型的无效特征。就像管家看的是寄件人和信封上的红章，而不是信封有多厚。

Q3. 优先级评分公式 S=αU+βC+γM 中，U 代表什么？

单选题 · mid

  • A.用户活跃度
  • B.邮件紧急度← 正确答案
  • C.邮件相似度
  • D.界面可用性

答案：B。U 是 Urgency 的缩写，表示紧急度，通常用正文中命中紧急词的次数衡量；C 是发件人信誉值，M 是会议标记。记好三个字母的含义，才能读懂整张“评分表”。

Q4. 压缩率 R=L摘要/L原文 接近 1 说明什么？

单选题 · mid

  • A.摘要很长压缩不充分← 正确答案
  • B.摘要很短信息丢失
  • C.原文被系统删除
  • D.摘要质量必然差

答案：A。R 越接近 1，摘要几乎和原文一样长，压缩不充分，省时收益很小；但 R 过低也可能丢信息。AI 摘要不是“越短越好”，而是“该保留的都保留”。

Q5. Agent 架构中“任务规划”的核心作用是？

单选题 · mid

  • A.把大目标拆成子任务← 正确答案
  • B.直接生成最终回复
  • C.替代用户做所有决定
  • D.压缩邮件附件大小

答案：A。任务规划是 Agent 架构的起点，把“整理收件箱”这样的大目标拆成分类、摘要、写作、日程等子任务，再逐个执行。直接生成回复、替用户做决定、压缩附件都不是规划器的职能。

Q6. Shortwave 的 Agent 通常可使用哪些工具？

多选题 · mid

  • A.邮件摘要工具← 正确答案
  • B.日历查询工具← 正确答案
  • C.草稿生成工具← 正确答案
  • D.磁盘格式化工具

答案：ABC。Shortwave 的 Agent 可调用摘要生成、日历查询、草稿生成等工具，按需编排；磁盘格式化与邮件处理无关，属于干扰项。工具调用是 Agent 的手脚，规划器则是大脑。

Q7. 日程冲突检测 overlap=min(e1,e2)-max(s1,s2)>0 中，min 计算的是？

单选题 · hard

  • A.两场会中较早的结束时间← 正确答案
  • B.两场会中较晚的结束时间
  • C.两场会中较早的开始时间
  • D.两场会时长相加之和

答案：A。重叠判断先取较晚的开始时间 max(s1,s2)，再取较早的结束时间 min(e1,e2)。如果较早结束的会晚于较晚开始的会，说明两场会时间重叠，这和管家翻日历判断“两点已有评审”是同一套逻辑。

Q8. 提升邮件分类准确率的合理手段有哪些？

多选题 · hard

  • A.引入发件人历史互动权重← 正确答案
  • B.使用紧急词频统计← 正确答案
  • C.结合会议邀请标记← 正确答案
  • D.随机生成分类标签

答案：ABC。提升分类准确率靠多因子融合：发件人历史互动权重、紧急词频、会议标记都可以作为特征；而随机生成分类标签毫无信息量，只会把收件箱搅乱。多因子评分让“看起来紧急”和“真的很重要”被区分开。

Q9. 使用 AI 起草回复时，正确做法是？

单选题 · easy

  • A.生成后直接自动发送
  • B.人工审核后再发送← 正确答案
  • C.拒绝使用全部草稿
  • D.由 AI 全权代管邮件

答案：B。AI 起草只是“生成草稿”，发送前必须人工审核，这是安全闭环的关键一环。自动发送风险高，拒绝所有草稿则浪费了 AI 的价值。就像管家把草稿放桌上等你签字，而不是直接替你寄出。

Q10. 与传统邮件客户端相比，Shortwave 的优势包括？

多选题 · mid

  • A.自动生成邮件摘要← 正确答案
  • B.提供写作草稿← 正确答案
  • C.整合日程冲突提醒← 正确答案
  • D.删除所有历史邮件

答案：ABC。自动摘要、写作草稿、日程冲突提醒都是 Shortwave 相对传统客户端的核心优势，而删除历史邮件不是它的功能，也不符合邮件工具的产品边界。选择工具时，要看它是否补上了你花时间最多的环节。