用 OpenAI Agents SDK 实现「个人邮箱整理」：工具与智能体代码

「个人邮箱整理」是个人用户的高频任务。它的输入通常是邮件列表，期望得到的是整理建议。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

本文介绍如何在 OpenAI Agents SDK 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目	说明
技能	个人邮箱整理（`email-cleanup-personal`）
作用	整理个人邮箱订阅与分类
输入	邮件列表
输出	整理建议
形态	需外部连接
风险	低
适用人群	个人用户

处理流程分四步：

识别订阅
建议退订
设计分类
建立规则

这个技能需要通过 MCP 或平台连接器访问外部系统（如邮箱、网页、业务系统），要提前授权并限定访问范围；风险较低，但输出仍需快速过目再使用。

在 OpenAI Agents SDK 中是什么形态

OpenAI Agents SDK 是一个轻量的智能体开发框架，用 Agent 定义指令与工具，用 function_tool 把 Python 函数变成工具，用 Runner 运行，还支持多智能体交接与护栏。

代码运行在你自己的环境中，可接入日志与追踪；具体的包名、版本与模型配置以官方文档为准。

示例配置

# 示意代码：OpenAI Agents SDK（pip 包名与接口以官方文档为准）
from agents import Agent, Runner, function_tool

@function_tool
def load_email_cleanup_personal(path: str) -> str:
    """读取邮件列表并返回文本。"""
    with open(path, encoding="utf-8") as fh:
        return fh.read()[:20000]

agent = Agent(
    name="个人邮箱整理",
    instructions="""
1. 识别订阅
2. 建议退订
3. 设计分类
4. 建立规则
输出：整理建议。不确定的内容标注“需人工确认”。
""",
    tools=[load_email_cleanup_personal],
)

result = Runner.run_sync(agent, "请处理 input.txt 中的邮件列表")
print(result.final_output)

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在个人用户提出相关请求时能对上号；二是约束部分要写进「健康、财务等重要决定请咨询专业人士」这类领域规矩，避免智能体自作主张。

安装与启用步骤

安装 SDK 并配置模型访问凭据（放在环境变量中）
用 function_tool 定义读取或处理数据的工具
在 Agent 的 instructions 中写入技能步骤与约束
用 Runner 运行并打印结果
把它包装成命令行工具或接口供团队使用

实操：一次完整的运行

假设你在手机、日历与个人笔记中发出这样的请求（虚构示例）：

帮我做一下个人邮箱整理，材料是附上的邮件列表。

智能体识别到任务与「个人邮箱整理」相关后，会依次识别订阅、建议退订、设计分类、建立规则。最终交付整理建议，并在末尾列出需要人工确认的内容。你的工作是对照原始邮件列表抽查两三处关键信息，确认无误后再使用。

测试与验收

为 Agent 写几条固定输入的回归用例，每次修改指令后重跑，比较输出结构。

针对这个技能，还建议额外准备：

一份信息齐全的标准邮件列表，检查输出是否完整
一份缺少关键信息的输入，检查智能体是否先提问而不是编造
一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

把密钥写在代码里提交。
instructions 写得过长，关键约束被淹没。
只写了步骤，没写交付格式，导致每次输出的整理建议结构不同。
没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。