別再把AI當聊天框用了：AI Agent平臺本地實測，幫你自動處理郵件附件

你有沒有這種感覺：每天花大量時間在重復的、低價值的勞動上？比如，郵箱里躺著一堆帶附件的郵件，你得一封封下載，打開，把里面的表格數據手動敲進 Notion。這活兒不難，但磨人，還容易出錯。

如果有個助手，能幫你盯著郵箱，自動把附件下載下來，識別出里面的文字和表格，再整整齊齊地填進你的數據庫里，整個過程還不用把數據傳到云端——聽起來是不是有點科幻？

AI Agent平臺 就是干這個的。它是一個開源的 AI 私人助理，跑在你自己的電腦上，能真正地動手干活，而不只是陪你聊天。今天這篇指南，就帶你從零開始，在 Windows 11 和 Mac M3 電腦上，親手搭建一個“郵件附件自動處理”的完整工作流。

為什么是 AI Agent平臺？

市面上 AI 助手很多，但 AI Agent平臺 有幾個特別實在的優點：

1. 完全本地運行：你的郵件內容、附件文件、Notion 數據，全程不出你的電腦。對于處理敏感業務郵件來說，這點太重要了。
2. 它能“動手”：它不只是生成文字，而是可以操作你的文件系統、調用本地程序、甚至控制瀏覽器。這是它和普通聊天機器人的本質區別。
3. 跨平臺：無論你是 Windows 黨還是 Mac 黨，都能用。

我們要搭建的工作流是這樣的：
新郵件到達 → AI Agent平臺 檢測并下載附件 → 調用本地 OCR 工具識別圖片/PDF中的文字 → 將識別出的結構化數據（如發票號、金額）自動存入 Notion 數據庫。

聽起來步驟很多？別怕，我們一步步來。

準備工作：給你的電腦裝上“手腳”

在開始之前，確保你的電腦已經安裝了 Python 3.9+ 和 Git。AI Agent平臺 本身是一個 Python 項目，需要這些基礎環境。

第一步：安裝 AI Agent平臺 本體

打開你的終端（Windows 上是 PowerShell 或 CMD，Mac 上是 Terminal），輸入以下命令：

# 克隆 AI Agent平臺 項目到本地
git clone https://github.com/steinbergph/ai-agent.git

# 進入項目目錄
cd ai-agent

# 安裝所有依賴包
pip install -r requirements.txt

為什么這樣做？
git clone 是把開源項目的代碼完整下載到你的電腦上。pip install 則是根據項目作者提供的 requirements.txt 文件，自動安裝所有它需要的 Python 庫。這是運行任何 Python 開源項目的標準流程。

第二步：配置你的“秘密武器”——API 密鑰

AI Agent平臺 需要連接一些外部服務才能工作，比如 Notion。你需要去這些服務的官網申請一個 API 密鑰（就像一把專屬的鑰匙）。

1. Notion API 密鑰：訪問 Notion Developers，創建一個“內部集成”，獲取密鑰。
2. （可選）郵件服務密鑰：如果你想讓它自動檢查郵箱（如 Outlook），可能需要配置 IMAP/SMTP 或 Microsoft Graph API 的密鑰。

在 AI Agent平臺 項目根目錄下，找到一個叫 .env.example 的文件，把它重命名為 .env，然后用記事本打開，填入你剛才拿到的密鑰：

NOTION_API_KEY="secret_你的Notion密鑰"
# 如果配置了郵件，也在這里填上郵箱的密鑰
# EMAIL_PASSWORD="你的郵箱密碼或應用專用密碼"

為什么這樣做？
密鑰是敏感信息，絕不能直接寫在代碼里。.env 文件是一個本地的環境變量配置文件，程序運行時會自動讀取它，但這個文件通常會被加入 .gitignore，不會被上傳到公開的代碼倉庫，保證了安全。

核心實戰：搭建自動化工作流

現在，重頭戲來了。我們要編寫一個 Python 腳本，告訴 AI Agent平臺 具體要做什么。

第三步：安裝本地 OCR 工具

我們需要一個工具來識別圖片或 PDF 里的文字。這里推薦 Tesseract，一個老牌且強大的開源 OCR 引擎。

• Windows 用戶：從 UB-Mannheim 的 GitHub 頁面 下載安裝包，安裝時記得勾選“Additional language data”里的中文支持。
• Mac 用戶：使用 Homebrew 安裝，非常方便。

# Mac 安裝 Tesseract 及其中文語言包
brew install tesseract
brew install tesseract-lang

為什么這樣做？
Tesseract 是一個獨立的命令行程序。我們安裝它，是為了讓 AI Agent平臺 的 Python 腳本能夠調用它來完成 OCR 識別。tesseract-lang 包提供了識別中文的能力。

第四步：編寫自動化腳本

在 AI Agent平臺 項目里，創建一個新文件，比如叫 email_to_notion.py。下面是一個簡化的邏輯框架：

import os
from pathlib import Path
import pytesseract
from pdf2image import convert_from_path
from notion_client import Client
import imaplib
import email

# 1. 初始化 Notion 客戶端
notion = Client(auth=os.environ.get("NOTION_API_KEY"))
DATABASE_ID = "你的Notion數據庫ID"


![配圖](http://www.nhjb.com.cn/usr/uploads/covers/cover_guides_20260709_081023.jpg)

# 2. 連接郵箱，獲取最新郵件（示例為IMAP）
def get_latest_email_attachment():
    # 這里寫連接郵箱、搜索未讀郵件、下載附件的代碼
    # 偽代碼：返回附件的本地文件路徑
    attachment_path = "./downloads/invoice.pdf"
    return attachment_path

# 3. OCR 識別函數
def ocr_file(file_path):
    if file_path.endswith('.pdf'):
        # 將PDF轉換為圖片
        images = convert_from_path(file_path)
        text = ""
        for img in images:
            text += pytesseract.image_to_string(img, lang='chi_sim+eng')
    else: # 假設是圖片
        text = pytesseract.image_to_string(file_path, lang='chi_sim+eng')
    return text

# 4. 解析并存入 Notion
def save_to_notion(text):
    # 用簡單的字符串處理或正則表達式，從 text 中提取關鍵信息
    # 例如：發票號、金額、日期
    invoice_no = "從text中提取"
    amount = "從text中提取"

    # 創建 Notion 頁面
    notion.pages.create(
        parent={"database_id": DATABASE_ID},
        properties={
            "發票號": {"title": [{"text": {"content": invoice_no}}]},
            "金額": {"number": float(amount)},
            "狀態": {"status": {"name": "待處理"}}
        }
    )
    print("數據已成功存入 Notion！")

# 主流程
if __name__ == "__main__":
    # 獲取附件
    attachment = get_latest_email_attachment()
    if attachment:
        # OCR 識別
        recognized_text = ocr_file(attachment)
        print("OCR 識別結果：", recognized_text[:100]) # 打印前100字預覽
        # 存入 Notion
        save_to_notion(recognized_text)

為什么這樣做？
這個腳本把整個流程串成了一個清晰的管道：獲取附件 → OCR識別 → 解析數據 → 存入數據庫。每一部分都可以單獨測試和調試。pytesseract 是 Python 調用 Tesseract 的橋梁，notion_client 是官方提供的 Notion 操作庫。

第五步：運行與驗證

1. 先手動把一封帶附件的郵件，把附件下載到 ./downloads 文件夾，命名為 invoice.pdf。
2. 運行腳本：

python email_to_notion.py

3. 驗證：

   • 看終端輸出，是否打印出了 OCR 識別的文字片段。
   • 登錄你的 Notion，打開對應的數據庫，看是否新增了一條記錄，且關鍵字段（如發票號、金額）是否正確。

遇到問題？看這里

Q1: 運行腳本報錯 tesseract is not installed or it's not in your PATH
A: 這是說系統找不到 Tesseract 程序。Windows 用戶需要把 Tesseract 的安裝路徑（例如 C:\Program Files\Tesseract-OCR）添加到系統的環境變量 PATH 中。Mac 用戶如果用 Homebrew 安裝，通常會自動配置好。

Q2: OCR 識別中文亂碼或不準
A: 確保你安裝了中文語言包（tesseract-lang），并且在代碼中明確指定了 lang='chi_sim+eng'。對于復雜排版或手寫體，OCR 準確率會下降，可以嘗試對圖片進行預處理（如提高對比度、二值化）。

Q3: Notion API 報錯 object_not_found
A: 檢查你的 DATABASE_ID 是否正確，并且確保你創建的 Notion “內部集成”已經被邀請（Add connections）到了目標數據庫頁面。

這只是開始

你剛剛搭建的，是一個能解決真實生產力問題的自動化流水線。AI Agent平臺 的潛力遠不止于此。你可以讓它：

• 定時運行這個腳本（使用 Windows 任務計劃程序或 Mac 的 cron），實現全自動。
• 擴展識別其他類型的文件，比如名片、合同。
• 把識別出的數據同時存到 Excel 或數據庫里。

下一步學習建議：

1. 深入 AI Agent平臺 文檔：去它的 GitHub 倉庫，仔細閱讀 README 和 examples 文件夾，了解它更多內置的“技能”（Skills）。
2. 學習 Python 自動化：掌握 pandas 處理表格數據，schedule 庫實現定時任務，能讓你的助手更強大。
3. 探索更多本地 AI 工具：比如用 Ollama 在本地運行大語言模型，讓你的 AI Agent平臺 助手不僅能“動手”，還能“動腦”進行更復雜的分析和決策。

真正的 AI 效率革命，不是用更聰明的模型陪你聊天，而是讓 AI 成為你的手和腳，替你完成那些瑣碎、重復卻必要的工作。AI Agent平臺 給了你一個堅實的起點，現在，輪到你來定義你的 AI 助手該干什么了。