Gmail Flows 用 AI 处理邮件,功能实用但使用限制或成痛点

数量1倍数特性.pdf 立即下载

ZDNET 核心要点

Gmail Flows 现在可以利用 AI 处理收件箱邮件,Google Workspace 用户和付费 AI 用户可使用这些新工具,但每月处理限制可能会让邮件量大的用户头疼。

谷歌新功能:希望与失望并存

谷歌总是既给人希望又让人失望。刚在 Gmail 里发现的超酷新 AI 功能,对邮件多的人来说可能非常实用,这是“给人希望”的部分;但该功能有处理邮件数量的限制,达到上限就会停止工作,这是“让人失望”的地方。

去年 12 月,谷歌推出了 Google Workspace Studio,这是一个能在平台内自动执行各种任务的工具,当时需有 Workspace 账户才能使用,现在更多用户可以使用 Studio 了。

面向大众的 Workspace Studio(大部分用户)

早在 4 月写关于 Gmail 中 Gemini 的文章时,Google AI Pro 计划(每月 20 美元)账户还无法使用 Workspace Studio Flows(谷歌对这些小脚本的称呼)。但上周,在 Gmail 界面顶部发现了一个新图标。

据 Gemini 所说,这个新增图标是 5 月推出的侧边栏大更新的一部分,该更新在 5 月底和 6 月推广到了所谓的“高级”用户账户,这里的“高级”指的是订阅了每月 20 美元的 Google AI Pro 或每月 100 美元的 Google AI Ultra 服务。订阅了 Google AI Pro 所以有这个神奇的图标,而妻子没订阅这个计划,她的 Gmail 界面没有接下来要介绍的这个功能。

至于这些 AI 计划是否值得,付费套餐确实能让用户更多地使用 Gemini。妻子经常使用免费版的 Gemini,且主要用于文本处理。刚试着生成几张 Nano Banana 图片,就遇到了使用限制,这也是最初升级到 Pro 版的原因。

不管怎样,新的 Workspace Studio Flows 功能绝对让购买 AI Pro 版物有所值,除了它的限制。这个限制降低了它的价值,至少对邮件量大的用户(也就是最需要它的人)来说是这样。

侧边栏界面

点击图标后,会弹出一个 Flow 侧边栏。虽然谷歌把这个脚本工具叫做 Workspace Studio,但它创建的脚本被称为“Flows”。

谷歌提供了一些起始脚本,可把它们作为示例来创建自己的 Flows。

要充分发挥这个工具的作用,点击“在 Studio 中做更多”,在这里真的可以做更多事情。

在 Studio 中做更多

进入 Studio 后,会看到一些更多的示例选项来帮助上手。

点击“每日获取新闻头条摘要”Flow,会出现 Studio 脚本编写界面。在这个例子中,Flow 使用 Chat 而不是 Gmail 来通知。

这强调了一个重要的点:Studio Flows 不仅仅适用于 Gmail,它们还能与 Chat、Docs、Meet 等配合使用。只关注 Gmail,是因为谷歌对其过滤系统进行了重大升级,而这个系统 20 多年来几乎没怎么变过。早在 2023 年,就说过希望 Gmail 能更好地利用 AI 对收件进行筛选和分类。31 个月后,这个系统终于做到了。不过,后面会谈到它的“让人失望”之处。

定义触发条件

Flows 需要一个触发条件才能启动,谷歌称之为“起始条件”。希望谷歌能把所有新闻稿和有新闻意图的促销邮件都归到一个标签下。这些年写了很多过滤器,但因为给发邮件、希望写文章或推广产品给 ZDNET 读者的人,他们的邮件结构各不相同,所以没有一个确定性的工具能解决这个问题。

但 AI 能接近解决这个问题。不过,AI 得查看收件箱里的每一封邮件。所以,把起始触发条件设置为“收到邮件时”。遗憾的是,不能用这个工具处理旧邮件,但有总比没有好。

可以选择让工具扫描所有邮件,或者只扫描符合典型过滤条件的邮件,比如包含特定关键词或文本字符串的邮件。由于后一种方法对自己来说从来都不够全面,所以希望扫描所有邮件,然后让 Gemini 运用它强大的智能来判断邮件是否有新闻报道价值。

选择操作

当 Flow 被触发(在例子中是收到新邮件)后,就该让它执行操作了。希望 AI 能判断邮件是否有新闻意图,首先想到的是使用“询问 Gemini”操作。

但执行这个操作后,得设置一系列测试和子操作。往下滚动时,注意到了“使用 Gemini 添加标签”选项,这似乎更符合需求。

要使用这个功能,必须开启 AI 标签。Studio 会要求保留显示的六个标签,但不一定要开启它们。如果想创建自己的 AI 标签,点击相应按钮。

在这里,可以指定标签的文本字符串和提示信息。用 Gemini 帮创建了一个提示信息,试了几次后,得到了满意的结果。

创建好 Flow 后,可以进行测试。首先,得选一封邮件作为测试对象。Studio 会提供一些近期邮件,如果输入搜索字符串,它还会显示其他可用于测试的邮件。选好邮件后,运行测试。

理论上,可以为各种邮件处理问题创建 AI 过滤器。不过,也有一些限制。比如,可以用 Flows 创建草稿,但得手动点击发送。这种方式有一定价值,因为如果写的提示信息过于宽泛,根本不知道 AI 会给与通信的人回复什么。

总体来说,认为这是 Gmail 的一个重大改进。不过……

谷歌的限制

描述的这个功能不是无限制的。和其他基于云的 AI 服务一样,在服务提供商切断使用权限之前,只能使用有限次数。

根据谷歌的限制页面,每月 20 美元的 Pro 套餐每月有 2000 次 Flow 执行次数,也就是说,脚本每月只能查看 2000 封收件,超过这个数量,服务就会停止。

这个月邮件量很大,但也不算特别异常。因为 Fable 的相关新闻,一周就收到了 7724 封邮件,平时每周也会收到几千封邮件。所以,每月 20 美元的 Pro 套餐可能只够使用一周。

在忙碌的月份(比如有重大 AI 新闻、Prime Day、冬季假期等),可能会收到超过 10000 封邮件,这甚至超过了每月 100 美元的 Google AI Ultra 套餐的限制,Ultra 套餐每月最多 10000 次 Flow 执行次数。

这个功能是否有用,可能取决于是否处于一个合适的范围。需要有足够多的邮件,多到没有 AI 帮助就难以管理,但又不能太多,要能在每月执行次数限制内处理完。即使每月花 100 美元,也很可能会超出限制,而且这还只是用了一个 Flow。在谷歌目前的限制下,创建多个 Flows 让 AI 帮整理邮件以提高效率几乎是不可能的。

快速提醒一下:Gemini 提醒,这些每月限制在 7 月 1 日前会暂时取消。谷歌之前允许用户自由使用 Flows,但从 7 月 1 日起会严格执行限制。限制页面上写着:“促销期访问。限制将于 2026 年 7 月 1 日开始执行。”

20 世纪中叶的喜剧演员鲍勃·霍普曾说过:“银行是一个在你能证明自己不需要钱时才会借钱给你的地方。”所以,结论很简单。Flows 潜力巨大,即使在早期版本中也很棒。但如果因为邮件太多需要它,很快就会被限制使用。也许当(或者如果)AI 成本降低时,情况会有所改变。至少知道这项技术已经存在并得到了应用。如果是一个邮件量适中的用户,这个功能是个很好的资源。对其他人来说,这个功能可能只会带来更多的 AI 使用困扰。每月 2000 封邮件的 Flow 限制对收件箱够用吗,还是会很快达到上限呢?欢迎在评论区告诉我们。可以在社交媒体上关注日常项目的更新。记得订阅每周更新时事通讯,也可以在 Twitter/X(@DavidGewirtz)、Facebook(Facebook.com/DavidGewirtz)、Instagram(Instagram.com/DavidGewirtz)、Bluesky(@DavidGewirtz.com)和 YouTube(YouTube.com/DavidGewirtzTV)上关注。

相关文章推荐

- 《美国员工是全球最大的 AI 怀疑论者——原因不只是失业》

- 《我用 ChatGPT 打造了一个免费 PDF 编辑器,因为我不敢让它修改我的文件——效果很棒》

- 《如何审核 ChatGPT 对你的了解——并重新掌控你的数据隐私》

- 《我试用了 Google Drive 的新 AI 清理工具,以整理 14 年的存储杂物——结果如下》

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

开源AI Copilot终极指南:如何为SaaS产品构建高效智能助手

OpenCopilot是一个专为SaaS产品设计的开源AI助手解决方案,能够通过API集成让您的产品具备智能对话和自动化能力。在当今竞争激烈的SaaS市场中,AI Copilot已成为提升用户体验、降低运营成本的关键技术。本文将深入探讨OpenCopilot的核心功能、应用场景和实施策略,为技术决策者和产品经理提供完整的实施指南。 ## 🚀 价值主张与产品定位 OpenCopilot的核心价

gitblog_01179的博客 1087

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

企业级AI Copilot完整指南:为SaaS产品构建开源智能助手解决方案

在当今竞争激烈的SaaS市场中,AI Copilot已成为提升用户体验、降低运营成本的关键技术。OpenCopilot作为一个专为SaaS产品设计的开源AI助手解决方案,通过API集成让您的产品具备智能对话和自动化能力,为企业提供了一个可定制、高效且成本效益显著的智能助手框架。 ## 🚀 开源AI Copilot的核心价值与定位 ### 为什么选择开源AI Copilot 传统客服系统通常只

gitblog_00760的博客 451

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

MuleSoft企业级LLM编排:协议适配、治理审计与弹性降级

大语言模型(LLM)作为新兴智能引擎,其核心价值在于语义理解与生成能力,但要真正融入企业IT系统,必须跨越协议异构、安全治理与服务弹性三重鸿沟。传统API直连方式缺乏统一连接器、不可审计的调用链路及分级容错机制,难以满足SOX、GDPR等合规要求。MuleSoft凭借200+开箱即用连接器、DataWeave数据编排能力与Runtime Fabric全链路追踪,成为构建可监控、可回滚、可审计的AI编排层的关键基础设施。它不替代LLM,而是调度LLM——实现Prompt动态组装、模型智能路由、响应结构校验与多

weixin_34226706的博客 386

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

一文介绍Linux EAS

EAS只在系统负载不重时,即系统中每个CPU的利用率都低于其算力的80%时才被启用,而且选出的最节能CPU只有比线程当前运行的CPU节约能量大于6%时,线程才会迁移到该CPU运行。因此EAS为线程选择最节约能量的CPU来运行的前提条件是很苛刻的,针对重载场景(比如游戏),EAS的功能应该很少被使用起来,针对重载场景的功耗优化,这里可能是一个值得尝试的点。算力(capacity)是CPU调度中的一个基础概念,它反映的是一个CPU的计算能力,是个规格化的值,可以通过读取Android手机的文件节点。

youzhangjing_的博客 1240
上一篇: 企业人工智能发展遇挑战:智能体框架需独立层解决治理问题
下一篇: 日本 AI 公司新模型号称对标 Fable 5,实则是模型‘搬运工’,AI 竞争或转向应用能力!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值