用本地 Ollama 模型把 Outlook 邮件整理进文件夹

用本地 Ollama 模型把 Outlook 邮件整理进文件夹

一个 n8n 工作流，用一个跑在你自己电脑上的 AI 模型来整理 Outlook 邮件。每封还没有分类的邮件，由本地的 Ollama 模型选出一个分类，再由 Outlook 记下来。垃圾邮件、收据、SaaS 邮件和社区邮件随后会移到你选好的文件夹里。

包里有什么

• workflow.json：n8n 导出的工作流，二十六个干活的节点和九张便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• 原来的文件按 id 指向作者自己邮箱里的文件夹。现在每个 Move 节点都显示一个空的文件夹选择器，Get emails without a category 里的收件箱筛选写的是 <YOUR_INBOX_FOLDER_ID>。
• Outlook 节点和辅助节点原来叫 Microsoft Outlook12、varJSON1 这样的名字。现在它们的名字说明了作用，例如 Set category junk 和 Parse agent reply，凡是引用过它们的表达式也都改过了。
• 带着作者署名的便签和带视频的便签去掉或重写了，其他便签也改了措辞。
• 模型、提示词和分流和原来的一样。

开始之前

• 一个在你自己电脑或服务器上的 n8n 实例。
• 一台已拉取 qwen2.5:14b 模型的 Ollama 服务器，约 9 GB。
• 一个 Microsoft Outlook 邮箱和它的 OAuth2 凭据。
• 垃圾邮件、收据、SaaS、社区和已处理邮件各一个 Outlook 文件夹。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 在运行 Ollama 的机器上执行 ollama pull qwen2.5:14b。
3. 添加一个 Ollama 凭据，填你服务器的地址，默认是 http://localhost:11434，并在 Ollama Chat Model 里选上它。
4. 添加一个 Microsoft Outlook OAuth2 凭据，并在每个 Outlook 节点里选上它：Get emails without a category、各个 Set category 节点和各个 Move 节点。
5. 在 Get emails without a category 里打开 Filters，把 Folders to Include 里的 <YOUR_INBOX_FOLDER_ID> 换成你自己的收件箱。
6. 在每个名字以 Move 开头的节点里，从列表中选好它的文件夹。
7. 点 Test workflow。每点一次，处理一封邮件。

一次运行是怎么走的

1. Get emails without a category 向 Outlook 要一封收件箱里没有标记、也没有分类的邮件。
2. Convert body to text 和 Pick email fields 把它缩成主题、重要性、发件人和一段清理过的正文。
3. Add id and category list 加上邮件 id 和允许的分类。
4. Email category agent 请 Ollama 模型给出一个分类、一个可选的子分类和一句简短的理由。
5. Parse agent reply 把回答变成一个对象。不是有效 JSON 的回答会交给 Catch parse errors。
6. Route by category 选出分支。每个 Set category 节点在 Outlook 里写下分类和子分类。
7. 垃圾邮件、收据、SaaS 和社区邮件接着走到各自的 Move 节点。action 和 business 邮件先经过 Is email read，已读的会移到 Actioned 文件夹。
8. Merge outcomes 把各条分支合在一起，循环重新开始。

想要不同的效果，改这里

• 每次点击处理几封邮件：Get emails without a category 里的 Limit。
• 分类：Add id and category list 里的列表、Email category agent 里的 System Message 和 Route by category 里的规则。
• 它替谁工作：Email category agent 里的 System Message。
• 文件夹：各个 Move 节点。
• 模型：Ollama Chat Model 里的 Model。

需要知道的

• Ollama 库里 qwen2.5 的页面（2026 年 11 月 12 日读取）把 14b 模型列为 9.0 GB，上下文窗口 32K，并带有 tools 标签。
• Ollama 的文档写明，显存在 24 GiB 以下时默认上下文是 4,096 个 token，所以较长的邮件可能会被截断，除非你在 Ollama Chat Model 里调高 Context Length。
• Limit 是 1，所以每点一次处理一封邮件。
• 回答一直解析不了的邮件会一直没有分类，下一次点击可能会再次选中它。
• 系统消息是为一位自由职业开发者写的，请按你自己的工作改写。
• 邮件文字会发给你自己的 Ollama 服务器，邮件本身仍留在微软的服务里。