KeyFrame內部研究專用

Gmail AI 完整攻略!Gemini 幫你讀信、回信、整理行程與一鍵比價

3cTim哥生活日常·7月31日週五·11 min中文

三句話摘要

Google Gmail 側邊 AI 助理的完整使用指南,涵蓋郵件摘要、回信撰寫、跨信件搜尋、翻譯與優先級分類等功能。 Gmail 側邊 AI 不是增加工作,而是把重複瑣碎的郵件整理工作自動化,讓使用者把時間用在更有價值的事情上。 Gmail 側邊 AI 與「問問 Gmail」功能定位不同——側邊 AI 專注於分析當前信件內容並提供相關建議,「問問 Gmail」則是獨立網頁助理可進行跨網頁查詢和對話。

重點整理

重點
  • 1

    Gmail 側邊 AI 與「問問 Gmail」功能定位不同——側邊 AI 專注於分析當前信件內容並提供相關建議,「問問 Gmail」則是獨立網頁助理可進行跨網頁查詢和對話。

  • 2

    AI 能快速摘要冗長信件並提示可採取的行動,特別適合收到大量商務郵件、新聞稿、活動邀請等需要立即判斷優先級的場景。

  • 3

    內建商務英文寫作能力,不只翻譯還能根據商務邏輯撰寫禮貌的回信,無需英文基礎也能產出專業郵件。

  • 4

    跨信件搜尋與資料整合是核心優勢,可批量找出過去特定時間內與某廠商或主題相關的所有郵件,並自動整理成表格或清單,取代手動翻箱倒櫃的時間成本。

實用技巧與重點

乾貨
  • 三個關鍵功能位置:側邊「請問 Gmail」(專注當前信件)、右上角「問問 Gmail」(獨立網頁助理)、促銷頁籤
  • 摘要功能:可指定「摘要這封信的三個重點並告訴我要採取什麼行動」
  • 撰寫回信:貼上原信,指定語氣(如禮貌拒絕合作邀請),AI 自動產稿
  • 跨信件搜尋指令例:「過去五個月關於 Sony 發表會的所有信件」、「去年所有與某廠商的報價紀錄做對比」
  • 促銷資訊整合:「收件匣最近一週內所有特價資訊」→ 自動做成表格
  • 旅行行程自動化:從訂單確認信自動提取航班時間、飯店地址、確認編號、提醒未完成的訂項
  • 信件分析:「分析過去一週信件,分類出重要商務、垃圾廣告、電子報,告訴我哪幾封今天要處理」

結論

結論

Gmail 側邊 AI 不是增加工作,而是把重複瑣碎的郵件整理工作自動化,讓使用者把時間用在更有價值的事情上。

完整解析

詳細

Gmail 的側邊 AI 助理代表了郵件管理的典範轉移。傳統上,使用者每天被大量郵件淹沒,耗時逐一閱讀與分類,特別是冗長的商務信件、英文郵件或活動邀請,這些都消耗寶貴的時間。Google 終於將最強的 AI 能力整合至 Gmail 介面,使用者無須切換標籤就能直接調用。

首先,側邊 AI 的定位很清楚——它是聯繫當前郵件內容與 AI 能力的橋樑。使用者打開任何一封信,只需在右側提出需求,AI 就能快速摘要核心內容、提示可採取的行動、甚至建議下一步。例如,收到香港貿發局的活動邀請信,側邊 AI 能立刻提取活動時間、報名截止日期(如 7 月 3 日前)與申請表連結,省卻手動搜尋的時間。

在撰寫回信方面,AI 的能力超越簡單翻譯——它內建商務邏輯。當需要禮貌地拒絕合作邀請或調整報價回應時,只要提供需求和原信內容,AI 就會產出用詞恰當、邏輯清晰的回信草稿,使用者可直接複製使用。這對英文不流暢的使用者尤其有幫助。

跨信件搜尋與資料整合是這項功能最強的地方。過去若要回顧過去半年與某廠商的所有往來、對比不同廠商的報價、或整理購物優惠,必須逐一翻找舊信件。現在,只需在側邊 AI 輸入「過去五個月 Sony 發表會的相關信件」,AI 就能從龐大信箱中找出所有相關郵件,提取關鍵資訊並整理呈現。同理,促銷資訊也能快速聚合——特別在雙 11 或 618 購物季,信箱被優惠信轟炸時,一句「最近一週特價資訊」就能自動做成比價表格。

另一項實用功能是旅行行程自動化。郵箱實際上保存著旅行的所有憑證——機票確認信、飯店預訂信、租車單據。側邊 AI 能讀取這些信件,自動萃取航班時間、飯店地址、確認編號,並提醒哪些行程還未安排(如餐廳預訂或景點門票)。這讓郵箱變成一個自動的旅行大腦。

最後,信件健康檢查功能適合信箱超過萬封的重度使用者。一個簡單指令就能分類本週郵件的類型——商務重要信、垃圾廣告、電商促銷、電子報新聞稿——並標記今日必處理的項目,有效恢復郵箱秩序。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。