Principais conclusões
- Três configurações cobrem 95% dos casos de uso de automação local de e-mail. IMAP + Python + Ollama (50 linhas, totalmente scriptável), Thunderbird + Ollama Compose (GUI, sem código), n8n auto-hospedado + nó Ollama (fluxo de trabalho visual, lógica condicional). Escolha a opção mais simples que se encaixe no seu fluxo de trabalho.
- Modelos menores são melhores para e-mail do que para trabalho criativo. A redação de e-mail exige coerência, não criatividade. Qwen3 14B e Phi-4 Mini geram rascunhos de resposta de qualidade empresarial em 2–5 segundos em um sistema de 16 GB. Llama 3.3 70B é exagero para a maioria das tarefas de e-mail.
- A revisão antes de enviar não é opcional. Os modelos locais cometem erros de tom (formal demais, informal demais), erros factuais (horário de reunião errado, nome de destinatário errado) e ocasionalmente inventam conteúdo de contexto não relacionado. Sempre leia o rascunho antes de enviar.
- Nenhum conteúdo de e-mail sai da sua máquina em nenhuma dessas configurações. As conexões IMAP vão para o seu servidor de e-mail, não para uma IA na nuvem. A API do Ollama é local. O n8n auto-hospedado roda na sua máquina. A vantagem de privacidade é genuína.
- A automação de calendário funciona melhor com ICS exportado ou uma chamada local à API do Google Calendar. Exporte os eventos da semana para um arquivo ICS, passe-o para o Ollama e peça que ele gere uma pauta de reunião, uma lista de preparação ou um e-mail de resumo semanal para a sua equipe.
- As credenciais IMAP são sensíveis. Armazene-as em variáveis de ambiente ou em um gerenciador de segredos local, nunca no código-fonte do script. Use senhas de aplicativo específicas em vez da senha principal da sua conta.
- n8n auto-hospedado é a escolha certa para lógica condicional. Se você quer "resumir todos os e-mails de [domínio] diariamente" ou "gerar um e-mail de acompanhamento quando um evento do calendário termina", o construtor de fluxo de trabalho visual do n8n lida com isso sem Python personalizado.
Fatos rápidos
- Configurações cobertas: IMAP + Python + Ollama, Thunderbird + Ollama Compose, n8n auto-hospedado + nó Ollama.
- Melhor modelo para e-mail: Qwen3 14B (rápido, baixo uso de VRAM, qualidade empresarial adequada) ou Phi-4 Mini (o mais rápido, 4 GB VRAM).
- VRAM necessária: Qwen3 14B em Q4 = ~9 GB; Phi-4 Mini em Q4 = ~3 GB; Llama 3.3 70B em Q4 = ~42 GB.
- Formatos de e-mail suportados: texto plano IMAP (MIME decodificado), arquivos EML, API do Gmail (credenciais locais), Outlook via IMAP.
- Formatos de calendário: exportação ICS (universal), API do Google Calendar (OAuth local), Nextcloud Calendar (CalDAV).
- Complexidade do script: IMAP + Python = ~50 linhas; fluxo de trabalho n8n = visual, sem código; Thunderbird = apenas instalação do plugin.
- Privacidade: nenhum dado de e-mail é enviado a qualquer API na nuvem em nenhuma configuração; o IMAP conecta apenas ao seu servidor de e-mail.
Por que usar um LLM local para automação de e-mail?
A razão central é a privacidade: cada e-mail que você cola em um assistente de IA na nuvem é potencialmente registrado, usado para treinamento e sujeito à política de retenção de dados daquele provedor. A correspondência de negócios, as comunicações com clientes e o e-mail pessoal contêm informações que você não quer em um conjunto de dados de treinamento de terceiros. Um LLM local processa seus e-mails no seu hardware, retorna um rascunho e não retém nada.
📍 Em uma frase
A automação de e-mail com LLM local mantém todo o conteúdo do e-mail na sua máquina — nenhuma API na nuvem recebe suas mensagens, nenhum terceiro registra ou treina com a sua correspondência, e a geração de rascunhos funciona sem conexão com a internet.
💬 Em termos simples
Quando você cola um e-mail no ChatGPT ou no Claude.ai para pedir um rascunho de resposta, esse e-mail é processado nos servidores da OpenAI ou da Anthropic. Para a maioria das pessoas, na maior parte do tempo, isso é aceitável. Para correspondência de negócios, detalhes de clientes, discussões de contrato ou qualquer comunicação que inclua informação sensível, não é. Um LLM local configurado por meio do Ollama processa o mesmo e-mail no seu computador e nunca o envia a lugar nenhum.
- Soberania de dados: o conteúdo do e-mail, a informação do remetente e o contexto do thread permanecem na sua máquina. Nenhuma política de retenção na nuvem se aplica.
- Operação offline: uma vez que o Ollama esteja rodando e o modelo baixado, a redação de e-mail funciona sem acesso à internet.
- Sem limites de uso: as APIs de IA na nuvem impõem limites de taxa e tetos de tokens. Uma configuração local não tem custo por requisição nem limite diário.
- Conformidade regulatória: o GDPR, a HIPAA e os requisitos de privilégio profissional podem proibir o envio de comunicações de clientes a uma IA de terceiros. O processamento local elimina essa preocupação.
- Velocidade para tarefas curtas: um modelo pequeno (Qwen3 14B, Phi-4 Mini) gera um rascunho de e-mail de negócios em 2–5 segundos em hardware de consumidor — mais rápido que a maioria das idas e voltas à nuvem para prompts curtos.
💡Tip: A automação local de e-mail não é um substituto para um cliente de e-mail — é um assistente de redação que se encaixa no seu fluxo de trabalho existente. Você ainda usa Thunderbird, Apple Mail ou Gmail para enviar; o LLM local gera texto que você revisa, edita e envia a partir do seu cliente existente.
Comparação de abordagens
As três configurações diferem em cinco eixos que importam para a maioria dos usuários: dificuldade de configuração, confiabilidade em 30 dias, postura de privacidade e o perfil de usuário que cada uma atende. Escolha a opção mais simples que cobre o seu fluxo de trabalho em vez da mais poderosa.
| Abordagem | Configuração | Confiabilidade (30 dias) | Privacidade | Melhor para |
|---|---|---|---|---|
| Thunderbird + Ollama Compose | Fácil | Alta (sem processo em segundo plano) | Apenas local | Profissionais individuais, triagem diária, usuários de GUI |
| Python + IMAP + cron | Difícil (50 LOC + agendamento) | Muito alta (scriptável, observável) | Apenas local | Desenvolvedores que querem controle total + lógica personalizada |
| n8n auto-hospedado + Ollama | Média (editor de fluxo de trabalho visual) | Alta (com monitoramento do servidor próprio) | Local com auto-hospedagem | Usuários com muitos fluxos de trabalho substituindo o Zapier; lógica condicional |
Configuração 1: IMAP + Python + Ollama
A configuração mais scriptável: um script Python busca e-mails não lidos via IMAP, remove cabeçalhos e HTML, passa o corpo em texto plano para a API local do Ollama e salva o rascunho de resposta. Roda em um agendamento com cron ou o Agendador de Tarefas. Cinquenta linhas de Python, sem dependências externas além do cliente Python do Ollama.
Busca de e-mail IMAP + rascunho Ollama (esqueleto Python)
“import imaplib, email, os import ollama # Conectar ao IMAP mail = imaplib.IMAP4_SSL(os.environ["IMAP_HOST"]) mail.login(os.environ["IMAP_USER"], os.environ["IMAP_PASS"]) mail.select("INBOX") # Buscar e-mails não lidos _, msgnums = mail.search(None, "UNSEEN") for num in msgnums[0].split(): _, data = mail.fetch(num, "(RFC822)") msg = email.message_from_bytes(data[0][1]) body = msg.get_payload(decode=True).decode("utf-8", errors="ignore") subject = msg["Subject"] sender = msg["From"] # Gerar rascunho com Ollama response = ollama.chat(model="qwen3:14b", messages=[ {"role": "system", "content": "Você é um assistente de e-mail profissional. Escreva respostas de negócios concisas e educadas. Adeque o nível de formalidade ao e-mail recebido."}, {"role": "user", "content": f"E-mail de: {sender}\nAssunto: {subject}\n\nCorpo:\n{body[:2000]}\n\nEscreva um rascunho de resposta."} ]) draft = response["message"]["content"] print(f"RASCUNHO para: {subject}\n{draft}\n---")”
- Credenciais IMAP: armazene em variáveis de ambiente (
IMAP_HOST,IMAP_USER,IMAP_PASS) — nunca no código-fonte. Use uma senha específica de aplicativo em vez da senha principal da sua conta. - Truncamento do corpo: limite o corpo do e-mail a 2.000–3.000 caracteres antes de passar para o Ollama. Threads de e-mail longos raramente adicionam contexto útil para um rascunho de resposta e deixam a geração mais lenta.
- Remoção de HTML: se o corpo do e-mail for HTML, use
html.parserouBeautifulSouppara extrair texto plano antes de passar ao modelo. As tags HTML degradam a qualidade da geração. - Agendamento: no macOS/Linux, adicione uma entrada cron (
crontab -e) para rodar o script a cada 30 minutos. No Windows, use o Agendador de Tarefas com o caminho do interpretador Python. - Armazenamento de rascunhos: escreva os rascunhos em um arquivo de texto local por e-mail (nomeado por carimbo de data/hora + slug do assunto) ou empurre para uma pasta IMAP "Rascunhos" usando
mail.append(). Ler arquivos de texto é mais seguro para revisão; os rascunhos IMAP permitem enviar de qualquer cliente.
⚠️Warning: Não habilite o envio automático. Nenhum LLM local produz rascunhos de e-mail confiáveis o suficiente para enviar sem revisão humana. Erros de tom, datas erradas, fatos inventados e erros de responder ao thread errado ocorrem com regularidade. A automação economiza o seu tempo de redação; o passo de revisão é obrigatório.
Configuração 2: Thunderbird + Plugin Ollama Compose
Thunderbird com a extensão Ollama Compose é a opção sem código. Instale o Thunderbird, instale o Ollama, baixe um modelo, instale a extensão — a geração de e-mail está a um clique direito de distância na janela de composição.
- Instale o Thunderbird em thunderbird.net. Disponível para macOS, Windows e Linux.
- Instale o Ollama e baixe um modelo:
ollama pull qwen3:14b(recomendado para trabalho de e-mail). Inicieollama serve. - Instale a extensão Ollama Compose pelo Gerenciador de Complementos do Thunderbird. Busque "Ollama" ou instale a partir do arquivo XPI da extensão do repositório do projeto.
- Configure a extensão para apontar para
http://localhost:11434e selecione o seu modelo (Qwen3 14B ou Phi-4 Mini recomendados). - Na janela de composição: clique com o botão direito na área do corpo e selecione "Generate with Ollama" — a extensão envia o e-mail original citado e a posição do cursor para o Ollama e insere o rascunho de resposta.
- Troca de modelo: a extensão permite trocar de modelo a partir da barra de ferramentas de composição. Use Phi-4 Mini para respostas rápidas; mude para Qwen3 14B ou Llama 3.3 70B para correspondência complexa ou sensível.
💡Tip: Defina um system prompt personalizado nas configurações do Ollama Compose. O prompt padrão é genérico; um personalizado produz melhores resultados. Exemplo: "Você escreve respostas de e-mail profissionais para [Seu nome], um [Seu cargo] na [Empresa]. As respostas são concisas (menos de 150 palavras, a menos que o contexto exija mais), profissionalmente calorosas e combinam com a formalidade do e-mail recebido. Nunca adicione avisos legais ou linhas de assinatura."
Configuração 3: n8n auto-hospedado + nó Ollama
n8n auto-hospedado com um nó Ollama local é a escolha certa para automação condicional: filtre e-mails por domínio do remetente, resuma diariamente, gere acompanhamentos quando os eventos do calendário terminam, ou encaminhe diferentes tipos de e-mail para diferentes prompts de modelo — tudo sem escrever código.
- Instale o n8n auto-hospedado:
npm install -g n8n && n8n startoudocker run -it --rm --name n8n -p 5678:5678 n8nio/n8n. O editor de fluxos de trabalho roda emhttp://localhost:5678. - Adicione o nó Ollama: no editor de fluxos de trabalho do n8n, busque o nó "Ollama" (integrado a partir do n8n v1.2+). Aponte-o para
http://localhost:11434e selecione o seu modelo. - Gatilho IMAP: adicione um nó de E-mail IMAP como gatilho do fluxo de trabalho — configure com as suas credenciais IMAP. O nó faz polling de novos e-mails e passa cada um como objeto JSON para o próximo passo.
- Lógica de filtragem: adicione um nó IF para encaminhar e-mails por domínio do remetente, palavras-chave do assunto ou hora do dia. Encaminhe para diferentes prompts do Ollama conforme o tipo de e-mail (e-mails de clientes, resumos de newsletters, mensagens internas da equipe).
- Integração com calendário: adicione um nó do Google Calendar (usando credenciais OAuth locais) ou um leitor de arquivos ICS para obter os próximos eventos. Passe os detalhes do evento para o nó Ollama para gerar uma pauta de reunião ou uma lista de preparação.
- Opções de saída: escreva os rascunhos em um arquivo local, empurre para os Rascunhos IMAP, envie por uma mensagem do Slack para você mesmo, ou salve em uma página do Notion/Obsidian — tudo pelos nós de saída do n8n.
💡Tip: O n8n auto-hospedado é o melhor ponto de integração para fluxos de trabalho de calendário + e-mail. O padrão típico: o gatilho IMAP recebe um e-mail de confirmação de reunião → extrai os detalhes da reunião → chama a API do Google Calendar (OAuth local) para buscar os participantes → passa todo o contexto para o Ollama → gera uma pauta de reunião → salva em uma pasta designada. Isso leva cerca de 20 minutos para montar no editor visual do n8n.
Modelos de prompt de triagem e revisão semanal
Dois prompts que lidam com as tarefas de e-mail mais frequentes: classificação de triagem por e-mail e uma revisão semanal da caixa de entrada. Incorpore-os em qualquer uma das três configurações (script Python, system prompt do Thunderbird ou corpo do nó Ollama do n8n) — eles são deliberadamente agnósticos ao modelo.
Modelo de prompt de triagem
“Você é um assistente de triagem de e-mail. Dado o seguinte e-mail, classifique-o em uma destas categorias e explique em uma frase: - URGENTE: requer resposta em 4 horas - IMPORTANTE: requer resposta em 24 horas - INFO: ler para ficar a par, sem necessidade de resposta - PROMOCIONAL: marketing ou newsletter, pode ser arquivado - SPAM: indesejado, recomendar filtragem E-mail: De: {sender} Assunto: {subject} Corpo: {body[:1500]} Formato de saída: Categoria: [URGENTE|IMPORTANTE|INFO|PROMOCIONAL|SPAM] Raciocínio: [uma frase] Ação sugerida: [responder | arquivar | sinalizar | excluir]”
Modelo de prompt de revisão semanal
“Resuma os seguintes 50 e-mails da semana passada em 3 seções: 1. Itens URGENTES ou IMPORTANTES que ainda precisam de ação (com remetente + resumo de 1 linha) 2. Temas (p. ex., "O planejamento do Q4 apareceu em 12 e-mails esta semana") 3. Pessoas a quem devo respostas (remetente + dias pendentes) E-mails (assunto + primeiros 200 caracteres de cada corpo): [cole a lista de e-mails em lotes] Formato de saída: 3 seções em markdown.”
💡Tip: Para o prompt de triagem, combine-o com o nó IF do n8n para encaminhar por categoria: URGENTE → notificação push, IMPORTANTE → salvar na pasta "precisa-responder", PROMOCIONAL → arquivar automaticamente, SPAM → sinalizar para regra de filtro. A classificação é o que torna a automação posterior segura — sem ela, o pipeline não consegue distinguir um acompanhamento de cliente de um e-mail de marketing.
Automação de calendário com LLMs locais
A automação de calendário com um LLM local funciona em dois modos: passivo (exportar ICS, passar para o Ollama para resumo ou geração de pauta) e ativo (API do Google Calendar com credenciais OAuth locais para acesso em tempo real aos eventos). O modo passivo é mais simples; o modo ativo habilita fluxos de trabalho agendados.
📍 Em uma frase
A automação de calendário com LLM local gera pautas de reunião, resumos da semana e rascunhos de e-mail de acompanhamento ao passar o conteúdo do arquivo ICS exportado ou os dados da API do Google Calendar para o Ollama — nenhum dado de calendário toca uma IA na nuvem.
💬 Em termos simples
A automação de calendário mais simples: exporte os eventos da sua semana como um arquivo ICS de qualquer app de calendário (Google Calendar, Apple Calendar, Nextcloud), abra um terminal, passe o conteúdo do ICS para o Ollama com um prompt "gere uma pauta de reunião para cada evento" e copie a saída para as suas notas. Leva 30 segundos e mantém os dados do seu calendário locais.
Modelo de prompt ICS-para-Pauta
“Aqui está meu calendário da semana em formato ICS: [cole o conteúdo ICS] Para cada evento de reunião: 1. Gere uma pauta de reunião de 5 pontos baseada no título e na descrição do evento. 2. Se houver participantes listados, indique quem deve liderar cada item da pauta. 3. Se o evento não tiver descrição, gere uma pauta genérica apropriada para uma reunião do tipo [tipo de reunião]. Formate como texto plano. Uma seção por evento, separada por ---.”
- Exportação ICS (passivo): Google Calendar, Apple Calendar, Nextcloud e Outlook todos exportam arquivos ICS. Exporte semanal ou diariamente, passe para o Ollama via terminal ou um script, gere pautas ou resumos.
- API do Google Calendar (ativo): crie uma credencial OAuth local no Google Cloud Console (projeto pessoal), baixe o JSON de credenciais e use a biblioteca Python
google-auth-oauthlibpara buscar eventos. O token OAuth é armazenado localmente e as chamadas à API vão direto ao Google Calendar — sem intermediário de IA. - Prompt de geração de pauta de reunião: título + participantes + descrição → "Gere uma pauta de reunião de 5 itens com alocações de tempo. Se a descrição da reunião estiver vazia, sugira uma pauta genérica para uma reunião do tipo [tipo de reunião]."
- Prompt de resumo da semana: todos os eventos da semana → "Resuma as reuniões da semana em 3 frases. Destaque quaisquer blocos consecutivos ou reuniões excepcionalmente longas."
- Rascunho de e-mail de acompanhamento: após uma reunião (acionado pelo horário de fim do evento) → "Escreva um e-mail de acompanhamento para a reunião '[título]' que agradeça aos participantes e resuma os próximos passos. Use esta descrição do evento como contexto: [descrição]."
💡Tip: Mantenha os dados do seu calendário em texto plano sempre que possível. O ICS é texto plano; é fácil passá-lo diretamente para o Ollama. Se você usa um formato de calendário proprietário ou um sistema empresarial fechado, exporte para ICS primeiro. O padrão ICS é universal e suportado por todos os principais aplicativos de calendário.
Recomendações de modelos para tarefas de e-mail e calendário
As tarefas de automação de e-mail e calendário favorecem modelos pequenos e rápidos em vez de grandes e capazes. Redigir uma resposta de e-mail de negócios, gerar uma pauta de reunião ou resumir uma caixa de entrada não exige o Llama 3.3 70B — exige um modelo rápido o suficiente para parecer interativo e coerente o suficiente para produzir texto empresarial utilizável. Para o panorama mais amplo de modelos em todos os casos de uso, veja Melhores LLMs locais em 2026.
| Tarefa | Modelo recomendado | VRAM (Q4) | Por quê |
|---|---|---|---|
| Redação de rascunhos de resposta de e-mail | Qwen3 14B | ~9 GB | Melhor equilíbrio entre qualidade de escrita empresarial e velocidade de geração; lida com registros formal e informal |
| Respostas rápidas de uma linha | Phi-4 Mini | ~3 GB | Opção mais rápida; adequada para confirmações simples e respostas de agendamento |
| Geração de pauta de reunião | Qwen3 14B | ~9 GB | Bom em geração de listas estruturadas; o formato de pauta está dentro de suas capacidades |
| Resumo de threads de e-mail longos | Llama 3.3 70B ou Qwen3 32B | ~42 GB / ~20 GB | A aderência ao contexto longo importa para threads de múltiplas mensagens; modelos menores perdem detalhes |
| Correspondência sensível / jurídica | Llama 3.3 70B | ~42 GB | Melhor qualidade de raciocínio; vale o custo de hardware quando os erros são de alto risco |
💡Tip: Para a maioria das tarefas de e-mail em um sistema de 16 GB, o Qwen3 14B é o padrão certo. Baixe-o uma vez com ollama pull qwen3:14b e use-o para toda a automação de e-mail e calendário. Só mude para um modelo maior quando encontrar um tipo de tarefa em que a qualidade de saída do 14B seja consistentemente inadequada.
Privacidade e segurança
A vantagem de privacidade da automação local de e-mail é real, mas exige configuração correta. Três coisas podem comprometê-la: a sincronização acidental na nuvem das credenciais IMAP, o conteúdo do e-mail em logs acessíveis a ferramentas de terceiros, e instâncias de n8n mal configuradas que expõem o fluxo de trabalho à rede. Para o padrão mais amplo de "substituir SaaS por IA local" em outras ferramentas, veja Substitua Grammarly e Notion AI por modelos locais.
- Credenciais IMAP: armazene em variáveis de ambiente ou em um gerenciador de segredos local (macOS Keychain, Linux
secret-tool, Gerenciador de Credenciais do Windows). Nunca as armazene no código-fonte do script nem em um arquivo que possa ser sincronizado a um repositório na nuvem. - Conteúdo do e-mail em logs: scripts Python que imprimem o conteúdo do e-mail em stdout/stderr escreverão dados de e-mail em arquivos de log se rodados via cron com logging habilitado. Redirecione os logs para
/dev/nullou use um nível de log que exclua o conteúdo do e-mail. - Exposição de rede do n8n: o n8n auto-hospedado vincula-se a
localhost:5678por padrão, o que é apenas local. Se você o expõe à sua rede doméstica ou além (p. ex., para acesso móvel), adicione autenticação e garanta que a API do Ollama também esteja restrita a localhost. - Senhas de aplicativo: configure uma senha específica de aplicativo dedicada para o acesso IMAP no Gmail, Outlook e Apple Mail em vez de usar a senha principal da sua conta. Revogue-a imediatamente se o script for comprometido.
- Repositórios Git: se você versiona seus scripts de automação, adicione um
.gitignoreque exclua qualquer arquivo.envcontendo credenciais. Nunca faça commit de credenciais a um repositório público ou privado.
⚠️Warning: Risco de sincronização na nuvem. Se o seu diretório pessoal está sincronizado com iCloud, Google Drive ou OneDrive, qualquer arquivo .env ou arquivo de credenciais em um diretório sincronizado será enviado para a nuvem. Armazene as credenciais em um diretório explicitamente excluído da sincronização na nuvem, ou use o gerenciador de segredos nativo do seu sistema operacional.
Erros comuns
- Enviar rascunhos automaticamente sem revisão. Nenhum modelo local produz saída confiável o suficiente para enviar sem revisão humana. Erros de tom, datas erradas e fatos inventados são comuns. Sempre leia antes de enviar.
- Passar threads de e-mail inteiros ao modelo. Threads longos contêm contexto redundante que desperdiça tokens e deixa a geração mais lenta. Remova os blocos de resposta citados e passe apenas as últimas 2–3 mensagens.
- Usar o Llama 3.3 70B para todas as tarefas de e-mail. Para a maioria da redação de e-mail, o Qwen3 14B é mais rápido e usa menos VRAM. Reserve o 70B para correspondência genuinamente complexa ou de alto risco.
- Armazenar credenciais IMAP no script. Credenciais no código-fonte estão a um
git pushde se tornarem públicas. Use variáveis de ambiente. - Não definir um teto de palavras nos prompts de rascunho. Sem um teto de palavras, os modelos enchem as respostas de negócios com contexto desnecessário, ressalvas e amenidades. Adicione "Responda em menos de 150 palavras" a cada prompt de e-mail.
Fontes
- Ficha do modelo Qwen3 14B — Alibaba Cloud / Equipe Qwen
- Relatório técnico Phi-4 Mini — Microsoft Research
- Documentação da API do Ollama — Ollama
- Documentação do n8n auto-hospedado — n8n.io
- GDPR Artigo 28 — obrigações de processamento de dados do operador — EUR-Lex
FAQ
Isso funciona com o Gmail?
Sim. O Gmail suporta acesso IMAP com uma senha específica de aplicativo. Habilite o IMAP nas configurações do Gmail, gere uma senha de aplicativo nas configurações de segurança da sua Conta do Google e use essas credenciais no script IMAP. O Gmail também expõe a API do Gmail para acesso mais estruturado — útil para fluxos de trabalho do n8n que precisam de gerenciamento de marcadores, operações de thread ou manuseio de anexos.
Qual é melhor para automação de e-mail: IMAP + Python ou n8n?
IMAP + Python é melhor se você se sente confortável escrevendo e mantendo um script e quer controle total. n8n é melhor se você quer lógica condicional (encaminhar e-mails por remetente, hora ou conteúdo), integração com calendário ou múltiplos destinos de saída sem escrever código. Ambos usam o Ollama como backend de modelo local; a diferença é a camada de orquestração ao redor dele.
Um LLM local consegue resumir uma caixa de entrada de e-mail inteira?
Sim, com ressalvas. Um resumo semanal da caixa de entrada (50–100 e-mails) funciona bem: busque os assuntos e os primeiros 200 caracteres de cada corpo, concatene, passe para o Qwen3 14B com um prompt "resumir por tema e urgência". Para uma caixa de entrada completa com milhares de e-mails, faça o resumo em lotes (50 e-mails por chamada à API) e agregue os resumos dos lotes. Passar 1.000 e-mails em uma chamada excede os limites de contexto e produz saída não confiável.
Qual é o melhor LLM local para redigir e-mails de negócios formais?
O Qwen3 14B produz a melhor relação qualidade-velocidade para correspondência de negócios formal em hardware de consumidor. Ele lida com registro formal, ressalvas apropriadas e fechamentos profissionais de forma confiável. Para correspondência de altíssimo risco (avisos legais, comunicações executivas, negociações de contrato), use o Llama 3.3 70B — a diferença de qualidade é visível para temas complexos ou sensíveis.
Isso funciona no Windows?
Sim. O Ollama roda no Windows (baixe em ollama.com). O script Python com IMAP roda em qualquer instalação de Python 3.8+ no Windows. O Thunderbird e a extensão Ollama Compose são multiplataforma. O n8n auto-hospedado roda no Windows via npm ou Docker Desktop.
Como lido com threads de e-mail com várias respostas anteriores?
Remova o conteúdo citado antes de passar ao modelo. Use a biblioteca email do Python para extrair apenas a resposta mais recente (a porção acima do primeiro prefixo > ou do divisor --- Original Message ---). Passe apenas as últimas 2–3 mensagens com um limite total de 3.000 caracteres. O modelo raramente precisa do histórico completo do thread para gerar uma resposta apropriada.
Isso é compatível com o GDPR para uso empresarial?
O processamento local é mais defensável sob o GDPR do que o processamento de IA na nuvem para dados pessoais. Quando os dados ficam na sua máquina, você não cria uma nova relação de operador de dados (Artigo 28). No entanto, a conformidade com o GDPR depende da sua função específica, da natureza dos dados e das políticas de proteção de dados existentes da sua organização. Consulte o seu encarregado de proteção de dados antes de usar esta configuração para processar dados pessoais de clientes ou funcionários.
Posso usar isso para responder em nome de outra pessoa?
Tecnicamente sim — o script pode ser configurado para acessar qualquer conta IMAP para a qual você tenha credenciais. Legal e eticamente, gerar respostas de e-mail em nome de outra pessoa sem o conhecimento dela levanta questões significativas de consentimento e personificação. Use esta automação apenas para contas e correspondência pelas quais você é pessoalmente responsável.
Posso acionar a IA em e-mails recebidos?
Sim, por três padrões. (1) Python + IMAP + cron: agende o script para rodar a cada 30 min, buscar os novos e-mails não lidos, gerar rascunhos. (2) Nó gatilho IMAP do n8n: faz polling a cada 1–5 min, aciona o fluxo de trabalho em cada novo e-mail imediatamente. (3) Regras de filtro do Thunderbird: use uma ação de filtro "Executar um script" que chame o Ollama via curl. A abordagem do n8n é a mais confiável para triagem em tempo real; o cron é mais simples se uma latência de 30 min for aceitável.
Posso sincronizar a IA de e-mail entre dispositivos?
Os rascunhos podem sincronizar pela sua pasta IMAP Rascunhos existente — escreva o rascunho gerado pela IA na pasta IMAP "Rascunhos" usando mail.append(), e qualquer dispositivo com acesso IMAP (telefone, tablet, segundo notebook) o vê instantaneamente. O backend do Ollama em si não sincroniza — ele roda na máquina em que você o configurou. Os dispositivos móveis precisam de acesso de rede à máquina doméstica que roda o Ollama (IP de LAN ou Tailscale). Plano: o servidor doméstico roda o Ollama + automação; todos os dispositivos leem os rascunhos da pasta IMAP Rascunhos. Uma única geração de IA, revisão e envio em múltiplos dispositivos.