Skip to main contentSkip to footer
EsempioscriptintermediateEseguibilememory-lab

Esempio email

Esempio rieseguibile intermediate di tipo script che usa mem0, python-dotenv.

Fatti chiave

Livello
intermediate
Runtime
Python • Mem0 + Python Dotenv
Pattern
Assistenza consapevole della memoria con contesto leggibile
Interazione
Sandbox live • Script
Aggiornato
14 marzo 2026

Naviga questo esempio

Vista rapida del flusso

Come questo esempio si muove tra input, esecuzione e risultato rivedibile
Esempio email -> Richiesta utente -> Esecuzione del sistema -> Output verificabile -> Assicurarsi che il lavoro… -> Allineare il feedback al…

Avvio

Esempio email

Checkpoint

Richiesta utente

Esito

Esecuzione del sistema

Perché esiste questa pagina

Questo esempio è mostrato sia come codice sorgente reale che come pattern di interazione orientato al prodotto, così i discenti possono collegare implementazione, UX e dottrina senza lasciare la libreria.

Flusso visivoCodice realeSandbox o walkthroughAccesso MCP
Come dovrebbe essere usato questo esempio nella piattaforma?

Usa prima la sandbox per comprendere il pattern di esperienza, poi ispeziona il sorgente per vedere come il confine del prodotto, il confine del modello e il confine della dottrina sono effettivamente implementati.

UX pattern: Assistenza consapevole della memoria con contesto leggibile
Assicurarsi che il lavoro in background rimanga percepibile
Allineare il feedback al livello di attenzione dell'utente
Stabilire fiducia attraverso l'ispezionabilità
Riferimenti sorgente
Voce di libreria
knowledge-mem0-cloud-email-example
Percorso sorgente
content/example-library/sources/knowledge/mem0/cloud/email_example.py
Librerie
mem0, python-dotenv
Requisiti di runtime
Ambiente del repository locale
Principi correlati
Assicurarsi che il lavoro in background rimanga percepibile, Allineare il feedback al livello di attenzione dell'utente, Stabilire fiducia attraverso l'ispezionabilità

email_example.py

python
from mem0 import MemoryClient
from email.parser import Parser
from dotenv import load_dotenv

load_dotenv("../.env")


# Initialize Mem0 client
client = MemoryClient()


class EmailProcessor:
    def __init__(self):
        """Initialize the Email Processor with Mem0 memory client"""
        self.client = client

    def process_email(self, email_content, user_id):
        """
        Process an email and store it in Mem0 memory

        Args:
            email_content (str): Raw email content
            user_id (str): User identifier for memory association
        """
        # Parse email
        parser = Parser()
        email = parser.parsestr(email_content)

        # Extract email details
        sender = email["from"]
        recipient = email["to"]
        subject = email["subject"]
        date = email["date"]
        body = self._get_email_body(email)

        # Create message object for Mem0
        message = {
            "role": "user",
            "content": f"Email from {sender}: {subject}\n\n{body}",
        }

        # Create metadata for better retrieval
        metadata = {
            "email_type": "incoming",
            "sender": sender,
            "recipient": recipient,
            "subject": subject,
            "date": date,
        }

        # Store in Mem0 with appropriate categories
        response = self.client.add(
            messages=[message],
            user_id=user_id,
            metadata=metadata,
            categories=["email", "correspondence"],
            version="v2",
        )

        return response

    def _get_email_body(self, email):
        """Extract the body content from an email"""
        # Simplified extraction - in real-world, handle multipart emails
        if email.is_multipart():
            for part in email.walk():
                if part.get_content_type() == "text/plain":
                    return part.get_payload(decode=True).decode()
        else:
            return email.get_payload(decode=True).decode()

    def search_emails(self, query, user_id):
        """
        Search through stored emails

        Args:
            query (str): Search query
            user_id (str): User identifier
        """
        # Search Mem0 for relevant emails
        results = self.client.search(
            query=query,
            user_id=user_id,
            categories=["email"],
            output_format="v1.1",
            version="v2",
        )

        return results

    def get_email_thread(self, subject, user_id):
        """
        Retrieve all emails in a thread based on subject

        Args:
            subject (str): Email subject to match
            user_id (str): User identifier
        """
        filters = {
            "AND": [
                {"user_id": user_id},
                {"categories": {"contains": "email"}},
                {"metadata": {"subject": {"contains": subject}}},
            ]
        }

        thread = self.client.get_all(
            version="v2", filters=filters, output_format="v1.1"
        )

        return thread


# Initialize the processor
processor = EmailProcessor()

# Example raw email
sample_email = """From: alice@example.com
To: bob@example.com
Subject: Meeting Schedule Update
Date: Mon, 15 Jul 2024 14:22:05 -0700

Hi Bob,

I wanted to update you on the schedule for our upcoming project meeting.
We'll be meeting this Thursday at 2pm instead of Friday.

Could you please prepare your section of the presentation?

Thanks,
Alice
"""

# Process and store the email
user_id = "bob@example.com"
processor.process_email(sample_email, user_id)

# Later, search for emails about meetings
meeting_emails = processor.search_emails("meeting schedule", user_id)
print(f"Found {len(meeting_emails['results'])} relevant emails")
Cosa dovrebbe ispezionare il discente nel codice?

Cerca il punto esatto in cui lo scope del sistema è delimitato: definizioni di schema, impostazione del prompt, configurazione di runtime e il punto di chiamata che trasforma l'intenzione dell'utente in un'azione concreta del modello o del workflow.

Cerca i contratti di output e la validazione
Cerca la chiamata di esecuzione esatta
Cerca cosa il prodotto potrebbe esporre all'utente
Come si relaziona la sandbox al sorgente?

La sandbox dovrebbe rendere leggibile l'UX: cosa vede l'utente, cosa sta decidendo il sistema e come il risultato diventa revisionabile. Il sorgente mostra poi come quel comportamento è effettivamente implementato.

Inserisci un messaggio o carica uno scenario memoria.
Esegui il recupero del contesto rilevante.
Rivedi sia la memoria richiamata sia la risposta personalizzata.
SandboxAssistenza consapevole della memoria con contesto leggibile
Laboratorio della memoria

Questa esperienza mette in evidenza che cosa il sistema ricorda, che cosa recupera e come quel contesto modifica la risposta all'utente.

Spiegazione UX

Gli esempi di memoria sono credibili solo quando l'utente può capire quali dati sono stati recuperati e perché influenzano la risposta.

Spiegazione AI Design

La memoria non è solo persistenza. È una scelta di prodotto su che cosa salvare, che cosa richiamare e come rendere ispezionabile l'effetto del contesto sul risultato.

Guida all'interazione

  1. 1Inserisci un messaggio o carica uno scenario memoria.
  2. 2Esegui il recupero del contesto rilevante.
  3. 3Rivedi sia la memoria richiamata sia la risposta personalizzata.

Messaggio

Memoria richiamataNuova memoria

Contesto richiamato

Il contesto richiamato appare qui.

Memoria da salvare

La memoria suggerita appare qui.

Risposta visibile

La risposta personalizzata appare qui.

Usato in corsi e percorsi

Questo esempio attualmente è indipendente nella libreria, ma si connette comunque al sistema dei principi e alla famiglia di esempi più ampia.

Principi correlati

Runtime architecture

Usa questo esempio nei tuoi agenti

Questo esempio è disponibile anche tramite il layer agent-ready del blueprint. Usa la pagina Per agenti per recuperare MCP pubblico, export deterministici e setup per Claude o Cursor.

Definisci trigger, contesto e confini prima di aumentare l'autonomia
Rendi espliciti controllo, osservabilita e recovery nel runtime
Scegli i pattern operativi giusti prima di delegare ai workflow