让 AI 把模糊记忆变成邮件检索：每一轮只增加一条可靠线索
找旧邮件时，脑中常有几块不完整的线索：似乎在春天收到，带一份附件，发件人的姓可能记错。把这些猜测一次塞进搜索框，零结果并不能说明邮件不存在。可以让 AI 把回忆拆成几层查询，你亲自运行，再用实际结果决定下一步。
AI概念配图，非真实界面
先给线索分级
以下邮箱、人物、日期和搜索结果均为虚构练习。小禾想找社区读书会的场地确认邮件，确定附件是 PDF，大概在四月前后，记得正文出现“北厅”，但不确定发件人是不是林老师。她把附件类型标为确定，月份标为范围，姓名标为猜测。
不要让模型替不确定的姓名补出邮箱。第一轮只用强线索，例如 filename:pdf 北厅。这里的普通词可以参与邮件搜索，filename:pdf 则限定附件文件名或类型。Google 的官方帮助列出了这些运算符，生成查询前应核对当前产品的写法。
AI 此时不需要读取整个邮箱。把最少量的线索交给它即可；没有邮箱工具或授权时，它只能给出查询建议，不能声称已经找到某封信。真实邮件里的个人信息，也不必为了设计搜索式而整段上传。
一次改变一项条件
假设第一轮返回二十封候选，小禾再加时间范围：after:2026/03/01 before:2026/06/01 filename:pdf 北厅。月份只是模糊回忆，因此留出前后余量。如果目标恰在边界附近，直接放宽范围并查看原件日期，不靠对边界的猜测排除它。
第二轮剩四封，逐封看主题和附件名，其中一封是费用估算，一封是取消通知，两封属于同一场地讨论。搜索结果只是候选集合，含“北厅”不等于已经确认使用北厅。最后必须打开具体邮件，读发送时间、正文态度和附件版本。
如果第二轮变成零结果，先撤掉刚加入的日期条件，回到有候选的查询。若连第一轮也为空，则试 filename:pdf，再用其他已确认关键词筛选；也可能附件并非 PDF。不要同时换掉时间、姓名和关键词，否则不知道是哪项记忆出了问题。
建立一张很小的检索记录
记录每轮查询、命中数量、被排除候选的原因和下一步。示例是“附件加北厅，二十封；加入宽日期范围，四封；其中两封为同一讨论”。计数由邮箱界面提供，模型不得填造。只记检查过程，无需复制整封邮件内容。
找到候选以后，留下一条回到原件的线索，例如邮件主题、日期及平台可用的邮件链接。若同一会话里先同意后取消，应以具体消息和附件为单位核查，不要看到会话标题就下结论。也不要把搜索成功自动升级为转发、删除或建立过滤规则。
可复用提示：请把我的找信线索分成确定、范围和猜测三类。依据我指定邮箱的官方搜索语法，给出一个最宽查询，以及每轮只加一条条件的收窄路径；每轮也写出零结果时应撤掉哪项。未知发件地址留空，不猜搜索结果，不操作邮件。
用反例检查搜索式
把查询念成一句普通话：它究竟要求每个条件都满足，还是满足任意一个？Google 支持 OR 和花括号表达替代条件；若要找“北厅”或“阅览室”，应明确是二选一，不要无意写成两个词都得出现。复杂写法先拆成两个简单搜索交叉比较。
验收时选一封确定应该命中的邮件，检查它是否落在结果里，再选一封只符合附件条件的邮件，确认关键词确实起了筛选作用。搜索量少并不代表更准确；它也可能过早排除了正确答案。
这套方法适合找回已经收过的材料，不能证明从未收到某封邮件。邮件可能在其他账号、被移动或已删除。让 AI 保留可撤回的查询路径，价值在于逐步缩小未知，而不是把模糊记忆包装成一个看似精确的指令。
