Show HN：Klorn – 我構建了一個郵件防火牆，因為每個AI收件箱讓我的收件箱更嘈雜

Klorn 是一個全新的郵件防火牆工具，其核心理念與市面上大多數 AI 收件箱工具截然相反。當前許多工具在收件箱中新增建議卡片、AI 草稿或提示徽章，讓收件箱變得更加嘈雜。Klorn 做的正好相反：每封入站郵件只得到一個分類——靜默（SILENT）、佇列（QUEUE）、推送（PUSH）或自動（AUTO）——並且這個分類繫結到生成它的確切位元組資料。沒有聊天介面，沒有建議卡片，沒有 60 種工具的代理。輸出是一個單一決定，而且大部分時間這個決定是“你不需要看到這個”。

Klorn 的核心思想體現在其四層分類系統中。靜默類郵件會被記錄但永不呈現，適用於營銷、收據等僅需留作反饋依據的內容。佇列類郵件是預設狀態，讓你自己安排時間檢視，沒有推送或通知。推送類郵件值得打斷你，會觸發通知，可選 Telegram 或電話。自動類郵件可逆且無需人工干預，但操作側（如傳送郵件）受確定性樓層機制約束。

分類過程並非由 LLM 直接選擇層級。相反，模型對每封郵件在四個維度（置信度、發件人信任度、可逆性、緊急程度）上分別打出 0 到 1 的分數，然後一個 deterministic 規則（位於 tier-policy.ts）將這些分數對映到具體層級。模型僅負責感知，而規則是可讀且可單元測試的，無需模型介入即可審計。

這種分離帶來了兩個重要後果。首先，廉價模型即可勝任。當模型只需一致地讀取四個訊號時，無需前沿模型的推理深度。在 Klorn 的 50 封郵件評估集上，gemini-2.5-flash 獲得了 88% 的準確率，對緊急郵件的召回率達到 100%，超越了 gpt-4o 和 gemini-2.5-pro（均為 82%），而成本僅為其一小部分。其次，系統能夠安全地降級——如果 LLM 不可用或受限，關鍵詞回退機制可在零模型呼叫下產生相同四維分數，確保緊急郵件依然能得到處理。

所有分類都與內容雜湊繫結：評分器讀取的確切位元組（發件人、主題、片段、標籤）在決策時經過 sha256 雜湊並儲存。讀取路徑會重新雜湊，並在不匹配時丟擲 AttentionHashMismatchError，防止後續的富化操作悄悄使層級失效。

Klorn 還設有一個確定性樓層機制，防止不可逆操作（如傳送郵件、永久刪除、外部轉發）僅憑分類器置信度執行。這些操作需要一份在審批時鑄造的 ActionReceipt，該收據固定了規範收件人/主題/正文的有效載荷位元組（sha256），執行時任何漂移都會導致操作被拒絕。這一機制被強制執行：executeToolCall 中的中央守衛會在任何未經驗證收據的樓層操作上關閉失敗，即使自主路徑也無法繞過審批來傳送、轉發或硬刪除郵件。

需要明確的是，Klorn 並非成品。它目前是一個早期概念驗證，只有一位真實使用者（作者本人）。它也不是“與收件箱聊天”的工具，沒有聊天介面。它不是多租戶雲服務，目前僅支援自託管。此外，其功能並不對開源版本進行限制：雲版本將提供託管服務、已驗證的 Gmail 作用域和團隊工作空間，而防火牆原則和程式碼將在兩個版本中保持開源。

專案的 CI 中有一個紅色檢查是故意為之的：作用域預算（Scope Budget）會在變更導致路由/頁面/模式表面積超過固定預算時失敗，強制開發者有意識地確認作用域價值，而非無節制擴充套件。其他檢查（lint、型別、測試、構建、安全、評估）均為綠色。

Klorn 的託管演示 (klorn.ai) 當前執行在 Google OAuth 測試模式下，因為需要 gmail.modify 作用域且尚未透過 CASA Tier 2 驗證。想試用而不自託管，需先被新增為測試使用者（最多 100 個槽位）。最快的途徑是提交 issue 或傳送郵件。

產品本身的第一屏不是聊天或收件箱，而是一個決策佇列。零散訊號被收集並呈現為卡片，回答三個問題：看什麼、為什麼重要、什麼操作已就緒。當前介面包括決策佇列、郵件、日曆、簡報和設定。

技術棧方面，前端使用 Next.js 15、React 19、TypeScript 和 Tailwind CSS；API 使用 Fastify、TypeScript 和 Prisma；資料庫為 PostgreSQL；身份驗證採用 JWT、bcrypt 和 Google OAuth；AI 支援 OpenAI 相容介面（本地優先），OpenRouter/Gemini 作為故障轉移；即時通訊使用 WebSocket 和 Web Push；計費整合 Stripe。

本地開發環境要求 Node.js 22+、pnpm 和 PostgreSQL 16。專案使用 pnpm 工作區管理，包含 api、web、core、docs 等包。克隆倉庫後，需複製環境檔案、生成加密金鑰、配置 Google OAuth 憑證。若要本地執行 LLM，可將 Klorn 指向 Ollama 或 LM Studio 等相容伺服器，使郵件分類完全在本地執行，無需雲金鑰。資料庫透過 docker-compose 啟動 PostgreSQL 16，然後執行 Prisma 遷移和生成。最後分別在兩個終端啟動 API 和 Web 開發伺服器。

總而言之，Klorn 透過將感知與決策分離、內容雜湊繫結和確定性樓層機制，提供了一種比現有 AI 收件箱更安靜、更可靠的郵件處理方式。它目前處於早期階段，但設計理念清晰，程式碼開源，值得關注。