1个喀麦隆程序员把时区玩明白了，Claude自动给他写邮件

8个客户，5个时区，每周都在算"现在纽约几点"——这种苦，自由职业者都懂。

喀麦隆开发者Acetennyson（WAT时区）的客户分布在纽约、伦敦、东京。他算过一笔账：手动确认每个客户的工作时间、判断该不该发消息、再组织语言，单次沟通成本超过15分钟。一周8个客户轮换，这块时间黑洞能吞掉他两个上午。

他的解法不是更勤奋地查时区，而是让AI接管"什么时候说"和"说什么"，自己只保留"要不要发"的决策权。

Notion当大脑，MCP当神经

整个系统的核心架构很简洁：Notion作为唯一数据源，MCP（模型上下文协议，Model Context Protocol）服务器暴露三个工具接口，任何兼容MCP的AI客户端（如Claude Desktop）都能调用。

三个工具分工明确。

get_client_local_times返回所有活跃客户的本地时间、可用状态、是否在发送窗口内。Claude调用它回答"现在谁能聊"，无需人工时区换算。

generate_client_outreach接收客户ID，先检查对方是否处于工作时间，再从Notion读取项目上下文（Project、Last_Update、Next_Action），用Gemini生成个性化草稿，直接写入Notion的AI_Draft列。用户在自己的仪表板看到草稿，可编辑或直接发送。

sync_and_draft是组合工具：从Supabase拉取客户数据、检查时区窗口、生成上下文感知的草稿、写入Notion——单次调用完成全流程。专为批量场景设计，比如"给所有在线客户草拟更新"。

没有MCP的话，这只是一个封闭仪表盘工具。有了MCP，任何AI代理都能变成懂时区的 outreach 助手。

人机回环：AI干活，人点确认

Acetennyson的设计哲学写在了项目说明里：「AI handles the timing and the words. You handle the decisions. Human-in-the-loop, by design.」

具体 workflow 是这样的：用户告诉Claude Desktop"给所有工作时间的客户草拟更新"，Claude先调用get_client_local_times识别可用客户，再逐个调用generate_client_outreach，把个性化草稿写进Notion。AI完成体力活，用户审阅后点击发送。

这套机制回应了Notion MCP Challenge的核心要求——不是全自动替代人类，而是把决策权留在人手里。

系统还内置模板功能，用于快速回复FAQ或存储可复用片段。重复性话术不再需要从头组织。

技术选型背后的取舍

几个关键决策值得拆解。

时区计算交给代码而非大模型。get_client_local_times用确定性逻辑处理时间判断，避免LLM在"夏令时是否生效"这类问题上 hallucinate。Gemini只负责它需要做的事：根据项目上下文生成自然语言。

数据层拆分：客户元数据（时区、联系方式）存Supabase，项目动态（Last_Update、Next_Action）存Notion。这种分离让Notion保持"单一事实源"的定位，同时利用Supabase的关系型查询能力。

草稿写入Notion而非直接发送邮件。这个中间层是"人机回环"的关键物理载体——它强制制造了审阅环节，防止AI在时区判断正确的情况下，说出不合时宜的话。

项目已开源（GitHub: acetennyson/global-freelancer-assistant），并部署了在线演示（global-freelancer-assistant.vercel.app）。技术栈包括Next.js、Supabase、Notion API、Gemini API，以及Vercel托管。

从个人痛点到通用工具

Acetennyson的原始需求非常具体：解决自己作为西非自由职业者的时区协调困境。但MCP的开放性让这套系统具备了跨场景迁移的潜力。

任何需要"判断时机+生成内容+人工确认"的重复流程，都可以套用同一架构。比如：招聘HR在候选人本地时间的上午10点自动发送跟进邮件；跨境电商运营在目标市场的购物高峰时段推送促销文案；远程团队管理者在成员工作窗口内分发任务更新。

核心模式不变：AI处理"何时"和"说什么"，人保留"发不发"的最终开关。

这套系统也暴露了当前AI工具链的一个缝隙：主流协作平台（Notion、Slack、飞书）都内置了自动化功能，但跨平台的"上下文感知+时机判断+内容生成"闭环，仍然需要开发者自己用MCP这类协议拼接。

Acetennyson的解法是把Notion当作中枢，用MCP开放接口，让Claude这类通用AI代理获得垂直场景的专业能力。这比等待平台官方功能更灵活，也比自建完整应用更轻量。

项目文档里埋了一个细节：模板系统支持快速回复FAQ。这意味着用户积累的话术库会反向训练AI的生成风格——用得越久，草稿越像你自己写的。

如果让你选一个最耗时的重复沟通场景，你会把这种"时机判断+草稿生成+人工确认"的模式套用在哪？