1 小时会议整理 90 分钟？Agent Skill 一键生成纪要 + 待办，6 分钟搞定效率提 15 倍

Trae_陈冀
0 阅读9分钟

职场人每周至少开 3-5 场会：周会同步、技术评审、需求评审、方案讨论。开完会最头疼的三件事，相信你也中过招：

  • 整理纪要耗时巨长：1 小时的会，整理纪要 + 提取待办平均要花 90 分钟，纯纯体力活

  • 待办事项容易遗漏：会上随口提的跟进项、整改项，会后没人盯，转头就忘，责任人和截止时间全模糊

  • 普通 AI 总结太浅层：直接丢给大模型，只有笼统大意，没有结构化待办、没有责任人、没有原话依据，没法落地执行

市面上多数会议工具只做基础语音转文字，缺少场景化模板、待办精准提取、质量校验，输出没法直接用。 这里分享meeting-minutes会议纪要 Skill，打通多源输入→自动转写归一→双遍关键信息提炼→场景模板生成→纪要 + 待办 + 同步载荷三件套输出全流程。支持周会、评审会、需求会三大场景，每条待办带责任人、截止日、优先级，可直接导入项目管理工具。 兼容 Trae / OpenClaw 双平台，小白简单配置就能实现会议结束一键出标准化纪要，效率提升 10-20 倍。

一、核心能力一览

  1. 多源输入兼容：支持 9 种音频格式、微信 / 飞书 / 钉钉聊天记录、已有纯文本转写稿，自动识别归一化

  2. 灵活 ASR 转写方案：支持配置 OpenAI 兼容语音接口；未配置时提供本地 whisper、厂商控制台三种替代方案

  3. 三大场景专用模板

    • 周会模板：上周待办回顾 + 本周进展 + 决议 + 风险 + 下周待办

    • 评审会模板：评审结论 + 意见汇总 + 分歧记录 + 整改待办 + 后续安排

    • 需求会模板：需求范围结论 + 优先级排期 + 澄清记录 + 分歧 + 待办 + 验收标准

  4. 双遍待办提取：第一遍生成纪要主体，第二遍专项扫描动作词补漏，待办完整度≥95%；每条包含任务、责任人、截止日、优先级、来源原话

  5. 三件套标准化输出：结构化 Markdown 纪要 + todos.csv 待办清单 + sync_payload.json 同步载荷，可直接对接飞书 / Jira / 禅道

  6. 质量自检门禁：7 项交付前校验，每条决议、待办可通过时间戳回溯原文，禁止臆造信息

✅ 适用人群：产品 / 项目经理、研发团队负责人、行政运营岗、搭建本地自动化工作流的开发者

二、整体架构与执行流程

标准目录结构

meeting-minutes/
├── SKILL.md               # 技能协议+三场景模板+质量守则
├── scripts/
│   └── prepare_minutes.py # 预处理脚本：输入识别+转写适配+聊天记录解析
└── .gitignore             # 忽略临时工作目录

运行后自动生成产物目录 {输入名}_work/

{输入名}_work/
├── transcript.txt         # 归一化转写稿
├── meta.json              # 元信息（类型/时长/参会人/场景）
├── benchmark.json         # 耗时对比基准
├── 会议纪要_日期_主题.md   # 结构化纪要（交付物①）
├── todos.csv              # 待办清单（交付物②，可导入项目工具）
└── sync_payload.json      # 标准化同步载荷（交付物③，API对接用）

完整五步工作链路

  1. 预处理prepare_minutes.py 识别输入类型，音频调用 ASR 转写，聊天记录自动解析归一化；提取参会人、统计字数，生成元信息与耗时基准。

  2. 通读与信息提炼（Agent 执行） 读取转写稿，自动判断会议场景；按「决议、待办、风险、关键信息、分歧」五要素提炼；双遍提取法，第二遍专项扫描待办补漏。

  3. 套用场景模板生成纪要（Agent 执行） 匹配对应场景模板，填充提炼内容，生成标准化 Markdown 纪要；无内容字段填「无」，不随意删减结构。

  4. 输出同步文件（Agent 执行） 生成标准表头的 todos.csv 待办清单，以及结构化 sync_payload.json 同步载荷，方便对接项目管理系统。

  5. 质量自检（Agent 执行，必做） 逐项核对 7 项质量自检清单，全部通过才交付；不通过则回溯修正，确保输出准确、无臆造内容。

输出样例（周会纪要片段）

# 周会纪要：2026-08-26 产品研发周同步
> 元信息：时间 2026-08-26 10:00 / 时长 60分钟 / 参会人：张三、李四、王五 / 主持人：张三

## 一、上周待办回顾
| 事项 | 责任人 | 原截止日 | 状态 | 备注 |
|------|--------|----------|------|------|
| 完成首页原型设计 | 李四 | 2026-08-23 | 完成 | 已交付评审 |
| 对接第三方登录接口 | 王五 | 2026-08-25 | 延期 | 接口文档延迟提供，预计28号完成 |

## 二、本周决议
1. **V2.0版本优先落地核心三大模块** — 张三，依据原话「先把核心流程跑通，边缘功能后置」 [15:20]

## 三、下周待办清单
| # | 任务 | 责任人 | 截止日 | 优先级 | 来源时间戳 |
|---|------|--------|--------|--------|------------|
| 1 | 输出V2.0完整PRD文档 | 张三 | 2026-09-02 | P0 | [20:15] |

> 耗时对比：本次纪要自动生成耗时6分钟；同等内容人工整理预估90分钟，效率提升15倍。

三、双平台保姆级部署教程

依赖安装

# 基础必装
pip install requests
# 本地音频转写（可选）
pip install openai-whisper
# 大文件音频分片（可选）
# 安装ffmpeg并配置环境变量

方案 1：Trae 平台部署（推荐）

  1. 将meeting-minutes文件夹放到项目 .trae/skills/ 目录

  2. 如需自动音频转写，配置环境变量ASR_API_KEY、ASR_BASE_URL

  3. 新建任务，描述示例：

使用 meeting-minutes 整理 D:/meetings/0826周会.m4a，周会模板，输出到D:/meetings/output
  1. 执行完成，在输出目录获取纪要、待办清单、同步文件三件套。

方案 2：OpenClaw 平台部署

  1. 将技能文件夹复制到 ~/.openclaw/skills/meeting-minutes/

  2. 终端先运行预处理脚本：

python scripts/prepare_minutes.py 会议录音.mp3 --meeting-type review -o work

  1. 对话发送指令：执行 meeting-minutes 完整纪要生成流程

  2. Agent 读取转写稿执行提炼、模板生成、质量自检，输出全部交付物。

触发指令示例：

  • 帮我整理这份会议录音，输出周会纪要和待办

  • 把这段聊天记录整理成评审会纪要

  • 提取会议里的待办事项，导出 csv

SKILL.md 基础头部

---
name: "meeting-minutes"
description: "会议纪要一键生成：会议录音/聊天记录自动转写，产出结构化纪要+待办清单（责任人+截止日），输出可同步项目管理工具的标准化文件。含周会/评审会/需求会三场景专用模板。当用户需要整理会议纪要、录音转写、提取待办事项时触发。"
---

四、预处理脚本核心骨架（完整源码见资源包）

# -*- coding: utf-8 -*-
"""会议纪要 - 预处理脚本
功能：输入识别、音频转写、聊天记录解析归一化、生成元信息与耗时基准
"""
import argparse
import json
import logging
import os
import re
import sys
import time
from pathlib import Path

def setup_logging():
    ...
def transcribe_audio(path: Path) -> str:
    """调用OpenAI兼容ASR接口转写音频，未配置给出替代方案"""
    ...
def parse_chat(text: str) -> list:
    """解析三种常见聊天记录格式，归一化为标准发言结构"""
    ...
def entries_to_transcript(entries: list) -> str:
    """转换为统一[时间] 发言人: 内容格式"""
    ...
def estimate_benchmark(chars: int, has_audio: bool, skill_seconds: float) -> dict:
    """估算人工耗时，计算效率提升倍数"""
    ...

def main():
    parser = argparse.ArgumentParser(description="会议纪要预处理")
    parser.add_argument("input", help="音频/聊天记录/转写稿")
    parser.add_argument("--meeting-type", default="auto", choices=["weekly","review","requirements","auto"])
    parser.add_argument("-o", "--outdir", default=None)
    parser.add_argument("--skip-asr", action="store_true", help="跳过转写，使用已有transcript.txt")
    args = parser.parse_args()
    # 输入识别→转写/解析→生成产物

if __name__ == "__main__":
    main()

五、落地必看｜8 个高频踩坑避坑清单

⚠️ 坑 1：没配置 ASR 密钥，脚本直接报错

解决：脚本会给出三种替代方案：配置环境变量、本地 whisper 转写、厂商控制台转写；转写后保存为 transcript.txt，加--skip-asr参数重跑即可。

⚠️ 坑 2：音频文件太大，超过 API 25MB 限制

解决：脚本会提示 ffmpeg 压缩或分片命令；压缩后再转写，或使用本地 whisper 无大小限制。

⚠️ 坑 3：待办责任人、截止日期 AI 瞎猜

解决：强制质量门禁，无法确定的责任人标注「待指定」，日期不明确标注「待确认」，并附原话依据，禁止臆造。

⚠️ 坑 4：会议场景识别错误，模板不匹配

解决：可通过--meeting-type参数手动指定场景；自动识别置信度低时，默认使用通用周会模板并标注提示。

⚠️ 坑 5：聊天记录格式特殊，解析不出来

解决：支持微信式、带时间戳、纯对话三种主流格式；解析失败可整理成「姓名：内容」纯文本格式再运行。

⚠️ 坑 6：输出的 csv 打开乱码

解决：todos.csv 采用 UTF-8 BOM 编码，Excel、WPS 直接打开正常；少数工具乱码可手动导入选择 UTF-8 编码。

⚠️ 坑 7：重要待办遗漏，提取不全

解决：采用双遍提取法，第二遍专项扫描动作词；纪要末尾会列出疑似待办待确认清单，方便人工复核。

⚠️ 坑 8：转写质量差，关键信息错误

解决：听不清片段会在纪要顶部显著标注，提示人工复核关键数字和专有名词；禁止 AI 猜测填充听不清内容。

六、配套资源领取

资源包包含：

  1. meeting-minutes完整 SKILL.md 技能定义

  2. 完整可运行prepare_minutes.py预处理脚本

  3. 三大场景模板参考样例

  4. 技能目录模板、.gitignore 配置

领取方式：评论区留言「会议纪要 Skill」获取。

最后总结

整理会议纪要本质是低价值的体力活，用自动化 Skill 把转写、提炼、排版的事儿交给 AI，人只做复核和确认，效率提升非常明显。 不管是周会、评审会还是需求会，都能快速产出标准化的纪要和待办，还能直接对接项目管理工具，省去二次整理的麻烦。

💡 建议收藏本文，下次整理会议纪要的时候直接拿来部署。

💬 互动提问： 你每周花在整理会议纪要上的时间有多少？最头疼的是待办追踪还是纪要格式不统一？评论区聊聊。

avatar
文章
阅读
粉丝