会议纪要记录员

其他 社区

技能解读

当前原文的自动摘译,尚未人工审校。

快速入门

预处理(可选但推荐): 文档转换:首先使用 doc-to-markdown 技能将 .docx/.pdf 转换为 Markdown(保留表格/图像) 转录清理:如果转录质量较差,则使用 transcript-fixer 技能修复 ASR/STT 错误 上下文文件:使用团队目录准备 context.md 以准确识别说话人 核心工作流程:

智能文件命名

根据转录内容自动生成输出文件名: 模式:YYYY-MM-DD-<topic>-<type>.md 组件·来源·示例日期·转录元数据或首次日期提及·2026-01-25主题·主要讨论主题(2-4 个单词,短横线大小写)·api-design、product-roadmap

核心工作流程

复制此清单并跟踪进度:

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
通用
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@daymade · 未声明许可证
上下文用量评级
较高消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
允许外网请求
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第 1 步:阅读并分析成绩单

分析记录以识别: 会议主题和与会者 关键决策及支持性报价 与所有者的行动项目 延期项目/未解决的问题

02
步骤 1.5:说话人识别(需要时)

触发点:文字记录只有通用标签,如“说话人 1”、“说话人 2”、“客厅 1”等。 第 0 阶段:源端标签(始终先尝试) 当文字记录来自支持手动说话人标签的平台(飞书分钟、飞书妙记、腾讯会议、腾讯会议或任何具有分类编辑页面的工具)时,停下来并要求用户在来源处标记说话人,然后在生成分钟之前重新导出/重新摄取标记的转录本。向用户发送源页面链接 - 通常位于记录的 frontmatter 中(`minute_url`,会议 URL)。

03
步骤 1.7:成绩单质量评估(可选)

评估转录质量以确定处理深度: 评分标准(1-10 等级): 因素 · 评分影响 内容量 · >10k 字符:+2、5-10k:+1、<2k:上限为 3 填充词比例 · <5%:+2、5-10%:+1、>10%:-1

04
第 2 步:多轮初始生成(关键)

单次通过绝对会丢失内容。使用具有冗余完整通行证的多轮生成:核心原则:多个完整通行证 + UNION 合并 每个通行证从完整记录中生成完整分钟(所有部分)。具有独立上下文的多次传递捕获不同的细节。 UNION 合并合并了所有发现。 ❌ 错误:狭窄的传递(浪费代币,导致偏差) ✅ 正确:在孤立的上下文中完成传递

05
第 3 步:自我检查完整性

初始生成后,立即对照记录进行审查:如果发现差距,则默默添加缺失的内容,而不要提及遗漏的内容。

06
步骤3.5:检索自检(消费端验证)

为什么存在这一步。 三代子代理共享一种提示和一种“决策是什么样子”的隐式模型 - 它们的错误是相关的,因此 UNION 合并可以防止内容“丢失”,但不能防止共享盲点。

07
第 4 步:呈现给用户进行人工审核

将完整的会议记录作为草稿提交以供人工审核。强调:会议记录需要仔细的逐行人工审查 领域专家捕捉术语冲突 人工智能可能会错过 最终版本通过迭代细化出现 用户可以:

08
第 5 步:跨 AI 比较(减少偏差)

当人类提供另一个 AI 工具(例如 Gemini、ChatGPT 等)的输出时:此步骤很有价值,因为: 不同的 AI 模型有不同的偏差 - 每个 AI 捕获不同的细节 交叉验证 - 两个输出中出现的内容可能是准确的 差距检测 - 一个输出中的内容而非另一个输出中的内容揭示了潜在的遗漏

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。