Skill 应用 03：会议纪要 Skill｜1 小时会议整理 2 小时？6 分钟自动生成纪要 + 待办，效率提 15 倍

weixin_44922938

367人浏览 · 2026-08-29 20:01:16

weixin_44922938 · 2026-08-29 20:01:16 发布

系列说明：「Agent Skills 开发实战」专栏已全部完结。全新 Skill 应用 系列，主打开箱即用业务场景落地，不从零造轮子，每篇配套完整 SKILL.md、执行脚本、配置模板，小白复制即可部署。
配套资源包已上传本人主页资源区，本文可直接绑定资源包自助下载。

一、前言：整理会议纪要，是不是你每天的效率黑洞？

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：

1、整理纪要耗时巨长：一场1小时的会，整理纪要+提取待办平均要花 90 分钟；用 meeting-minutes，6 分钟自动生成纪要+待办清单，效率提升 15 倍；

2、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，责任人和截止时间模糊；

3、不同会议格式混乱：周会、评审会、需求会各有各的写法，每次重新搭框架，输出不标准，没法同步到项目工具；

4、录音转写成本高：手动转写效率低，第三方工具贵，导出的文本还要二次整理；

5、普通 AI 整理太浅层：直接丢给大模型总结，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。

市面上大多数会议纪要工具，只做基础语音转文字，缺少场景化模板、双遍待办提取、质量校验、项目管理工具同步的完整工程化方案。

本文带来 meeting-minutes 会议纪要 Skill，完整流水线：音频 / 聊天记录双输入 → 自动转写归一化 → 双遍关键信息提炼 → 三场景专用模板生成 → 输出纪要 + 待办清单 + 同步载荷三件套。完美适配 Traework、OpenClaw 双 Agent 平台，小白简单配置即可实现会议结束一键产出标准化纪要，效率提升 10-20 倍。

✅ 读完本文你能收获

1、完整可落地会议纪要 Agent Skill，包含 SKILL.md定义、prepare_minutes.py预处理脚本；

2、支持音频录音、聊天记录、已有转写稿三类输入，兼容主流格式；

3、周会、评审会、需求会三大场景专用模板，输出格式标准化；

4、双遍待办提取机制，任务 + 责任人 + 截止日 + 优先级四要素完整，可直接导入项目管理工具；

5、内置质量自检门禁，关键信息可回溯，禁止臆造内容；

6、Trae / OpenClaw 双平台完整部署教程，附带落地避坑清单；

7、全套资源包可下载，无需逐段复制代码。

二、meeting-minutes Skill 核心能力一览

2.1 核心功能清单

1、多源输入兼容
支持 mp3/m4a/wav 等 9 种音频格式、微信 / 飞书 / 钉钉等聊天记录导出文件、已有纯文本转写稿；自动识别输入类型，归一化为标准转写格式。

2、灵活 ASR 转写方案
支持配置 OpenAI 兼容语音接口自动转写；未配置时给出本地 whisper、厂商控制台三种替代方案，不卡流程。

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、双遍待办提取算法
第一遍通读生成纪要主体，第二遍专项扫描动作词提取待办，确保待办完整度≥95%；每条待办包含任务描述、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 会议纪要（对应场景模板）；

todos.csv 待办清单（UTF-8 BOM，Excel 直接打开，可导入飞书 / Jira / 禅道）；

sync_payload.json 标准化同步载荷，支持 API 对接项目管理系统。

6、质量自检门禁
7 项交付前自检清单，每条决议、待办均可通过时间戳回溯到转写原文；禁止臆造责任人、截止日期。

7、效率量化对比
自动测算人工整理预估耗时与技能实际耗时，纪要末尾展示效率提升倍数，效果可量化。

2.2 适合人群

产品经理、项目经理：频繁组织会议，需要快速产出规范纪要和待办；

研发团队负责人：技术评审、需求评审会议多，需要沉淀结论和整改项；

行政、运营岗：会议多、杂，需要高效整理记录和跟进事项；

使用 Trae / OpenClaw 搭建本地自动化工作流的开发者。

三、Skill 完整架构与执行流程

3.1 技能目录结构

Plain Text
.trae/skills/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

运行后自动生成输出产物（<输入名>_work/）

Plain Text
<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）

3.2 完整五步工作链路

1、第一步：预处理（prepare\_minutes.py 脚本）
识别输入文件类型，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文件。

命令示例：

bash
python scripts/prepare_minutes.py 周会录音.m4a --meeting-type weekly

2、第二步：通读与信息提炼（Agent 执行）
读取转写稿与元信息，自动判断会议场景；按 “决议、待办、风险、关键信息、分歧” 五要素提炼关键内容；采用双遍提取法，第二遍专项扫描待办补漏。

3、第三步：套用场景模板生成纪要（Agent 执行）
根据会议场景匹配对应模板，填充提炼内容，生成标准化 Markdown 会议纪要；无内容字段填 “无”，不随意删减模板结构。

4、第四步：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，方便对接各类项目管理工具。

5、第五步：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。

3.3 输出样例（周会纪要片段）

markdown
# 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 / 记录方式：自动生成

## 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、本周进展同步
### 产品组（张三）
- 已完成：需求池梳理，输出P0优先级需求12项
- 进行中：V2.0版本需求文档编写，完成度60%
- 阻塞：无

## 三、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]

## 四、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：本次纪要由meeting-minutes自动生成，转写+提炼共耗时6分钟；同等内容人工整理预估90分钟，效率提升15倍。

四、SKILL.md 核心定义（完整文件资源包下载）

4.1 Frontmatter 基础定义

yaml
---
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。"
---

4.2 Agent 自动触发指令

向 Agent 发送如下指令，即可调用本 Skill：

1、帮我整理这份会议录音，输出周会纪要和待办；

2、把这段聊天记录整理成评审会纪要；

3、提取会议里的待办事项，导出 csv；

4、trae 任务指令示例：使用meeting-minutes整理 0826周会.m4a，周会模板，输出到会议目录

4.3 三大场景模板核心差异

场景	核心结构	重点输出
周会	待办回顾 + 进展同步 + 决议 + 风险 + 下周待办	进度同步、待办闭环
评审会	评审结论 + 意见汇总 + 分歧记录 + 整改待办	意见闭环、整改追踪
需求会	范围结论 + 优先级排期 + 澄清 + 分歧 + 验收标准	需求定版、排期明确

五、双平台小白部署实操教程

方案 1：Trae 平台部署

1、将完整meeting-minutes文件夹放置项目路径 .trae/skills/；

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：

Plain Text
使用 meeting-minutes 整理 D:/meetings/0826周会.m4a，周会模板，输出到D:/meetings/output

4、执行完成后，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、终端先执行预处理脚本：

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

3、对话发送指令：执行meeting-minutes完整纪要生成流程；

4、Agent 读取 transcript.txt 执行提炼、模板生成、质量自检，输出全部交付物。

依赖安装提示：

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

六、prepare\_minutes.py 脚本核心骨架（资源包提供完整可运行源码）

python
# -*- 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()
    # 完整执行逻辑：输入识别→转写/解析→生成产物
    ...

if __name__ == "__main__":
    main()