Agent Skills
返回列表
腾讯会议场景分析套件

腾讯会议场景分析套件

办公效率 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,把 @user_a838be1f/txhycjfxtj0001 安装到当前的 AI 助手中。

技能介绍

解决什么问题

腾讯会议的会后复盘、主题/决策追踪和执行审阅,通常要人工翻录制、纪要、转写和聊天消息,再把散落信息整理成报告。这个流程的问题不只是慢:采集边界不清楚时,分析容易混入猜测;同一批次的输入被替换后,报告仍可能基于旧数据继续生成;内部会议号、录制 ID、manifest 和 hash 一旦写进交付物,还会把不该暴露的信息带出去。

@user_a838be1f/txhycjfxtj0001 把三类腾讯会议分析场景收进一个统一入口,并把流程固定成 tmeet CLI -> Python 数据采集 -> 数据文件 -> LLM Analysis -> 输入绑定检查 -> LLM Polish -> report.md。它不负责替团队改变会议管理方式,而是让“从真实会议数据生成报告”这件事可复现、可检查。

技能如何工作

入口先让用户选择场景:

  • meeting-review:输入 meeting_code 或筛选条件,生成会后复盘报告。
  • meeting-memory:输入 start、end、query,追踪一段时间内主题或决策的演化。
  • meeting-auditor:审阅受邀、实到、讨论与执行情况,生成执行证据审阅报告。

环境预检要求 tmeet 已在 PATH 中,用户已完成腾讯会议 OAuth 登录,并且可以写入项目的 runtime/ 目录。采集阶段只由 Python 脚本调用 CLI,先把 CLI JSON 写入当前 run,再生成 manifest。若候选会议不唯一,脚本会写 candidate_meetings.json 并返回 BLOCKED,不会自动挑一个“最像”的会议。

分析阶段只读取当前 RUN_DIR 下的 input/ 和 input_manifest.json,写入 analysis.md。事实会被区分为 Explicit、Inferred 和 Unknown:只有数据直接记录的内容才能当作明确结论,合理归纳不能冒充会议决定,当前数据不足时保留 Unknown。输入绑定检查会重新读取 manifest 声明的文件,校验文件集合、大小、SHA256、bundle hash 和 receipt 绑定;返回 PASS 后才进入 Polish。Polish 只调整结构、去重、改善表达,不能重新调 CLI、补结论或把“未明确”改写成确定答案。

适用边界与注意点

这个套件的自动链路只允许读取类命令,不能创建、更新、取消会议,不能变更受邀者,也不能执行会控、登出或录制权限申请。Analysis 与 Polish 不得直接调用 tmeet。采集器不得用 mock、fixture、旧 run、网络搜索或长期记忆补足缺失事实;权限不足时保留已合法取得的数据,把 run 标为 PARTIAL 并记录原因,而不是自动申请权限。

分页只使用 --page-token 和 --page-size,上游返回的 data.next_page_token 必须原样传递,不能构造或猜测。只有 Smart Minutes 时,报告只能按智能纪要分析,不能声称拥有完整逐字转写;受邀者不等于实际参会者,等候室记录也不等于参会。最终 report.md 不应包含 SHA256、bundle hash、run 标识、receipt、Validator 状态或内部会议/录制/文件 ID,业务读者只看到报告本身。

使用场景

  • 刚结束一场需求评审会,需要基于会议数据整理出讨论结论、遗留事项和后续责任人。
  • 项目周期内要追踪某技术方案的讨论变化,需要按时区间和主题拉取会议记录并输出决策演化。
  • 季度复盘前要核对多场会议的受邀、实到和讨论执行情况,需要生成可留档的执行审阅报告。
  • 只有智能纪要且部分录制权限缺失时,需要在数据边界内完成分析,不伪造转写或权限结果。

适合人员

  • 研发工程师:需要在会后快速确认讨论结论与待办,避免遗漏影响排期。
  • 项目经理:需要持续追踪决策变化,为复盘和后续推进提供证据。
  • PMO 或行政组织者:需要在季度或项目节点核对会议执行合规情况。
  • 数据分析或运营专员:需要从真实会议数据生成结构化报告并留档。