会议逐字稿分析师

处理非结构化会议数据的难题

在构建基于大语言模型的会议分析工具时，开发者常面临原始逐字稿难以直接消费的问题。一场一小时的会议可能产生数万字的无结构文本流，手动提取关键决策、待办事项和上下文不仅耗时，且极易遗漏。此外，不同会议平台的底层接口差异巨大，直接对接往往需要编写大量适配代码。本技能旨在将原始文本转化为标准化的结构化档案，让LLM或可视化组件能够直接读取和推理。

核心工作链路与数据产出

技能接收腾讯会议或飞书会议的链接作为输入，自动识别平台并调用对应的CLI工具（如 tmeet 或 lark-cli）拉取带时间戳和说话人的逐字稿。解析后，数据会被序列化为标准化的 .json 格式，所有实体通过ID互相回指。在此基础上，技能会生成 .drawio 概要图以展示会议阶段流与关键节点，并输出包含关键截图和决策汇总的 .md 与 .html 报告。

开发者可以按需选择投喂层：

• 快速理解全貌：输入 summary 与每个阶段的 summary
• 提取重点：输入 key_points[]、decisions[] 和 action_items[]
• 追溯原文：通过 decision_id 回指 supporting_utterances

适用边界与工程注意点

该工具的输出质量高度依赖平台原生的ASR（自动语音识别）置信度，若音频质量不佳，关键点抽取可能会出现漏检。截图功能依赖会议已开启云录制且画面包含共享内容。未配置LLM API Key时，系统会退化为规则启发式分析。由于会议数据包含敏感隐私，所有生成的产物必须严格遵循企业的安全合规要求进行存储与分发。