OpenClaw会议纪要神器：千问3.5-27B实时转录与待办提取

OpenClaw会议纪要神器千问3.5-27B实时转录与待办提取1. 为什么需要自动化会议纪要每次开完会最痛苦的事情是什么对我来说就是整理会议纪要。作为技术团队负责人每周要参加5-6个会议经常出现以下场景会议中忙着讨论漏记关键结论会后花半小时听录音补笔记待办事项散落在不同段落需要手动提取最后还要把整理好的内容同步到Notion知识库直到我发现OpenClaw千问3.5-27B这个组合才真正解决了这个痛点。现在我的会议纪要流程变成了飞书会议录音→实时语音转文字→AI自动提取决议和待办→同步到Notion。整个过程完全自动化我只需要在最后检查一遍即可。2. 技术方案设计思路2.1 核心组件选型这个自动化方案由三个关键部分组成飞书会议API获取实时音频流和会议元数据千问3.5-27B模型处理转录文本理解会议内容OpenClaw框架串联整个流程执行自动化操作选择千问3.5-27B是因为它在中文场景下的表现对技术讨论中的专业术语理解准确能有效区分讨论内容和决议事项处理长文本时上下文保持能力强2.2 工作流设计整个自动化流程分为四个阶段会前准备创建Notion页面模板配置飞书应用权限会中转录通过飞书API获取实时音频转文字会后处理调用千问模型分析文本提取结构化信息结果同步将会议纪要和待办写入Notion最关键的创新点是实时处理设计——不是等会议结束才处理完整录音而是在会议进行中就分段发送给模型分析。这样有两个好处减少最终处理时的上下文长度压力可以在会议进行中就发现可能的遗漏点3. 具体实现步骤3.1 环境准备首先需要部署好基础环境# 安装OpenClaw curl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --install-daemon # 安装飞书插件 openclaw plugins install m1heng-clawd/feishu然后在飞书开放平台创建自建应用获取App ID和App Secret配置到OpenClaw{ channels: { feishu: { enabled: true, appId: your_app_id, appSecret: your_app_secret, connectionMode: websocket } } }3.2 模型接入配置在~/.openclaw/openclaw.json中配置千问3.5-27B模型{ models: { providers: { qwen-portal: { baseUrl: http://your-qwen-model-address, apiKey: your_api_key, api: openai-completions, models: [ { id: qwen3-27b, name: Qwen3.5-27B, contextWindow: 32768 } ] } } } }3.3 核心技能开发我开发了一个自定义Skill来处理会议纪要主要逻辑包括音频流处理通过飞书API获取实时音频使用Whisper进行转写分段分析每3分钟将转录文本发送给千问模型提取关键信息决议识别使用prompt工程让模型识别会议中的决策点待办提取从讨论内容中抽取出具体的行动项和责任人核心prompt示例你是一个专业的会议纪要助手请从以下会议讨论中 1. 识别出已做出的明确决议 2. 提取具体的待办事项包括负责人和截止时间 3. 忽略尚未达成一致的讨论内容 输出格式为JSON { decisions: [], todos: [] }3.4 Notion自动同步配置Notion集成后使用OpenClaw的HTTP技能将结果写入数据库// 伪代码示例 const saveToNotion async (meetingData) { const response await fetch(https://api.notion.com/v1/pages, { method: POST, headers: { Authorization: Bearer ${NOTION_TOKEN}, Content-Type: application/json }, body: JSON.stringify({ parent: { database_id: DATABASE_ID }, properties: createNotionProperties(meetingData) }) }); return response.json(); };4. 实际效果与优化4.1 使用效果对比使用前后的对比非常明显指标手动记录OpenClaw自动化纪要耗时30分钟5分钟检查待办遗漏率约20%低于5%决议准确性依赖记录者客观一致知识沉淀分散自动归档4.2 遇到的坑与解决在实现过程中遇到几个典型问题飞书音频流中断发现是网络抖动导致通过增加重试机制解决模型理解偏差初期千问会把讨论建议误认为决议通过调整prompt解决Notion API限速添加了队列机制控制写入频率长会议内存溢出改为分段处理每20分钟清理一次上下文最大的收获是自动化不是要100%替代人工而是把人的时间用在最有价值的复核和决策上。5. 扩展应用场景这个方案经过简单调整可以用于客户会议自动提取客户需求和承诺技术评审记录技术决策和TODO日常站会自动生成冲刺进度报告培训会议生成知识点摘要和QA列表一个意外收获是因为纪要实时可见参会者会更有意识地明确表述决议事项反而提高了会议效率。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。