Openclaw Talk Analyzer

基于 AI 的对话分析工具，自动提取会议要点、销售异议、客户满意度、行动项及策略建议，支持多场景应用。

Talk Analyzer - AI 对话分析技能

技能概述

Talk Analyzer 是一个强大的 AI 驱动的商务对话分析工具，能够自动从会议记录、销售电话、客户支持对话中提取关键信息、行动项和策略建议。

核心能力

1. 多类型对话分析

• 会议分析 - 自动提取会议要点、决策和待办事项
• 销售分析 - 识别客户异议、购买信号和跟进策略
• 客服分析 - 评估服务质量、客户满意度和问题解决效率
• 谈判分析 - 分析双方立场、让步和谈判策略
• 面试分析 - 评估候选人资质和文化契合度
• 通用分析 - 适用于任何类型的对话内容

2. 智能提取功能

• 对话摘要 - 生成 2-3 句话的精炼总结
• 关键要点 - 自动提取讨论的主要话题和结论
• 行动项提取 - 识别任务、负责人和截止日期
• 决策记录 - 记录重要决定及其理由
• 情感分析 - 评估对话情绪和参与度
• 发言者画像 - 分析每个参与者的贡献和风格

3. 销售专用功能

• 异议识别 - 自动识别客户提出的顾虑（价格、时间、功能等）
• 购买信号 - 发现客户的购买意向和紧迫性
• 机会点 - 识别痛点、预算信号和决策权
• 跟进建议 - 基于对话内容生成下一步行动策略

4. AI 引擎支持

• Claude (Anthropic) - 主要分析引擎，提供深度理解
• OpenAI GPT - 备选引擎，提供多样化分析
• 本地 LLM - 支持私密对话的本地处理

使用场景

场景 1: 团队会议总结

输入: 1小时的团队会议记录 输出:

• 会议摘要
• 5-10 个关键决策点
• 每个人的待办事项（含截止日期）
• 需要后续讨论的话题

价值: 节省 30 分钟的会议纪要整理时间

场景 2: 销售电话分析

输入: 销售通话文字记录 输出:

• 客户需求和痛点
• 提出的异议及严重程度
• 购买信号和时间线
• 跟进策略建议

价值: 提高销售转化率 20-30%

场景 3: 客服质量评估

输入: 客服对话记录 输出:

• 客户满意度评分
• 问题解决质量
• 客服沟通技巧评估
• 改进建议

价值: 优化客服培训，提升客户满意度

场景 4: 批量对话分析

输入: 多个对话文件 输出:

• 每个对话的独立分析
• 跨对话的模式识别
• 趋势分析和洞察

价值: 发现系统性问题和机会

技能参数

必需参数

• input - 对话文本文件路径
• type - 分析类型（meeting/sales/support/negotiation/interview/general）

可选参数

• sentiment - 启用情感分析（布尔值）
• speakers - 参与者姓名列表（逗号分隔）
• focus - 关注的特定方面（如 "pricing,timeline,objections"）
• detailed - 生成详细分析报告（布尔值）
• output - 输出文件路径
• format - 输出格式（json/markdown）

使用示例

基础用法

bash

openclaw-talk analyze \
  --input meeting.txt \
  --type meeting

高级用法

bash

openclaw-talk analyze \
  --input sales-call.txt \
  --type sales \
  --sentiment \
  --speakers "John,Sarah" \
  --focus "objections,pricing,timeline" \
  --detailed \
  --output report.json

批量分析

bash

openclaw-talk batch \
  --config batch-config.json \
  --output-dir ./reports/

对话对比

bash

openclaw-talk compare \
  --inputs "call1.txt,call2.txt,call3.txt" \
  --type sales \
  --output comparison.md

输出示例

JSON 格式输出

json

{
  "type": "meeting",
  "summary": "团队讨论了 Q2 移动应用发布计划，确定4月底上线核心功能，离线模式推迟到5月。",
  "key_points": [
    "移动应用开发进度 70%",
    "推送通知需要 2 周，离线模式需要 4-5 周",
    "决定先发布核心功能，后续迭代添加离线模式",
    "批准营销预算 $30,000"
  ],
  "action_items": [
    {
      "task": "设置 50-100 人的 beta 测试计划",
      "owner": "Bob",
      "deadline": "明天",
      "priority": "high"
    },
    {
      "task": "制定营销策略并分享",
      "owner": "Charlie",
      "deadline": "周五",
      "priority": "high"
    }
  ],
  "decisions": [
    {
      "decision": "同时发布 iOS 和 Android 版本",
      "made_by": "Alice",
      "rationale": "用户群体平均分布"
    }
  ],
  "sentiment": {
    "overall": "positive",
    "participants": {
      "Alice": {"sentiment": "positive", "engagement_level": "high"},
      "Bob": {"sentiment": "neutral", "engagement_level": "medium"},
      "Charlie": {"sentiment": "positive", "engagement_level": "high"}
    }
  }
}

技术要求

环境要求

• Node.js 18.0.0 或更高版本
• npm 或 pnpm 包管理器

API 密钥

需要以下至少一个 AI 服务的 API 密钥：

• Anthropic Claude API Key
• OpenAI API Key
• 或本地 LLM 服务端点

输入格式

• 支持纯文本文件 (.txt)
• 推荐格式: 每个发言者独立一行
• 建议最小长度: 50 字符
• 支持自动语言检测

性能指标

• 分析速度: 1000 字对话约 10-20 秒
• 准确率: 关键信息提取准确率 > 90%
• 支持语言: 主要支持中文和英文
• 最大输入: 单次分析最多 100,000 字符

优势特点

1. 高度自动化 - 无需人工整理，一键生成结构化报告
2. 多场景适配 - 6 种预设分析类型，覆盖常见商务场景
3. 深度洞察 - 不仅提取信息，还提供策略建议
4. 灵活配置 - 丰富的参数支持定制化分析
5. 批量处理 - 支持同时分析多个对话文件
6. 隐私保护 - 支持本地 LLM，敏感对话不出本地

典型工作流

1. 收集对话 - 从会议、电话录音转文字
2. 配置分析 - 选择分析类型和关注点
3. 执行分析 - 运行 AI 分析引擎
4. 查看结果 - 获取结构化报告
5. 采取行动 - 基于洞察执行后续任务

集成能力

命令行集成

bash

# 在脚本中使用
./analyze.sh analyze --input "$MEETING_FILE" --type meeting > report.json

编程接口

typescript

import { ConversationAnalyzer } from 'openclaw-talk-analyzer';

const analyzer = new ConversationAnalyzer({...});
const result = await analyzer.analyze(input, options);

批处理

bash

# 定时任务分析每日会议
crontab -e
0 18 * * * /path/to/openclaw-talk batch --config daily-config.json

更新计划

v1.1.0 (即将推出)

• 实时音频转录集成
• PDF 报告导出
• Web 可视化仪表板

v1.2.0 (规划中)

• 多语言支持扩展
• CRM 系统集成（Salesforce, HubSpot）
• 团队协作功能

支持和文档

• 完整文档: https://github.com/ZhenRobotics/openclaw-talk-analyzer
• 快速开始: 见项目 QUICKSTART.md
• 示例文件: 包含真实场景示例
• 问题反馈: GitHub Issues

许可证

MIT License - 开源免费使用

---

让 AI 帮你从对话中提取价值，把时间用在更重要的事情上！