全流程会议助理虾
录音转写 → 会议纪要 → 提炼待办 → 飞书消息分发，一站式闭环。
前置要求
必须安装：
- SenseVoice 转写环境（详见 sensevoice-transcribe）：
- Python venv：
~/.openclaw/venvs/sensevoice/
- 依赖包：
funasr、modelscope、onnxruntime、torch
- 模型缓存（首次自动下载）：
~/.cache/modelscope/hub/models/iic/SenseVoiceSmall/
- 飞书应用凭证：
FEISHU_APP_ID、FEISHU_APP_SECRET
飞书应用权限：
im:message:send_as_bot — 以机器人身份发送消息contact:contact.base:readonly — 读取通讯录（按姓名查找用户 open_id）im:chat — 读取/创建会话
全流程工作流
收到用户发送的音频文件后，按以下顺序执行：
第一步：录音转写
使用 SenseVoice-Small 模型（FunASR）进行本地语音转写。
执行转写（Python 脚本）：
~/.openclaw/venvs/sensevoice/bin/python3 -c "
from funasr import AutoModel
from funasr.utils.postprocess_utils import rich_transcription_postprocess
from datetime import datetime, timedelta
import re, sys
wav = '<音频文件路径>'
out = '<输出路径>.txt'
# 尝试从文件名解析录音开始时间
m = re.search(r'(\d{8})_(\d{6})', wav)
start_dt = datetime.strptime(m.group(1)+m.group(2), '%Y%m%d%H%M%S') if m else None
vad_model = AutoModel(model='fsmn-vad', disable_update=True)
model = AutoModel(model='iic/SenseVoiceSmall', vad_model='fsmn-vad',
vad_kwargs={'max_single_segment_time': 30000}, device='cpu')
vad_segs = vad_model.generate(input=wav)[0].get('value', [])
res = model.generate(input=wav, cache={}, language='zh', use_itn=True,
batch_size_s=60, merge_vad=True)
texts = [rich_transcription_postprocess(s).strip()
for s in re.split(r'<\|zh\|>', res[0]['text']) if s.strip()]
texts = [s for s in texts if len(s) > 1]
# 情绪标签是模型产物，转写结果中需清理
emoji_pat = re.compile(r'[\U0001F600-\U0001F64F\U0001F300-\U0001F5FF\U0001F680-\U0001F6FF\U0001F700-\U0001F77F\U0001F780-\U0001F7FF\U0001F800-\U0001F8FF\U0001F900-\U0001F9FF\U0001FA00-\U0001FA6F\U0001FA70-\U0001FAFF\U00002702-\U000027B0\U0000FE00-\U0000FE0F\U0000200D]+')
ratio = len(vad_segs) / len(texts) if texts else 1
lines = []
if start_dt:
lines.append(f'[录音开始: {start_dt.strftime(\"%H:%M:%S\")}]')
for i, t in enumerate(texts):
t = emoji_pat.sub('', t).strip()
if not t:
continue
vi = min(int(i * ratio), len(vad_segs)-1)
ts = (start_dt + timedelta(milliseconds=vad_segs[vi][0])).strftime('%H:%M:%S') if start_dt else f'{vad_segs[vi][0]//1000:.0f}s'
lines.append(f'[{ts}] {t}')
with open(out, 'w', encoding='utf-8') as f:
f.write('\n'.join(lines))
print(f'Done: {len(texts)} segments -> {out}')
"
转写特点：
- RTF ~0.05（约 20x 实时速度，31 分钟录音约 1.5 分钟）
- 中文准确率 92%，幻觉率约 0（远优于 Whisper）
- 输出格式：
[HH:MM:SS] 文字，带 VAD 时间戳
- 模型会附带情绪 emoji 标签（😊😔😡等），是模型产物而非音频内容，自动清理
- 模型缓存位置：
~/.cache/modelscope/hub/models/iic/（首次自动下载，后续直接读取）
第二步：保存完整会议纪要
将 SenseVoice 输出的完整转写文本保存到本地文件：
./transcripts/<YYYY-MM-DD>-<会议主题或文件名>-full.txt
文件内容顶部加元信息：
【会议纪要】
日期：YYYY-MM-DD
来源：<音频文件名>
转写模型：SenseVoice-Small (FunASR)
---
<完整转写文本>
第三步：智能分析，提取待办
阅读完整转写文本，执行以下分析：
-
结构化总结 — 生成会议摘要（3-5 条核心结论/决议）
-
待办提取 — 逐条提取所有待办事项，每条包含：
- 📌 待办内容（具体、可执行）
- 👤 负责人（从对话上下文识别）
- ⏰ 截止时间（如提及）
- 📎 关联背景（为什么做、相关讨论）
-
负责人识别规则：
- 明确提到"张三负责XX"→ 直接标记
- 会议上某人对某事表态/承诺 → 标记为该人
- 无法确定负责人 → 标记为"待确认"
-
输出格式：
📋 会议总结
━━━━━━━━━━━━━━━━
1. 结论一
2. 结论二
✅ 待办清单（共 N 项）
━━━━━━━━━━━━━━━━
1. [待办内容] → 👤 张三 | ⏰ 3月30日前
2. [待办内容] → 👤 李四 | ⏰ 未定
3. [待办内容] → 👤 待确认
⚠️ 未识别负责人的待办（X 项）：
- ...
第四步：分发待办（飞书消息）
对已识别负责人的待办，通过飞书 IM 发送给对应人员。
4.1 发送前确认（必须）
展示分发预览，等待用户确认后再执行：
即将发送以下待办通知：
━━━━━━━━━━━━━━━━
→ 张三（2 项待办）
1. 完成 XX 方案
2. 联系 YY 确认排期
→ 李四（1 项待办）
1. 提交测试报告 ⏰ 3月28日
确认发送？(Y/N)
4.2 检测飞书发送通道
在执行分发前，按以下优先级检测可用的飞书发送方式：
优先级 1：OpenClaw + openclaw-lark 插件（推荐）
检查 openclaw-lark 插件是否已安装：
ls ~/.openclaw/extensions/openclaw-lark/ 2>/dev/null && echo "INSTALLED" || echo "NOT_INSTALLED"
优先级 2：飞书 Message API（curl 直接调用）
仅当 openclaw-lark 插件不可用且用户选择不安装时使用。
- 获取 tenant_access_token：
TOKEN=$(curl -s -X POST https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal \
-H "Content-Type: application/json" \
-d '{"app_id":"'"$FEISHU_APP_ID"'","app_secret":"'"$FEISHU_APP_SECRET"'"}' \
| jq -r '.tenant_access_token')
- 查找用户 open_id：
curl -s -X GET "https://open.feishu.cn/open-apis/contact/v3/users/find_by_department?department_id=0&page_size=50&user_id_type=open_id" \
-H "Authorization: Bearer $TOKEN" | jq -r '.data.items[] | select(.name=="张三") | .open_id'
- 发送消息：
curl -s -X POST "https://open.feishu.cn/open-apis/im/v1/messages?receive_id_type=open_id" \
-H "Authorization: Bearer $TOKEN" \
-H "Content-Type: application/json" \
-d '{
"receive_id": "<open_id>",
"msg_type": "interactive",
"content": "<飞书卡片 JSON>"
}'
Message API 方式需要手动管理 token 和格式化，且不支持飞书卡片模板。
4.3 消息模板
无论使用哪种发送方式，消息内容建议使用以下飞书卡片格式：
{
"config": {"wide_screen_mode": true},
"header": {
"title": {"tag": "plain_text", "content": "📋 会议待办通知"},
"template": "blue"
},
"elements": [
{"tag": "div", "text": {"tag": "lark_md", "content": "**来源：** XX会议 (3月26日)\n**待办：** 完成 XX 方案\n**截止：** 3月30日前"}},
{"tag": "action", "actions": [{"tag": "button", "text": {"tag": "plain_text", "content": "查看完整纪要"}, "type": "primary", "url": "<纪要链接>"}]}
]
}
如果不知道用户 open_id 或搜索不到，跳过该用户并向用户报告。
第五步：汇总汇报
全部完成后向用户汇报结果：
✅ 会议纪要处理完成
━━━━━━━━━━━━━━━━
📄 完整纪要：./transcripts/2026-03-26-产品评审-full.txt
📋 待办总计：5 项
📨 已分发：3 项（张三 2 项、李四 1 项）
⚠️ 待确认：2 项
- [待确认] XX 功能的技术方案选型
- [待确认] YY 项目的预算审批
关键规则
- 先转写再分析，先确认再发送 — 不跳步骤，不自动分发
- 转写引擎：SenseVoice-Small（FunASR），中文优化，准确率 92%，幻觉率约 0
- 情绪标签处理：SenseVoice 输出中的 emoji 标签是模型产物，保存纪要时自动清理
- 飞书发送通道优先级：openclaw-lark 插件 > Message API（curl）
- 分发前确认：永远不要未经用户确认就发送飞书消息给第三方
- 本地优先：所有转写结果和纪要保存在
./transcripts/ 目录
- 待办可执行：每条待办必须是具体动作（"写方案"✅ "处理一下"❌）
- 无法识别时主动问：负责人、截止时间不确定时，列出来让用户补充
飞书 Message API 参考（仅 openclaw-lark 不可用时使用）
详见 references/feishu-message-api.md。
