meeting-secretary

专业的会议秘书技能，用于分析会议转录文本并生成结构化会议纪要。当用户提供会议转录文本（或会议笔记文本），并要求分析会议内容、生成会议纪要、提取关键信息时使用此技能。

Overview

专业的会议秘书技能，对会议转录文本进行深度分析和结构化整理。输入为已完成转录的会议文本，输出为高质量的结构化会议纪要。

Core Capabilities

1. 智能会议分析

识别并分析以下维度：

会议类型识别

• 决策会议：需要达成明确结论的会议
• 讨论会议：开放性探讨，可能没有明确结论
• 项目会议：进度同步、任务分配
• 头脑风暴：创意生成、方案探索
• 一对一沟通：简短对话、信息同步
• 培训/分享：知识传递、教学
• 其他自定义类型

参与者观点分析

• 识别每个参与者的核心立场和需求
• 提取支持观点的关键论据
• 标注态度倾向（支持/反对/中立/保留意见）
• 发现潜在的利益冲突或分歧点

共识与分歧

• 明确标注已达成共识的内容
• 识别未解决争议或待讨论问题
• 判断共识程度（完全一致/多数同意/有保留）

待办事项提取

• 识别具体任务
• 明确责任人和时间节点
• 判断任务优先级
• 关联任务到具体讨论主题

价值点挖掘

• 提取关键洞察和创意
• 识别可复用的经验或方案
• 发现潜在风险或机会
• 记录重要决策依据

2. 细粒度信息分析 -- 核心能力

这是本技能最重要的能力模块。高价值信息往往隐藏在一两句话、一两个词、甚至说话的语气中。必须对每一个细节保持高度敏感。

关键词语敏感度分析

• 限定词捕捉: "暂时"、"原则上"、"基本可以"、"某种程度上"
  • 示例："原则上同意" = 有保留条件，并非完全同意
  • 示例："暂时不考虑" = 可能未来会考虑，留有余地
• 程度副词识别: "非常"、"比较"、"有点"、"不太"、"极其"
  • 反映态度强度和真实立场
• 否定形式: "不"、"没"、"别"、"难以"、"无法"
  • 注意双重否定、委婉否定
• 转折信号: "但是"、"不过"、"然而"、"虽然"
  • 转折后的内容才是真实态度
• 假设性表达: "如果"、"假如"、"要是"、"可能"
  • 表明不确定性和探索性想法

句式结构深度解读

• 被动句与主动句: 被动句可能暗示推卸责任或不明朗的责任归属
• 疑问句类型: 反问句暗示反对，设问句引出观点，疑问句表示怀疑
• 条件句: "只有...才..."、"只要...就..."揭示前提条件
• 祈使句: 直接表达命令或建议，反映权力关系和紧迫程度

语气与情感色彩分析

• 确定性程度: 绝对肯定/肯定/推测/犹豫/否定
• 情感倾向: 热情/冷淡/支持/反对/质疑/保留
• 紧迫性: 紧急/重要/一般/可延后
• 情绪状态: 焦虑/兴奋/沮丧/平静/愤怒

潜台词挖掘

• 未明说的顾虑: "这个想法很有趣" + 长停顿 = 实际有疑虑
• 隐含的前提: 基于某种未明说的假设展开讨论
• 弦外之音: 表面赞同但语气犹豫 = 实际反对
• 言外之意: "我们需要再研究一下" = 委婉拒绝或拖延

沉默与非语言信息

• 停顿时长: 长停顿可能表示思考、犹豫、不满或等待他人反应
• 打断与插话: 频繁打断表示急切、不尊重或急于表达
• 语速变化: 语速加快可能表示紧张、兴奋；语速放慢可能表示谨慎、思考

语境关联分析

• 前后文矛盾: 前后表述不一致，需要深挖原因
• 话题转换: 突然转换话题可能试图回避敏感问题
• 重复强调: 反复提及的内容是真正的关注点
• 避而不谈: 刻意回避的话题往往隐藏关键信息

细节锁定机制 对以下类型的内容保持最高敏感度：

1. 看似随意的一句评价: "我觉得...其实也行" = 可能是关键洞察
2. 轻描淡写的建议: "要不..."、"或许可以..." = 试探性重要想法
3. 简短的否定或质疑: "嗯..."、"这个..." = 不认同或犹豫
4. 突然的沉默或转移话题: 可能触及敏感点
5. 形容词和副词的选择: "勉强可以" vs "基本同意" = 态度微妙差别

价值密度评估框架 对每句话进行价值密度评分（1-10分）：

• 10分: 改变会议方向的关键洞察、重大决策、深层矛盾
• 7-9分: 重要论据、核心诉求、潜在风险
• 5-6分: 常规信息、标准观点
• 1-4分: 琐碎细节、重复信息
• 0分: 无关内容

高价值信息的特征：

• 出乎意料
• 改变整体理解
• 揭示深层问题
• 具有潜在影响
• 引发争议或思考

3. 动态纪要生成

根据会议类型和内容，智能选择最合适的纪要结构：

决策会议纪要结构

markdown

# 决策纪要

## 一句话概要
[用一句话概括会议核心内容和决策结果]

## 会议概览
- 会议主题
- 时间地点
- 参会人员
- 会议目标

## 细粒度分析摘要
### 关键发现
- [发言者]: "原则同意" → 实际有保留条件
- [发言者]: 转折后的真实立场
- [关键洞察]: 出乎意料的观点或发现

### 态度与情感图谱
- 张三: 强力支持（语气坚定，主动补充论据）
- 李四: 保留态度（使用限定词，犹豫）
- 王五: 潜在反对（频繁质疑）

### 潜台词解读
- 表面 vs 实际的对比分析
- 未明说的顾虑和担忧

## 讨论要点
- 各方观点
- 关键论据
- 争议焦点

## 决策结果
- 最终决策
- 决策依据
- 投票情况（如适用）
- 保留意见（如有）

## 行动计划
- 待办事项
- 责任人
- 时间节点

讨论会议纪要结构

markdown

# 讨论纪要

## 背景信息
- 讨论主题
- 参与人员
- 讨论背景

## 核心观点
- 按参与者/观点分类整理
- 关键论据和数据
- 观点演变过程

## 未达成共识点
- 争议问题
- 各方立场
- 后续建议

## 价值洞察
- 关键发现
- 潜在机会
- 风险提示

项目会议纪要结构

markdown

# 项目同步纪要

## 进度概况
- 整体进度
- 关键里程碑

## 任务分配
- 具体任务
- 责任人
- 截止时间

## 风险与问题
- 当前障碍
- 需要支持
- 风险评估

## 下一步行动

头脑风暴纪要结构

markdown

# 头脑风暴纪要

## 探索主题
- 讨论目标
- 约束条件

## 创意汇总
- 方案列表
- 初步评估
- 有潜力的方向

## 后续步骤
- 需要进一步探索的点
- 验证计划

简短沟通纪要结构

markdown

# 沟通纪要

## 一句话概要
[核心内容总结]

## 细粒度分析
### 关键信息捕捉
- [说话者的关键词选择]
- [语气和态度的微妙变化]
- [潜台词或隐含信息]

### 情感与意图
- 真实态度（vs 表面表达）
- 紧迫程度
- 后续需要关注的事项

## 核心信息
- 要点1
- 要点2

## 后续行动（如有）

Workflow

Step 1: 文本预处理

1. 读取用户提供的转录文本
2. 如果文本超过5000字，使用 scripts/split_long_transcript.py 进行智能分段
3. 整合信息，建立时间线或主题关联

Step 2: 会议特征识别

1. 分析会议规模（参与人数、时长）
2. 判断会议类型
3. 识别会议目标和主题
4. 评估会议正式程度

Step 3: 深度内容分析

1. 参与者角色识别: 谁主导？谁支持？谁质疑？
2. 观点提取: 每个人的核心诉求和立场
3. 论据分析: 支持观点的关键事实或数据
4. 共识判断: 哪些点达成一致？哪些存在分歧？
5. 价值挖掘: 什么洞察最有价值？有什么潜在影响？

Step 4: 细粒度信息深度挖掘 -- 关键步骤

这是整个流程中最重要的一步，需要逐句、逐词地细致分析。

4.1 第一轮扫描：关键词语标记

• 仔细阅读全部内容，标记所有敏感词汇：
  • 限定词（暂时、原则上、基本、比较...）
  • 转折词（但是、不过、然而...）
  • 否定词（不、没、别...）
  • 程度副词（非常、有点、不太...）
  • 疑问词（怎么、为什么、真的吗...）

4.2 第二轮扫描：语气与情感识别

• 对每个发言者的表达进行情感标注：
  • 确定程度（绝对/肯定/推测/犹豫）
  • 情感倾向（支持/反对/保留/质疑）
  • 紧迫程度（紧急/重要/一般）
  • 情绪状态（平静/焦虑/兴奋/沮丧）

4.3 第三轮扫描：潜台词推断

• 分析每句话背后的真实含义：
  • 表面赞同实际反对的证据
  • 未明说的顾虑和担忧
  • 隐含的前提和假设
  • 避而不谈的敏感点

4.4 第四轮扫描：矛盾与异常捕捉

• 识别前后不一致的地方：
  • 前后观点矛盾
  • 言行不一（如有）
  • 突然的话题转换
  • 不合理的沉默或停顿

4.5 第五轮扫描：价值密度评分

• 对每条信息进行1-10分价值评分：
  • 标注10分内容（关键洞察、重大决策）
  • 标注7-9分内容（重要论据、核心诉求）
  • 记录1-4分内容（一般信息）
  • 忽略0分内容（无关信息）

4.6 第六轮扫描：高价值信息交叉验证

• 将高价值片段放在一起分析：
  • 寻找隐藏的关联关系
  • 发现阶段性的逻辑链条
  • 识别未被明说的共识或分歧
  • 构建完整的信息图谱

输出格式示例：

markdown

## 细粒度分析摘要

### 关键发现（10分价值信息）
1. **[发言者]** "原则上同意" → 实际有保留条件，需进一步了解具体顾虑
2. **[发言者]** 长时间沉默后说"再研究吧" → 可能是委婉拒绝
3. **[发言者A]** 转折后说"但是..." → 转折后的内容才是真实立场

### 潜台词解读
- 表面："这个方案很有创意"
  实际：可能暗示不切实际、不可行
- 表面："我们需要更多数据"
  实际：可能在拖延或表示不信任现有数据

### 未明说的关键点
- [敏感点] 所有发言者都避而不谈的话题
- [隐含假设] 讨论基于但未明说的前提
- [真实顾虑] 未直接表达的担忧或恐惧

### 情感与态度图谱
- 张三：支持度高（语气坚定、主动补充）
- 李四：保留态度（使用限定词、犹豫语气）
- 王五：潜在反对（频繁质疑、言辞谨慎）

Step 5: 纪要结构设计

根据 Step 2 和 Step 3 的分析，选择最合适的纪要结构：

• 决策会议 → 决策导向结构
• 讨论会议 → 观点对比结构
• 项目会议 → 进度任务结构
• 头脑风暴 → 创意列表结构
• 简短沟通 → 精简摘要结构
• 自定义结构: 根据具体内容灵活调整

Step 6: 纪要撰写

1. 基本信息部分: 时间、地点、参会人员（如有）
2. 一句话概要: 用一句话概括会议核心内容
3. 主体内容: 根据选定结构组织
4. 待办事项: 明确、可执行、有时限
5. 价值点: 突出关键洞察和决策依据

Step 7: 质量检查

• 信息完整性：关键信息是否遗漏？
• 观点准确性：是否准确反映了参与者观点？
• 结构清晰性：逻辑是否清晰易懂？
• 可执行性：待办事项是否明确可执行？
• 价值突出：是否突出了最重要的价值点？

Best Practices

信息处理原则

1. 完整性优先: 宁可保留更多信息，不要遗漏关键内容
2. 准确性第一: 不确定的点标注"待确认"，不要臆测
3. 结构化呈现: 用清晰的层级和分类组织信息
4. 简洁表达: 去除冗余，保留核心

分析深度原则

1. 表面信息: 直接说了什么？
2. 潜在含义: 为什么这么说？背后的需求和顾虑是什么？
3. 关系洞察: 不同观点之间的关系？共识和分歧的根源？
4. 价值判断: 哪些洞察最有价值？对未来有什么影响？

纪要撰写原则

1. 适配性: 根据会议类型选择合适结构，不要套用固定模板
2. 可读性: 使用清晰的标题、列表和格式
3. 可操作性: 待办事项明确具体，责任到人
4. 可追溯性: 重要结论标注依据，便于后续回顾

Common Scenarios

场景1: 决策会议

特点: 需要在多个选项中做出选择，有明确的决策目标 重点: 各方立场、关键论据、最终决策、决策依据 纪要结构: 决策导向型

场景2: 讨论会议

特点: 探讨复杂问题，可能没有明确结论 重点: 多元观点、核心论据、未解决问题 纪要结构: 观点对比型

场景3: 项目同步

特点: 进度汇报、任务分配、问题识别 重点: 完成情况、当前问题、下一步行动 纪要结构: 任务清单型

场景4: 头脑风暴

特点: 开放式探索，生成大量创意 重点: 创意列表、初步评估、有潜力的方向 纪要结构: 创意汇总型

场景5: 一对一沟通

特点: 简短、非正式、信息快速交换 重点: 核心信息、行动项（如有） 纪要结构: 精简摘要型

场景6: 培训/分享

特点: 单向或双向知识传递 重点: 核心知识点、关键示例、参考资料 纪要结构: 知识梳理型

Output Format

所有纪要以Markdown格式输出，包含：

必需部分:

1. 标题（会议主题）
2. 一句话概要
3. 主体内容（根据会议类型动态组织）

可选部分（根据会议内容决定）:

• 基本信息（时间、地点、参会人员）
• 参与者观点分析
• 达成共识
• 分歧点
• 待办事项
• 价值洞察
• 风险提示
• 后续建议

Resources

scripts/

split_long_transcript.py - 长文本智能分段

将数万字的转录文本智能分段，确保AI分析质量。

使用示例:

bash

# 自动检测最佳分段方法
python scripts/split_long_transcript.py long_transcript.md -o segments/

# 指定分段方法
python scripts/split_long_transcript.py long_transcript.md --method semantic -o segments/

工作流程速查

短会议（< 5000字）: 直接分析转录文本

长会议（> 5000字）:

bash

# 1. 分段处理
python scripts/split_long_transcript.py transcript.md -o segments/

# 2. 逐段分析再整合