OpenClaw技能扩展指南：用ollama-QwQ-32B实现会议纪要自动化
OpenClaw技能扩展指南：用ollama-QwQ-32B实现会议纪要自动化
1. 为什么需要会议纪要自动化？
上周三的部门例会让我彻底崩溃了——90分钟的会议录音，手动整理成纪要花了整整两小时。作为技术负责人，我发现自己40%的时间都消耗在重复性文档工作上。这促使我开始寻找自动化解决方案，直到在OpenClaw社区发现了meeting-minutes技能包。
传统自动化工具的问题在于：
- 语音转文字工具只能生成原始文本，仍需人工提炼重点
- 信息提取脚本需要预先定义固定模板，无法适应灵活场景
- 商业SaaS方案存在数据隐私风险，且无法与企业内部系统打通
OpenClaw的独特价值在于：
- 全流程自动化：从语音输入到最终纪要输出完整链路
- 模型驱动决策：利用大语言模型理解会议内容，动态提取关键信息
- 本地化部署：敏感会议内容无需上传第三方服务器
- 可定制工作流：可根据不同会议类型调整输出模板
2. 环境准备与模型部署
2.1 基础环境搭建
我的实践环境：
- MacBook Pro (M1 Pro, 32GB内存)
- macOS Ventura 13.4
- OpenClaw v0.8.3 (通过Homebrew安装)
# 安装OpenClaw核心组件 brew install node@22 npm install -g openclaw@latest openclaw --version2.2 ollama-QwQ-32B模型部署
选择ollama-QwQ-32B的原因：
- 支持32k上下文窗口，适合处理长会议录音
- 中文理解能力优秀，能准确识别专业术语
- 兼容OpenAI API协议，便于OpenClaw对接
部署步骤：
- 在星图平台获取ollama-QwQ-32B镜像
- 本地启动模型服务（默认端口11434）
docker run -d -p 11434:11434 ollama/qwq-32b验证服务可用性：
curl http://localhost:11434/api/generate -d '{ "model": "qwq-32b", "prompt": "测试模型响应" }'3. 技能安装与配置
3.1 安装meeting-minutes技能包
通过ClawHub查找合适技能：
clawhub search --keyword "会议纪要"安装过程遇到的两个坑：
- 首次安装失败：npm镜像源问题（切换回官方源解决）
- 依赖冲突：需要先卸载旧版audio-processor插件
最终安装命令：
clawhub install meeting-minutes --force3.2 OpenClaw模型配置
修改~/.openclaw/openclaw.json：
{ "models": { "providers": { "ollama-qwq": { "baseUrl": "http://localhost:11434", "api": "openai-completions", "models": [ { "id": "qwq-32b", "name": "本地QwQ-32B", "contextWindow": 32768 } ] } }, "default": "qwq-32b" } }关键配置项说明：
baseUrl指向本地ollama服务地址api必须设为openai-completions确保协议兼容contextWindow需与模型实际能力匹配
4. 实战：会议纪要生成全流程
4.1 输入准备阶段
我采用的三种输入方式对比：
- 实时录音：通过系统麦克风直接采集（适合线下会议）
- 音频文件：上传Zoom/Teams会议录音（适合远程会议）
- 文字实录：直接粘贴已有转录文本（适合快速验证）
音频处理技巧：
- 采样率建议16kHz以上
- 单说话人场景效果最佳
- 背景噪声会影响识别准确率
4.2 技能执行过程
典型工作流分解：
- 语音转文字（调用whisper.cpp本地模型）
- 内容分段与发言人识别
- 关键决策点提取
- 待办事项归纳
- 按模板生成最终纪要
执行命令示例：
openclaw execute meeting-minutes --input meeting.mp3 --template startup4.3 输出定制技巧
修改模板文件~/.openclaw/workspace/templates/meeting.md：
## {{meeting_title}} **时间**：{{date}} {{time}} **地点**：{{location}} ### 参会人员 {{#attendees}} - {{name}} ({{role}}) {{/attendees}} ### 核心议题 {{#topics}} 1. **{{title}}** {{summary}} {{#decisions}}[决策] {{.}}{{/decisions}} {{/topics}} ### 行动计划 {{#actions}} - [ ] {{owner}} 负责 {{task}} (DDL: {{deadline}}) {{/actions}}5. 效果优化与问题排查
5.1 准确率提升方法
经过两周调优，我的经验总结：
- 提示词工程：为模型提供明确的角色设定
你是一位专业的会议纪要整理助手，需要从录音中提取： 1. 每个议题的讨论要点 2. 达成的明确决策 3. 具体的行动计划（包含负责人和截止时间）- 后处理规则：添加关键词过滤列表（如"重要"、"决定"等触发词）
- 人工校验机制：设置置信度阈值，低分内容标红提示
5.2 常见问题解决方案
问题1：模型混淆相似人名
解决：在参会人员列表中添加职务信息辅助区分
问题2：技术术语识别错误
解决：在技能配置中添加领域术语表
问题3：长会议内存溢出
解决：启用自动分块处理，每30分钟切割一次音频
6. 扩展应用场景
除标准会议纪要外，这套方案还可用于：
- 客户访谈分析：自动提取客户痛点和需求点
- 培训课程摘要：生成课程重点和复习要点
- 日常站立会记录：自动跟踪任务进度和阻塞问题
我团队目前的进阶用法：
- 与企业微信机器人集成，自动推送会议纪要
- 对接CRM系统，自动创建跟进任务
- 基于历史会议数据生成季度复盘报告
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。