OpenClaw技能组合：Qwen3.5-9B实现会议纪要自动生成与待办同步
OpenClaw技能组合：Qwen3.5-9B实现会议纪要自动生成与待办同步
1. 为什么需要自动化会议管理
每周三下午的部门例会是我最头疼的时刻。作为项目负责人，我需要同时记录技术方案讨论、任务分配和时间节点，会后还要整理出待办事项同步给团队成员。经常出现两种尴尬情况：要么埋头记录错过关键讨论，要么会后花两小时整理录音和笔记。
直到发现OpenClaw的"语音转文字+任务提取+日历同步"技能组合，这套工作流终于被彻底重构。现在我的MacBook会在会议开始时自动录音，实时转写成文字；Qwen3.5-9B模型像专业秘书一样提取关键结论和待办事项；最后这些任务项会自动同步到飞书日历和待办清单。整个过程完全在本地完成，敏感的技术方案和人员安排不会泄露到第三方平台。
2. 环境准备与技能安装
2.1 基础环境搭建
我的设备是M1芯片的MacBook Pro，系统版本macOS 13.4。首先通过Homebrew安装Node.js运行环境：
brew install node@22 npm install -g openclaw@latest验证安装成功后，执行初始化向导。这里选择Advanced模式手动配置模型参数：
openclaw onboard在模型选择环节，填入星图平台部署的Qwen3.5-9B私有化地址。关键配置项包括：
baseUrl: 内网模型服务地址（如http://192.168.1.100:8080/v1）apiKey: 平台分配的访问密钥contextWindow: 32768（匹配Qwen3.5的上下文长度）
2.2 核心技能安装
通过ClawHub安装三个关键技能模块：
clawhub install speech-to-text task-extractor calendar-sync安装过程中遇到两个典型问题值得分享：
- 权限不足：
speech-to-text需要麦克风访问权限，需在系统设置-隐私中手动授权 - 依赖冲突：
calendar-sync的飞书SDK版本与其他模块不兼容，通过--force参数强制安装特定版本解决
安装完成后，在~/.openclaw/openclaw.json中配置飞书应用凭证：
{ "channels": { "feishu": { "appId": "cli_xxxxxx", "appSecret": "xxxxxxxx" } }, "skills": { "calendarSync": { "defaultCalendar": "技术部日程" } } }3. 会议自动化全流程配置
3.1 会前准备自动化
创建meeting_helper.sh脚本，实现会前5分钟自动完成：
- 检测会议室是否空闲（通过企业微信接口）
- 生成空白会议模板（Markdown格式）
- 启动录音监听进程
#!/bin/bash # 检测会议室状态 curl -X GET "https://qyapi.weixin.qq.com/cgi-bin/check_room?room_id=301" # 生成会议模板 cat > /tmp/meeting_template.md << EOF ## $(date '+%Y-%m-%d') 技术部例会 ### 参会人员 $(openclaw query "列出技术部当前在岗成员") ### 议程 1. 项目A进展同步 2. 技术方案评审 3. 问题讨论 EOF # 启动录音监听 openclaw skill speech-to-text --start --output=/tmp/meeting_$(date +%s).wav通过crontab设置定时任务：
0 13 * * 3 /path/to/meeting_helper.sh3.2 会中实时转写优化
实际使用中发现，直接使用原始转写效果不理想。通过调整speech-to-text参数显著提升准确率：
{ "skills": { "speechToText": { "noiseSuppression": "aggressive", "punctuation": true, "speakerDiarization": true, "customVocabulary": ["K8s", "CI/CD", "QPS"] } } }关键改进点：
- 开启说话人分离后，能区分不同发言人的内容
- 添加技术术语词典减少专有名词错误
- 启用标点预测使文本更易读
3.3 会后智能处理流水线
会议结束后触发处理流水线：
openclaw run pipeline meeting_pipeline -i /tmp/meeting_*.wav这个pipeline包含三个阶段：
- 语音转写：将录音转为带时间戳的文本
- 纪要生成：Qwen3.5-9B模型执行以下操作：
- 提取关键决策点
- 识别任务项（含负责人和截止时间）
- 生成结构化会议摘要
- 日历同步：将任务项写入飞书日历，并@相关责任人
示例输出片段：
## 关键结论 - 通过技术方案B的评审（需补充性能测试报告） - 项目A延期至6月15日交付 ## 待办事项 1. [@张三] 编写压力测试用例（6月5日前） 2. [@李四] 协调运维资源部署（6月8日前）4. 效果验证与调优心得
经过三个月实际使用，这套方案平均每周为我节省4小时手工处理时间。但实现稳定运行需要持续优化：
模型参数调优：
- 将temperature从0.7降到0.3，减少创造性但提高一致性
- 设置
max_tokens=2048确保完整输出 - 添加提示词模板约束输出格式：
你是一个专业的会议秘书，请严格按以下结构输出： 1. 关键结论（不超过5条） 2. 待办事项（包含负责人和截止时间） 禁止添加解释性内容异常处理机制：
- 录音中断时自动重试3次
- 模型响应超时（>30秒）触发降级方案：
- 改用本地缓存的精简模型
- 仅输出原始转写文本
- 日历同步失败时自动保存到本地文件
最惊喜的是Qwen3.5-9B对技术讨论的理解能力——它能准确识别"需要验证Redis集群的吞吐量"这样的专业表述，并自动关联到负责缓存模块的同事。这种上下文理解能力是传统规则引擎难以实现的。
5. 安全与隐私考量
所有数据处理都在本地完成的设计带来明显优势：
- 录音文件始终保存在
/tmp目录，会议结束后自动删除 - 模型调用通过内网地址，不经过公有云
- 飞书同步采用最小权限原则，仅写入日历不读取历史数据
但需要特别注意：
- 定期清理
~/.openclaw/cache中的临时文件 - 为OpenClaw进程设置专用系统账户
- 在BIOS中禁用麦克风硬件开关（防止物理层窃听）
这套方案特别适合我们这种需要频繁讨论敏感技术细节的研发团队。相比使用第三方SaaS工具，既保持了自动化效率，又杜绝了商业机密外泄的风险。
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。