OpenClaw技能扩展实战：用Gemma-3-12b-it构建会议纪要生成器
OpenClaw技能扩展实战：用Gemma-3-12b-it构建会议纪要生成器
1. 为什么需要自动化会议纪要
每次开完会最头疼的事情是什么？对我来说就是整理会议纪要。作为团队里经常主持会议的人，我试过各种方法：手动记录关键词、用录音笔事后回听、甚至让同事轮流做纪要。但这些方法要么漏掉关键信息，要么耗费大量时间。
直到上个月在调试OpenClaw的音频处理功能时，我突然想到：能不能让AI自动完成录音转写、信息提取和格式整理的全流程？经过两周的折腾，终于用Gemma-3-12b-it模型搭建出一套可用的自动化方案。现在每次会议结束后5分钟内，飞书群里就会自动出现结构化会议纪要的草稿。
2. 技术方案设计思路
2.1 核心组件选型
这个方案需要三个关键组件协同工作：
- 音频采集模块：使用ClawHub社区的
audio-transcriber技能包，支持实时录音和语音转文字 - 信息处理模块：调用本地部署的Gemma-3-12b-it模型，从转写文本中提取结构化信息
- 输出交付模块：通过飞书机器人将生成的Markdown纪要推送到指定群聊
选择Gemma-3-12b-it是因为它的指令微调特性。在测试中发现，相比基础版模型，它对"提取关键决议"、"识别待办事项"这类任务的理解更精准，且12B参数量的模型在我的开发机上（RTX 3090）能流畅运行。
2.2 工作流设计
整个自动化流程分为四个阶段：
- 会议录音阶段：通过
audio-transcriber技能持续录制会议音频 - 文本转写阶段：会议结束后自动调用Whisper模型进行语音转文字
- 信息提取阶段：将转写文本发送给Gemma模型，提取以下结构化信息：
- 会议主题
- 关键讨论点
- 达成的决议
- 待办事项（含负责人和截止时间）
- 格式整理与推送：将模型输出转换为Markdown格式，通过飞书机器人发送
3. 具体实现步骤
3.1 基础环境准备
首先确保已部署好OpenClaw核心服务，并配置了飞书通道。我的环境是Ubuntu 22.04 + OpenClaw v1.3.2，飞书机器人采用WebSocket连接方式。
# 检查OpenClaw版本 openclaw --version # 查看已安装插件 openclaw plugins list3.2 安装音频处理技能
通过ClawHub安装audio-transcriber技能包：
clawhub install audio-transcriber # 安装后需要重启网关 openclaw gateway restart这个技能包依赖PyAudio和Whisper模型。安装过程中会自动下载约1.4GB的模型文件，建议保持网络畅通。
3.3 配置Gemma模型接入
在~/.openclaw/openclaw.json中添加Gemma模型配置：
{ "models": { "providers": { "local-gemma": { "baseUrl": "http://localhost:5000/v1", "apiKey": "sk-no-key-required", "api": "openai-completions", "models": [ { "id": "gemma-3-12b-it", "name": "Gemma 3 12B Instruct", "contextWindow": 8192, "maxTokens": 4096 } ] } } } }这里假设Gemma模型服务运行在本地5000端口。我使用的是星图平台的Gemma镜像，启动命令如下：
docker run -p 5000:5000 --gpus all gemma-3-12b-it-webui --api --model gemma-3-12b-it3.4 创建自动化任务脚本
在OpenClaw的工作目录下创建meeting_miner.py：
from openclaw.skills.audio_transcriber import MeetingRecorder from openclaw.utils import markdown_formatter def process_meeting(): # 1. 录制会议 recorder = MeetingRecorder() audio_file = recorder.record(duration_minutes=60) # 2. 语音转文字 transcript = recorder.transcribe(audio_file) # 3. 调用Gemma提取关键信息 prompt = f"""请从以下会议记录中提取： 1. 会议主题（单行总结） 2. 3-5个关键讨论点（带序号列表） 3. 达成的决议（每个决议包含执行人和截止时间） 4. 待办事项（格式：[负责人] 任务内容 @截止时间） 会议记录：{transcript}""" analysis = openclaw.models.complete( model="gemma-3-12b-it", prompt=prompt, max_tokens=1024 ) # 4. 格式化为Markdown md_content = markdown_formatter(analysis) # 5. 通过飞书发送 openclaw.channels.feishu.send_markdown( title="会议纪要草稿", content=md_content, group_id="your_chat_id" )3.5 设置触发方式
有两种方式可以触发这个自动化流程：
- 手动触发：在OpenClaw控制台直接运行Python脚本
- 自动触发：通过飞书机器人命令，比如发送"开始记录会议"
我选择了第二种方式，需要在飞书开放平台配置自定义指令：
{ "commands": [ { "name": "record_meeting", "description": "开始记录会议并生成纪要", "handler": "meeting_miner.process_meeting" } ] }4. 实际效果与优化
4.1 生成示例
上周三的产品评审会测试了这套系统，生成的Markdown纪要包含：
# 产品V2.3版本评审会 ## 关键讨论点 1. 用户反馈新界面学习成本较高 2. 导出PDF功能性能瓶颈 3. 移动端适配进度滞后 ## 决议事项 - [前端组] 增加新手引导流程 @2024-05-30 - [后端组] 优化PDF生成算法 @2024-05-25 ## 待办事项 - [设计师] 提供简化版界面方案 @2024-05-20 - [测试] 完成移动端回归测试 @2024-05-224.2 遇到的坑与解决方案
问题1：转写文本分段混乱初期直接使用原始转写文本时，Gemma经常把不同人的发言内容混淆。解决方案是在发送给模型前，先用简单的正则表达式按时间戳分段：
# 在process_meeting()中添加 segments = re.split(r'\[\d{2}:\d{2}\]', transcript) clean_transcript = "\n".join([f"发言{i}: {s.strip()}" for i,s in enumerate(segments)])问题2：待办事项识别不准Gemma有时会把普通讨论误判为待办项。通过改进prompt engineering解决：
prompt = f"""...（前略）... 待办事项识别规则： - 必须包含明确的责任人（在方括号内） - 必须包含具体可执行的动作 - 必须有明确的截止时间（@开头） """5. 方案适用边界
经过一个月的使用，我发现这个方案最适合以下场景：
- 5-8人规模的团队会议
- 60分钟以内的会议时长
- 有明确议程的结构化讨论
而对于以下情况效果会打折扣：
- 多人同时发言的头脑风暴
- 涉及大量专业术语的技术评审
- 需要保留完整发言记录的法律会议
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。