OpenClaw办公自动化：千问3.5-9B驱动会议纪要生成实践

OpenClaw办公自动化：千问3.5-9B驱动会议纪要生成实践

1. 为什么需要AI自动生成会议纪要

作为技术团队负责人，我每周要参加至少5场会议。过去总是陷入"开会时疯狂记录，会后花半小时整理"的循环。直到发现OpenClaw+千问3.5-9B的组合可以自动完成这项工作，我的工作效率提升了至少3倍。

传统会议记录有三大痛点：

• 信息遗漏：人工记录难以兼顾发言内容和上下文关联
• 格式混乱：原始笔记需要二次加工才能形成标准纪要
• 行动项模糊：待办事项常分散在记录各处，需要手动提取

通过OpenClaw对接本地部署的千问3.5-9B模型，现在只需在会议开始时说一句"开始记录"，结束时说"生成纪要"，就能自动获得结构化会议记录。这个方案特别适合1小时以内的技术讨论会，准确率能达到实用水平。

2. 环境准备与核心组件

2.1 硬件配置建议

我的实践环境是一台M1 Pro芯片的MacBook Pro（16GB内存），这是性价比很高的选择：

• CPU：Apple Silicon或Intel i5以上
• 内存：至少8GB（千问3.5-9B需要6GB左右）
• 存储：剩余空间20GB以上

Windows环境同样可行，但需要特别注意：

• 确保PowerShell版本≥7.0
• 管理员权限运行所有命令
• 防火墙放行18789端口

2.2 软件栈组成

这套方案的核心组件包括：

1. OpenClaw框架：负责音频采集、任务调度和操作执行
2. 千问3.5-9B模型：处理语音转文本和内容结构化
3. 飞书机器人：提供交互界面和结果推送（可选）

# 基础组件安装验证 openclaw --version # 应显示v0.8.0+ qwen-lm --version # 应显示3.5-9B

3. 关键配置步骤详解

3.1 模型接入配置

在~/.openclaw/openclaw.json中配置模型端点：

{ "models": { "providers": { "qwen-local": { "baseUrl": "http://localhost:8901/v1", "api": "openai-completions", "models": [ { "id": "qwen3-9b", "name": "Qwen Local", "contextWindow": 8192 } ] } } } }

启动模型服务时建议限制显存使用：

qwen-lm serve --model qwen3-9b --port 8901 --gpu-memory 6

3.2 音频采集模块设置

OpenClaw默认不启用音频采集，需要额外配置：

openclaw plugins install @m1heng-clawd/audio-capture

在飞书机器人对话窗口测试语音采集：

[测试指令] /openclaw audio-test

3.3 纪要生成技能安装

通过ClawHub安装会议处理技能包：

clawhub install meeting-minutes

该技能包包含三个核心功能：

1. 实时语音转写
2. 要点抽取与结构化
3. 待办事项生成

4. 实际工作流演示

4.1 会议记录全流程

1. 启动会议：在飞书对话窗口发送"/openclaw meeting-start"
2. 进行讨论：OpenClaw会自动录制音频并实时转写
3. 结束会议：发送"/openclaw meeting-end"
4. 获取纪要：3分钟内收到完整会议纪要Markdown文件

典型输出结构：

# 项目进度会纪要 - 2024-03-15 ## 核心议题 1. 后端API性能优化方案 2. 前端埋点数据异常排查 ## 决策要点 - 采用Redis缓存减轻数据库压力 - 下周三前完成压力测试 ## 待办事项 - [ ] @张三 提交性能测试方案（3月18日前） - [ ] @李四 修复埋点SDK版本冲突

4.2 效果优化技巧

经过两个月实践，我总结出这些提升准确率的方法：

• 环境降噪：使用外置麦克风降低键盘敲击声干扰
• 发言提示：关键结论前说"重点"二字，模型会给特殊标记
• 角色标注：会议开始时声明"主持人：张三，记录人：李四"
• 术语准备：提前在meeting-terms.md中添加专业词汇

5. 常见问题与解决方案

5.1 转写内容不完整

现象：会议后半段内容丢失
排查：

openclaw logs --service=audio

解决：

1. 检查audio-capture插件内存限制
2. 增加~/.openclaw/limits.json中的max_duration值

5.2 待办事项提取不准

优化方法：在会议结束时明确说"请生成待办事项"，模型会特别关注动作项。也可以在技能配置中调整权重：

{ "meeting-minutes": { "action_items": { "trigger_words": ["TODO", "待办", "请完成"] } } }

5.3 模型响应延迟

当会议超过40分钟时，可能出现处理延迟。建议：

1. 分段处理：每小时主动触发一次中间纪要
2. 硬件升级：为千问3.5-9B分配更多显存
3. 精度调整：在qwen-lm启动时添加--quant 8bit参数

6. 个人使用心得

这套方案最让我惊喜的不是技术本身，而是它改变了我主持会议的方式。现在我会：

• 提前5分钟发送议程到飞书群
• 要求参会者用"结论："前缀表达核心观点
• 会议结束立即分享AI生成的初版纪要

一个意外收获是，由于纪要实时可见，会议偏离主题的情况减少了约50%。不过需要注意：

• 敏感话题讨论仍需关闭记录功能
• 重要决策需要人工复核关键时间点
• 技术术语多的会议需要提前"训练"模型

从手动整理到自动生成，不仅是时间节省，更是工作模式的升级。现在我的团队已经养成"会毕即见纪要"的习惯，项目跟进效率明显提升。

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。