OpenClaw+Qwen3.5-9B自动化办公：会议纪要生成与重点提取
OpenClaw+Qwen3.5-9B自动化办公：会议纪要生成与重点提取
1. 为什么需要自动化会议纪要
每周三下午的团队例会是我最头疼的时刻——90分钟的讨论往往产生大量碎片信息，会后需要花40分钟整理纪要。直到我发现OpenClaw+Qwen3.5-9B这个组合，才真正解决了这个痛点。
传统会议纪要的三大痛点：
- 信息遗漏：人工记录难以完整捕捉所有发言要点
- 耗时费力：1小时会议平均需要30+分钟整理
- 行动项模糊：关键待办事项常被埋没在长篇记录中
通过将飞书妙记的语音转文字结果，用Qwen3.5-9B进行结构化处理，现在我的会议纪要生成时间缩短到5分钟以内。更重要的是，系统能自动识别出7成以上的待办事项，准确率远超人工记录。
2. 技术方案设计思路
2.1 核心工具选型
这套方案由三个关键组件构成：
- 飞书妙记：负责会议录音和初步语音转文字（准确率约85%）
- Qwen3.5-9B-AWQ-4bit：本地部署的轻量模型，处理文本分析与结构化
- OpenClaw：作为自动化执行框架，连接各环节并操作系统
选择Qwen3.5-9B的AWQ量化版本是经过实测对比的——在16GB内存的MacBook Pro上，4bit量化模型推理速度比原版快2.3倍，而质量损失不到5%。
2.2 工作流设计
整个自动化流程分为四个阶段：
graph TD A[会议录音] --> B[语音转文字] B --> C[文本结构化处理] C --> D[飞书文档填充] D --> E[待办事项提醒]实际运行时，OpenClaw会监控飞书妙记的输出目录，当检测到新生成的文字稿时自动触发后续流程。这个设计避免了轮询造成的资源浪费。
3. 具体实现步骤
3.1 环境准备
首先确保已部署好基础环境：
# 安装OpenClaw核心组件 curl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --provider=qwen --model=qwen3-9b-awq然后在飞书开放平台创建自建应用，获取appId和appSecret，配置到OpenClaw中：
{ "channels": { "feishu": { "enabled": true, "appId": "your_app_id", "appSecret": "your_app_secret" } } }3.2 核心技能部署
安装会议处理专用skill：
clawhub install meeting-minutes这个skill包含三个关键功能模块：
- 关键论点提取：识别讨论中的决策点
- 待办事项识别：抓取承诺性语句（如"我下周完成"）
- 摘要生成：用三段式结构输出会议概要
3.3 自动化规则配置
在~/.openclaw/skills/meeting-minutes/config.json中设置：
{ "output_template": { "header": "## {meeting_title}", "sections": [ {"name": "背景", "prompt": "用100字概括会议背景"}, {"name": "结论", "prompt": "列出3-5条关键结论"}, {"name": "待办", "prompt": "提取所有待办事项并标注负责人"} ] } }特别建议为不同会议类型创建不同模板。我们的产品评审会和技术讨论会就使用了不同的摘要结构。
4. 实际效果演示
上周的跨部门协调会真实案例：
- 原始记录：飞书妙记生成的1.2万字文字稿
- 处理耗时：3分12秒（M1 Max芯片）
- 输出结果：
- 自动生成的500字结构化摘要
- 识别出9个待办事项（人工复核确认7个完全准确）
- 自动创建了飞书待办并@相关责任人
最让我惊喜的是，系统甚至发现了两个时间冲突的承诺（A同事说周四交付，B同事计划周五使用该产出），这在人工记录时经常被忽略。
5. 踩坑与优化经验
5.1 初期遇到的典型问题
问题1：模型将"可能需要"误判为待办事项
- 解决方案：在prompt中明确"必须包含明确责任人"
问题2：技术术语识别错误
- 优化方法：在skill配置中添加领域术语表
问题3：飞书文档格式错乱
- 修复方案：改用Markdown语法再转换为飞书文档
5.2 性能调优建议
对于较长会议（>1小时），建议启用分块处理：
# 在skill的preprocessor.py中添加 def chunk_text(text, max_length=2000): return [text[i:i+max_length] for i in range(0, len(text), max_length)]同时调整OpenClaw的内存配置：
openclaw config set --memory=8G6. 适用边界与注意事项
这套方案最适合3-8人、时长30-90分钟的结构化会议。在以下场景需要谨慎使用：
- 头脑风暴会议：发散性内容难以结构化
- 高度专业领域：需要额外训练领域模型
- 多语言混合场景：中英混杂时准确率下降约15%
隐私方面需特别注意：
- 会议录音文件始终保存在本地
- 文字稿处理前会移除参与者姓名（可配置）
- 所有中间数据在处理完成后自动删除
经过三个月的使用，这套系统已经帮我节省了超过40小时的手动整理时间。最大的价值不在于时间节省本身，而是确保没有重要结论在混乱的会议记录中丢失。
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。