1. 为什么我要把会议记录拆成三块来写每周至少五场会每场会结束之后最头疼的不是开会本身而是会后整理。以前我的做法是打开一个空白文档一边听录音一边把所有人说的话按时间顺序敲下来一场一小时的会整理完差不多要四十分钟写出来的东西像流水账谁说了什么、哪些是拍板的、哪些还要再议全混在一起。过两天回头翻自己都找不到重点。后来我换了个思路会议记录的本质不是“记录会议”而是“记录会议产生的行动”。一场会开完真正有价值的信息只有三类——已经定下来的决定、需要有人去做的待办、还没定需要再确认的事项。其他的寒暄、讨论过程、中间跑题的内容都是噪音。把这三类信息分开写会议记录才真正能用。这个思路听起来简单但手工做依然费时间。直到我开始用AI来辅助整理整个流程才真正跑通。现在我的做法是会照常开录音照常录会后把录音转成文字稿然后把文字稿丢给AI用一套固定的提示词让它按“决定、待办、待确认”三个板块输出结构化记录。整个过程从原来的四十分钟压缩到十分钟以内而且输出质量比我手工整理还稳定。这篇文章就是把我这套方法完整拆开包括提示词怎么写、AI输出怎么校验、不同会议类型怎么调整模板、踩过哪些坑。如果你也经常被会议记录折磨或者团队里没人愿意做会议纪要这套方法可以直接抄作业。2. 核心思路拆解为什么是“决定、待办、待确认”三分法2.1 传统会议记录的三个致命问题在讲具体怎么做之前先说说我以前踩过的坑这样你更能理解为什么三分法是有效的。第一个问题是信息平权。传统记录方式把所有发言按时间顺序排列导致一个关键决策和一句闲聊在文档里占同样的篇幅。读的人需要自己判断哪句重要这本身就是巨大的认知负担。我统计过自己以前的会议记录平均一场一小时的会产出三千字左右的文字稿其中真正需要后续跟进的内容不超过五百字占比不到两成。第二个问题是责任模糊。待办事项混在讨论过程里没有明确的负责人和截止时间。会上大家点头说“好的”会后没人知道到底谁来做、什么时候交。这种模糊性直接导致任务落地率低下次开会又要把同样的事情重新讨论一遍。第三个问题是决策丢失。有些决定是在讨论过程中自然形成的没有明确的“我们决定……”这样的句式事后整理时很容易被忽略。等过两周再回头看完全不记得当时为什么选了A方案而不是B方案。2.2 三分法的逻辑按“信息用途”而不是“时间顺序”组织三分法的核心逻辑是按信息的后续用途来分类而不是按信息产生的时间顺序来排列。决定已经拍板的事项后续不需要再讨论只需要执行或知会。用途是“存档和追溯”。待办需要具体某人去完成的事项有明确的动作和预期产出。用途是“任务分派和跟进”。待确认讨论中没有结论、需要更多信息或更多人参与才能定的事项。用途是“下次会议的输入”。这三类信息的生命周期完全不同。决定一旦做出就固定了待办会随着完成而消失待确认会在下次会议上转化为决定或新的待办。把它们混在一起就像把档案、任务清单和问题列表塞进同一个抽屉找什么都找不到。2.3 为什么用AI来做这件事有人可能会问既然三分法的逻辑这么清晰手工做不就行了手工做当然可以但有两个问题。第一是速度一场一小时的会文字稿少说五千字人工从中提取三类信息并分类至少需要二十分钟而且容易漏。第二是一致性不同的人整理同一场会输出格式和颗粒度完全不同团队协作时很难统一。AI的优势在于模式识别能力强、输出格式稳定、速度极快。你给它一段文字稿和一套清晰的指令它能在几十秒内完成分类和结构化输出。而且只要提示词写得好每次输出的格式几乎一致这对团队协作来说非常重要。我试过用不同的AI模型来做这件事包括通用大模型和专门针对中文优化的模型。实测下来DeepSeek在中文会议记录整理这个场景下表现相当稳对口语化表达的理解准确输出结构也容易控制。当然其他模型也能用关键是提示词的设计。3. 提示词设计让AI按你的规矩输出3.1 提示词的基本结构我用的提示词遵循一个固定结构角色设定 任务说明 输出格式 分类规则 边界条件。这五个部分缺一不可少任何一个都会导致输出不稳定。先看一个完整的提示词模板你是一名专业的会议记录整理助手。你的任务是把下面这段会议文字稿整理成结构化的会议记录。 输出必须严格按照以下三个板块组织 ## 一、已决定事项 列出会议中已经明确拍板的所有决定。每条决定包含 - 决定内容一句话概括 - 决策依据简要说明为什么这么定 - 影响范围涉及哪些人或哪些工作 ## 二、待办事项 列出会议中分配出去的具体任务。每条待办包含 - 任务描述具体要做什么 - 负责人如果文字稿中有明确提到 - 截止时间如果文字稿中有明确提到 - 优先级根据讨论中的语气和上下文判断分高/中/低 ## 三、待确认事项 列出讨论中没有结论、需要进一步确认的事项。每条包含 - 待确认的问题 - 当前讨论到的程度 - 需要谁参与确认 - 建议的确认方式如“下次会议讨论”“会后单独沟通”“需要补充数据后再定” 分类规则 1. 只有明确出现“决定”“定了”“就这么办”“同意”等确认性表述的内容才归入“已决定事项”。 2. 出现“谁来做”“负责”“跟进”“完成”等任务分配表述的内容归入“待办事项”。 3. 出现“再想想”“下次再说”“需要确认”“还不确定”等表述的内容归入“待确认事项”。 4. 如果一段内容同时涉及多个类别拆开分别归入对应板块。 5. 如果文字稿中没有明确负责人或截止时间标注“未明确”不要编造。 边界条件 - 不要添加文字稿中没有的信息。 - 不要对决定内容做主观评价。 - 如果某个板块没有内容写“无”。 - 输出使用中文保持简洁每条不超过两行。 以下是会议文字稿 [粘贴文字稿]这个模板看起来有点长但每一部分都有用。角色设定让AI进入状态任务说明明确目标输出格式保证结构统一分类规则解决边界情况边界条件防止AI自由发挥。3.2 分类规则的设计细节分类规则是整个提示词里最关键的部分。我一开始写的规则太模糊只说“把决定、待办、待确认分开”结果AI经常把“我们讨论了要不要做X”这种讨论过程归到决定里或者把“张三说他可以试试”这种非正式表态归到待办里。后来我把规则细化到关键词匹配的层面准确率才上来。具体来说决定类关键词决定、定了、就这么办、同意、通过、批准、确认、敲定、拍板。待办类关键词负责、跟进、完成、提交、输出、对接、安排、落实、推进。待确认类关键词再想想、下次再说、需要确认、还不确定、待定、回头聊、等通知、看情况。这些关键词不是绝对的AI会结合上下文判断。但有了这些锚点AI的分类准确率明显提升。我实测下来加了关键词规则之后分类错误率从原来的三成降到了一成以内。还有一个细节同一段话可能同时包含多个类别。比如“我们决定用A方案张三你负责下周把详细方案写出来另外B方案的可行性还需要再确认一下。”这一句话里就包含了决定、待办、待确认三类信息。提示词里必须明确要求AI拆开处理否则它会把整段话归到某一类里导致信息丢失。3.3 输出格式的稳定性控制输出格式的稳定性直接决定了后续能不能自动化处理。如果每次AI输出的格式都不一样你就没法用脚本去解析和汇总。我试过几种格式控制方法。最简单的是用Markdown标题加列表就是我上面模板里的写法。这种格式人读起来清晰但机器解析稍微麻烦一点。如果你需要把输出直接导入任务管理工具可以用更结构化的格式比如JSON。JSON格式的提示词片段大概是这样输出必须是合法的JSON结构如下 { decisions: [ {content: 决定内容, reason: 决策依据, scope: 影响范围} ], todos: [ {task: 任务描述, owner: 负责人, deadline: 截止时间, priority: 高/中/低} ], pending: [ {question: 待确认问题, status: 当前程度, participants: 参与人, method: 确认方式} ] }JSON的好处是结构化程度高可以直接被程序读取。缺点是AI偶尔会输出不合法的JSON比如多一个逗号或者少一个引号。我的经验是用JSON格式时一定要在提示词里强调“输出必须是合法JSON不要添加任何其他文字”并且在拿到输出后做一次校验。如果你只是自己看Markdown格式足够了。如果要把会议记录接入团队的工作流JSON更合适。4. 完整实操流程从录音到结构化记录4.1 第一步录音转文字这一步是基础。录音转文字的准确率直接影响后续AI整理的质量。如果文字稿里全是错别字和乱码AI再强也整理不出好东西。我试过几种转文字的方案。手机自带的录音转文字功能最方便但准确率一般特别是多人讨论、有口音或者语速快的时候错误率明显上升。专门的转文字工具准确率更高但需要额外付费。我的建议是如果会议内容重要用专门的转文字工具如果是内部同步会手机自带功能够用。转完文字之后花两分钟快速扫一遍把明显的人名错误和关键术语错误改掉。这一步不能省因为人名错了会导致待办分配错误术语错了会导致决定内容失真。还有一个细节转文字的时候尽量保留说话人标识。有些工具可以自动区分不同说话人输出格式是“说话人1……说话人2……”。有了说话人标识AI在判断“谁负责什么”的时候准确率会高很多。如果工具不支持自动区分可以在会议开始时让每个人简单自我介绍一句方便后续人工标注。4.2 第二步文字稿预处理转完文字之后不要直接丢给AI先做一步预处理。预处理包括三件事第一去掉明显的噪音。比如“喂听得到吗”“我这边信号不太好”“稍等我看一下”这类内容对整理没有帮助反而会干扰AI的判断。手工删掉或者用简单的脚本过滤都可以。第二标注关键段落。如果会议中有特别重要的决定可以在文字稿里用方括号标注一下比如“[重要决定] 我们确定用A方案”。这样AI在整理时会更关注这些段落。这一步不是必须的但做了之后输出质量会更好。第三分段。如果文字稿是一大坨没有换行的文本AI处理起来容易漏内容。建议按话题或按时间切成若干段每段不超过两千字。分段之后AI的处理准确率会明显提升。4.3 第三步调用AI整理把预处理好的文字稿粘贴到提示词模板的最后然后发送给AI。这里有几个实操细节模型选择我主要用DeepSeek因为它在中文理解和结构化输出方面表现稳定。如果你用的是其他模型提示词可能需要微调。比如有些模型对“不要编造”这类指令不敏感需要更强调。温度参数如果模型支持调节温度建议调到0.3左右。温度太高AI会自由发挥温度太低输出会过于死板。0.3是一个比较平衡的值既保证格式稳定又保留一定的语言灵活性。分段处理如果会议文字稿超过一万字建议分段处理。先让AI整理前半段再整理后半段最后人工合并。一次性丢太多内容给AI它可能会漏掉中间部分的信息。输出校验拿到AI输出后不要直接就用。花三分钟做一次校验重点检查三件事决定事项是否完整、待办事项的负责人是否准确、待确认事项是否遗漏。我自己的经验是AI的输出准确率大概在八成到九成之间剩下的一到两成需要人工补。4.4 第四步人工校验与补全人工校验的重点是查漏补缺和纠正错误。查漏补缺方面我会对照原始文字稿快速扫一遍看有没有重要的决定或待办被AI漏掉了。特别是一些没有用明确关键词表达的决策比如“那我们就按这个方向走”这种隐含决定AI有时候会漏。纠正错误方面主要看三类问题一是负责人搞错了比如把“张三负责”写成了“李四负责”二是截止时间搞错了比如把“下周三”写成了“下周五”三是分类搞错了比如把待确认事项归到了决定里。校验完之后把最终版本保存下来。我习惯用Markdown格式保存文件名格式是“日期-会议主题-会议记录.md”方便后续检索。4.5 第五步分发与跟进整理好的会议记录要分发给参会人并且明确待办事项的跟进机制。我的做法是会议记录整理完之后当天内发到团队群里并且所有有待办事项的人。待办事项我会单独复制一份到任务管理工具里设置好截止时间提醒。下次开会时第一件事就是过一遍上次会议的待办完成情况。这个闭环非常重要。如果整理完就完了没有跟进那会议记录就只是一份文档不会产生实际价值。只有把待办事项接入任务管理流程会议记录才能真正推动工作。5. 不同会议类型的模板调整5.1 决策型会议强化“决定”板块决策型会议的目的是拍板所以“决定”板块是重点。这类会议的提示词需要调整让AI更关注决策相关的表述。调整方法是在提示词里加一段本次会议是决策型会议请重点关注以下内容 - 每个决定的具体内容、决策依据、影响范围 - 是否有反对意见或保留意见 - 决定的生效时间和执行起点 - 如果决定有多个方案记录最终选了哪个以及为什么决策型会议的“待办”板块通常比较轻主要是执行层面的任务分配。“待确认”板块可能没有因为决策型会议的目标就是消除不确定性。5.2 同步型会议强化“待办”和“待确认”同步型会议比如周会、项目进度会的目的是信息对齐所以“待办”和“待确认”是重点。调整方法本次会议是同步型会议请重点关注 - 每个人汇报中提到的待办事项和截止时间 - 跨部门依赖和需要协调的事项 - 风险点和需要升级的问题 - 上次会议待办的完成情况同步型会议的“决定”板块通常比较少但如果有一定要记录清楚。很多同步会开着开着就变成了决策会这时候决定事项不能漏。5.3 头脑风暴会强化“待确认”和想法归类头脑风暴会的输出比较发散没有明确的决定和待办。这类会议的整理重点是把想法归类并且标注哪些想法值得进一步讨论。调整方法本次会议是头脑风暴会请按以下结构整理 - 提出的所有想法按主题归类 - 每个想法的提出人 - 讨论中认为值得进一步探索的想法 - 需要补充信息或数据才能判断的想法 - 明确被否决的想法及原因头脑风暴会的整理不需要太正式重点是保留想法的完整性和多样性方便后续筛选。6. 常见问题与排查技巧6.1 AI把讨论过程当成了决定这是最常见的问题。AI看到“我们讨论了A方案和B方案”就归到了决定里但实际上这只是讨论没有拍板。解决方法在提示词里明确要求“只有出现明确确认性表述的内容才归入决定”。如果还是出错可以在文字稿里把真正的决定用方括号标注出来给AI更明确的信号。6.2 待办事项没有负责人有时候会上大家口头分配了任务但文字稿里没有明确写“谁负责”。AI会标注“未明确”但这会导致后续跟进困难。解决方法会后花一分钟回忆一下把负责人补上。如果实在想不起来在待办事项后面标注“负责人待确认”下次开会时先确认这件事。6.3 AI输出格式不稳定不同模型、不同温度参数、不同文字稿长度都会影响输出格式的稳定性。解决方法固定使用同一个模型和同一套提示词温度参数固定在0.3。如果格式还是不稳定可以在提示词里加一句“输出格式必须与示例完全一致不要添加任何额外说明文字”。6.4 文字稿太长导致AI漏内容超过一万字的文字稿AI可能会漏掉中间部分的信息。解决方法分段处理。每段不超过五千字分别整理后再合并。合并时注意去重和排序。6.5 常见问题速查表问题可能原因解决方法讨论过程被当成决定分类规则不清晰强化关键词规则标注明确决定待办没有负责人文字稿中未明确人工补全或标注待确认输出格式不稳定模型或参数不一致固定模型和温度参数长文字稿漏内容超出模型处理窗口分段处理再合并决定事项遗漏隐含决策未识别人工校验时重点检查待确认事项被忽略提示词未强调在提示词中单独强调待确认板块7. 我踩过的坑和实操心得7.1 不要追求全自动我一开始的想法是做一个全自动流程录音自动转文字文字自动丢给AIAI输出自动发到群里。实测下来这个流程在技术上可行但实际效果不好。因为会议记录的核心价值在于准确而AI的准确率目前还做不到百分之百。如果全自动输出有错误发到群里反而会造成误导。我的建议是AI做初稿人工做终审。AI负责快速整理和分类人负责校验和补全。这样既保证了效率又保证了质量。7.2 提示词要迭代没有一套提示词是一次性写好的。我现在的提示词是经过十几版迭代才稳定下来的。每次遇到新的问题就在提示词里加一条规则。比如有一次AI把“张三说他可以试试”归到了待办里我就在规则里加了一条“非正式表态不算待办只有明确的任务分配才算”。提示词迭代的过程其实就是你对会议记录这件事的理解不断深化的过程。一开始你可能只想要一个结构化的输出后来你会发现还需要控制颗粒度、处理边界情况、适配不同会议类型。这些需求都是在实际使用中逐渐发现的。7.3 保留原始文字稿AI整理完的会议记录是精简版但原始文字稿不要删。有时候过了一个月你需要回溯某个决定的讨论过程精简版里可能没有细节原始文字稿里才有。我的做法是原始文字稿和整理后的会议记录放在同一个文件夹里文件名关联起来。需要查细节的时候从整理版里找到关键词再去原始文字稿里搜索。7.4 会议记录的价值在于跟进整理得再好如果不跟进会议记录就是一堆废纸。我见过很多团队会议记录写得很漂亮但待办事项没人管下次开会还是讨论同样的问题。我的做法是每次开会的第一件事就是过一遍上次会议的待办完成情况。完成的打勾没完成的说明原因需要延期的重新设定截止时间。这个习惯坚持了半年之后团队的待办完成率从原来的不到五成提升到了八成以上。7.5 小团队和大团队的差异小团队五个人以内的会议记录可以简单一些重点是待办事项。因为人少决定和待确认事项大家口头同步就够了。大团队十个人以上的会议记录必须完整因为信息传递链条长不写清楚就会有人不知道。而且大团队的会议记录需要更正式的格式方便跨部门传阅。我现在带的团队是八个人我的做法是决定和待办必须写清楚待确认事项可以简略一些但必须标注需要谁参与确认。8. 后续可以扩展的方向这套方法目前主要用在内部会议上但逻辑可以扩展到其他场景。比如客户沟通记录可以把“决定、待办、待确认”换成“客户需求、我方承诺、待确认信息”。比如面试记录可以换成“候选人亮点、待核实信息、下一步安排”。核心逻辑是一样的按信息的后续用途来分类而不是按时间顺序来记录。只要抓住这个核心具体的分类维度和提示词都可以根据场景灵活调整。另外如果你想把会议记录接入团队的工作流可以考虑把AI输出的JSON格式直接导入任务管理工具。我试过用脚本把待办事项自动同步到任务看板效果不错省去了手工录入的步骤。不过这个需要一定的开发工作量适合有技术资源的团队。最后分享一个我最近在用的技巧在提示词里加一句“请用一句话总结本次会议的核心结论”。AI会在三个板块之外额外输出一句总结放在会议记录的最前面。这句话在后续检索和回顾时特别有用一眼就能看出这场会到底解决了什么问题。 AI会议记录整理：决定、待办、待确认三分法提示词实战
1. 为什么我要把会议记录拆成三块来写每周至少五场会每场会结束之后最头疼的不是开会本身而是会后整理。以前我的做法是打开一个空白文档一边听录音一边把所有人说的话按时间顺序敲下来一场一小时的会整理完差不多要四十分钟写出来的东西像流水账谁说了什么、哪些是拍板的、哪些还要再议全混在一起。过两天回头翻自己都找不到重点。后来我换了个思路会议记录的本质不是“记录会议”而是“记录会议产生的行动”。一场会开完真正有价值的信息只有三类——已经定下来的决定、需要有人去做的待办、还没定需要再确认的事项。其他的寒暄、讨论过程、中间跑题的内容都是噪音。把这三类信息分开写会议记录才真正能用。这个思路听起来简单但手工做依然费时间。直到我开始用AI来辅助整理整个流程才真正跑通。现在我的做法是会照常开录音照常录会后把录音转成文字稿然后把文字稿丢给AI用一套固定的提示词让它按“决定、待办、待确认”三个板块输出结构化记录。整个过程从原来的四十分钟压缩到十分钟以内而且输出质量比我手工整理还稳定。这篇文章就是把我这套方法完整拆开包括提示词怎么写、AI输出怎么校验、不同会议类型怎么调整模板、踩过哪些坑。如果你也经常被会议记录折磨或者团队里没人愿意做会议纪要这套方法可以直接抄作业。2. 核心思路拆解为什么是“决定、待办、待确认”三分法2.1 传统会议记录的三个致命问题在讲具体怎么做之前先说说我以前踩过的坑这样你更能理解为什么三分法是有效的。第一个问题是信息平权。传统记录方式把所有发言按时间顺序排列导致一个关键决策和一句闲聊在文档里占同样的篇幅。读的人需要自己判断哪句重要这本身就是巨大的认知负担。我统计过自己以前的会议记录平均一场一小时的会产出三千字左右的文字稿其中真正需要后续跟进的内容不超过五百字占比不到两成。第二个问题是责任模糊。待办事项混在讨论过程里没有明确的负责人和截止时间。会上大家点头说“好的”会后没人知道到底谁来做、什么时候交。这种模糊性直接导致任务落地率低下次开会又要把同样的事情重新讨论一遍。第三个问题是决策丢失。有些决定是在讨论过程中自然形成的没有明确的“我们决定……”这样的句式事后整理时很容易被忽略。等过两周再回头看完全不记得当时为什么选了A方案而不是B方案。2.2 三分法的逻辑按“信息用途”而不是“时间顺序”组织三分法的核心逻辑是按信息的后续用途来分类而不是按信息产生的时间顺序来排列。决定已经拍板的事项后续不需要再讨论只需要执行或知会。用途是“存档和追溯”。待办需要具体某人去完成的事项有明确的动作和预期产出。用途是“任务分派和跟进”。待确认讨论中没有结论、需要更多信息或更多人参与才能定的事项。用途是“下次会议的输入”。这三类信息的生命周期完全不同。决定一旦做出就固定了待办会随着完成而消失待确认会在下次会议上转化为决定或新的待办。把它们混在一起就像把档案、任务清单和问题列表塞进同一个抽屉找什么都找不到。2.3 为什么用AI来做这件事有人可能会问既然三分法的逻辑这么清晰手工做不就行了手工做当然可以但有两个问题。第一是速度一场一小时的会文字稿少说五千字人工从中提取三类信息并分类至少需要二十分钟而且容易漏。第二是一致性不同的人整理同一场会输出格式和颗粒度完全不同团队协作时很难统一。AI的优势在于模式识别能力强、输出格式稳定、速度极快。你给它一段文字稿和一套清晰的指令它能在几十秒内完成分类和结构化输出。而且只要提示词写得好每次输出的格式几乎一致这对团队协作来说非常重要。我试过用不同的AI模型来做这件事包括通用大模型和专门针对中文优化的模型。实测下来DeepSeek在中文会议记录整理这个场景下表现相当稳对口语化表达的理解准确输出结构也容易控制。当然其他模型也能用关键是提示词的设计。3. 提示词设计让AI按你的规矩输出3.1 提示词的基本结构我用的提示词遵循一个固定结构角色设定 任务说明 输出格式 分类规则 边界条件。这五个部分缺一不可少任何一个都会导致输出不稳定。先看一个完整的提示词模板你是一名专业的会议记录整理助手。你的任务是把下面这段会议文字稿整理成结构化的会议记录。 输出必须严格按照以下三个板块组织 ## 一、已决定事项 列出会议中已经明确拍板的所有决定。每条决定包含 - 决定内容一句话概括 - 决策依据简要说明为什么这么定 - 影响范围涉及哪些人或哪些工作 ## 二、待办事项 列出会议中分配出去的具体任务。每条待办包含 - 任务描述具体要做什么 - 负责人如果文字稿中有明确提到 - 截止时间如果文字稿中有明确提到 - 优先级根据讨论中的语气和上下文判断分高/中/低 ## 三、待确认事项 列出讨论中没有结论、需要进一步确认的事项。每条包含 - 待确认的问题 - 当前讨论到的程度 - 需要谁参与确认 - 建议的确认方式如“下次会议讨论”“会后单独沟通”“需要补充数据后再定” 分类规则 1. 只有明确出现“决定”“定了”“就这么办”“同意”等确认性表述的内容才归入“已决定事项”。 2. 出现“谁来做”“负责”“跟进”“完成”等任务分配表述的内容归入“待办事项”。 3. 出现“再想想”“下次再说”“需要确认”“还不确定”等表述的内容归入“待确认事项”。 4. 如果一段内容同时涉及多个类别拆开分别归入对应板块。 5. 如果文字稿中没有明确负责人或截止时间标注“未明确”不要编造。 边界条件 - 不要添加文字稿中没有的信息。 - 不要对决定内容做主观评价。 - 如果某个板块没有内容写“无”。 - 输出使用中文保持简洁每条不超过两行。 以下是会议文字稿 [粘贴文字稿]这个模板看起来有点长但每一部分都有用。角色设定让AI进入状态任务说明明确目标输出格式保证结构统一分类规则解决边界情况边界条件防止AI自由发挥。3.2 分类规则的设计细节分类规则是整个提示词里最关键的部分。我一开始写的规则太模糊只说“把决定、待办、待确认分开”结果AI经常把“我们讨论了要不要做X”这种讨论过程归到决定里或者把“张三说他可以试试”这种非正式表态归到待办里。后来我把规则细化到关键词匹配的层面准确率才上来。具体来说决定类关键词决定、定了、就这么办、同意、通过、批准、确认、敲定、拍板。待办类关键词负责、跟进、完成、提交、输出、对接、安排、落实、推进。待确认类关键词再想想、下次再说、需要确认、还不确定、待定、回头聊、等通知、看情况。这些关键词不是绝对的AI会结合上下文判断。但有了这些锚点AI的分类准确率明显提升。我实测下来加了关键词规则之后分类错误率从原来的三成降到了一成以内。还有一个细节同一段话可能同时包含多个类别。比如“我们决定用A方案张三你负责下周把详细方案写出来另外B方案的可行性还需要再确认一下。”这一句话里就包含了决定、待办、待确认三类信息。提示词里必须明确要求AI拆开处理否则它会把整段话归到某一类里导致信息丢失。3.3 输出格式的稳定性控制输出格式的稳定性直接决定了后续能不能自动化处理。如果每次AI输出的格式都不一样你就没法用脚本去解析和汇总。我试过几种格式控制方法。最简单的是用Markdown标题加列表就是我上面模板里的写法。这种格式人读起来清晰但机器解析稍微麻烦一点。如果你需要把输出直接导入任务管理工具可以用更结构化的格式比如JSON。JSON格式的提示词片段大概是这样输出必须是合法的JSON结构如下 { decisions: [ {content: 决定内容, reason: 决策依据, scope: 影响范围} ], todos: [ {task: 任务描述, owner: 负责人, deadline: 截止时间, priority: 高/中/低} ], pending: [ {question: 待确认问题, status: 当前程度, participants: 参与人, method: 确认方式} ] }JSON的好处是结构化程度高可以直接被程序读取。缺点是AI偶尔会输出不合法的JSON比如多一个逗号或者少一个引号。我的经验是用JSON格式时一定要在提示词里强调“输出必须是合法JSON不要添加任何其他文字”并且在拿到输出后做一次校验。如果你只是自己看Markdown格式足够了。如果要把会议记录接入团队的工作流JSON更合适。4. 完整实操流程从录音到结构化记录4.1 第一步录音转文字这一步是基础。录音转文字的准确率直接影响后续AI整理的质量。如果文字稿里全是错别字和乱码AI再强也整理不出好东西。我试过几种转文字的方案。手机自带的录音转文字功能最方便但准确率一般特别是多人讨论、有口音或者语速快的时候错误率明显上升。专门的转文字工具准确率更高但需要额外付费。我的建议是如果会议内容重要用专门的转文字工具如果是内部同步会手机自带功能够用。转完文字之后花两分钟快速扫一遍把明显的人名错误和关键术语错误改掉。这一步不能省因为人名错了会导致待办分配错误术语错了会导致决定内容失真。还有一个细节转文字的时候尽量保留说话人标识。有些工具可以自动区分不同说话人输出格式是“说话人1……说话人2……”。有了说话人标识AI在判断“谁负责什么”的时候准确率会高很多。如果工具不支持自动区分可以在会议开始时让每个人简单自我介绍一句方便后续人工标注。4.2 第二步文字稿预处理转完文字之后不要直接丢给AI先做一步预处理。预处理包括三件事第一去掉明显的噪音。比如“喂听得到吗”“我这边信号不太好”“稍等我看一下”这类内容对整理没有帮助反而会干扰AI的判断。手工删掉或者用简单的脚本过滤都可以。第二标注关键段落。如果会议中有特别重要的决定可以在文字稿里用方括号标注一下比如“[重要决定] 我们确定用A方案”。这样AI在整理时会更关注这些段落。这一步不是必须的但做了之后输出质量会更好。第三分段。如果文字稿是一大坨没有换行的文本AI处理起来容易漏内容。建议按话题或按时间切成若干段每段不超过两千字。分段之后AI的处理准确率会明显提升。4.3 第三步调用AI整理把预处理好的文字稿粘贴到提示词模板的最后然后发送给AI。这里有几个实操细节模型选择我主要用DeepSeek因为它在中文理解和结构化输出方面表现稳定。如果你用的是其他模型提示词可能需要微调。比如有些模型对“不要编造”这类指令不敏感需要更强调。温度参数如果模型支持调节温度建议调到0.3左右。温度太高AI会自由发挥温度太低输出会过于死板。0.3是一个比较平衡的值既保证格式稳定又保留一定的语言灵活性。分段处理如果会议文字稿超过一万字建议分段处理。先让AI整理前半段再整理后半段最后人工合并。一次性丢太多内容给AI它可能会漏掉中间部分的信息。输出校验拿到AI输出后不要直接就用。花三分钟做一次校验重点检查三件事决定事项是否完整、待办事项的负责人是否准确、待确认事项是否遗漏。我自己的经验是AI的输出准确率大概在八成到九成之间剩下的一到两成需要人工补。4.4 第四步人工校验与补全人工校验的重点是查漏补缺和纠正错误。查漏补缺方面我会对照原始文字稿快速扫一遍看有没有重要的决定或待办被AI漏掉了。特别是一些没有用明确关键词表达的决策比如“那我们就按这个方向走”这种隐含决定AI有时候会漏。纠正错误方面主要看三类问题一是负责人搞错了比如把“张三负责”写成了“李四负责”二是截止时间搞错了比如把“下周三”写成了“下周五”三是分类搞错了比如把待确认事项归到了决定里。校验完之后把最终版本保存下来。我习惯用Markdown格式保存文件名格式是“日期-会议主题-会议记录.md”方便后续检索。4.5 第五步分发与跟进整理好的会议记录要分发给参会人并且明确待办事项的跟进机制。我的做法是会议记录整理完之后当天内发到团队群里并且所有有待办事项的人。待办事项我会单独复制一份到任务管理工具里设置好截止时间提醒。下次开会时第一件事就是过一遍上次会议的待办完成情况。这个闭环非常重要。如果整理完就完了没有跟进那会议记录就只是一份文档不会产生实际价值。只有把待办事项接入任务管理流程会议记录才能真正推动工作。5. 不同会议类型的模板调整5.1 决策型会议强化“决定”板块决策型会议的目的是拍板所以“决定”板块是重点。这类会议的提示词需要调整让AI更关注决策相关的表述。调整方法是在提示词里加一段本次会议是决策型会议请重点关注以下内容 - 每个决定的具体内容、决策依据、影响范围 - 是否有反对意见或保留意见 - 决定的生效时间和执行起点 - 如果决定有多个方案记录最终选了哪个以及为什么决策型会议的“待办”板块通常比较轻主要是执行层面的任务分配。“待确认”板块可能没有因为决策型会议的目标就是消除不确定性。5.2 同步型会议强化“待办”和“待确认”同步型会议比如周会、项目进度会的目的是信息对齐所以“待办”和“待确认”是重点。调整方法本次会议是同步型会议请重点关注 - 每个人汇报中提到的待办事项和截止时间 - 跨部门依赖和需要协调的事项 - 风险点和需要升级的问题 - 上次会议待办的完成情况同步型会议的“决定”板块通常比较少但如果有一定要记录清楚。很多同步会开着开着就变成了决策会这时候决定事项不能漏。5.3 头脑风暴会强化“待确认”和想法归类头脑风暴会的输出比较发散没有明确的决定和待办。这类会议的整理重点是把想法归类并且标注哪些想法值得进一步讨论。调整方法本次会议是头脑风暴会请按以下结构整理 - 提出的所有想法按主题归类 - 每个想法的提出人 - 讨论中认为值得进一步探索的想法 - 需要补充信息或数据才能判断的想法 - 明确被否决的想法及原因头脑风暴会的整理不需要太正式重点是保留想法的完整性和多样性方便后续筛选。6. 常见问题与排查技巧6.1 AI把讨论过程当成了决定这是最常见的问题。AI看到“我们讨论了A方案和B方案”就归到了决定里但实际上这只是讨论没有拍板。解决方法在提示词里明确要求“只有出现明确确认性表述的内容才归入决定”。如果还是出错可以在文字稿里把真正的决定用方括号标注出来给AI更明确的信号。6.2 待办事项没有负责人有时候会上大家口头分配了任务但文字稿里没有明确写“谁负责”。AI会标注“未明确”但这会导致后续跟进困难。解决方法会后花一分钟回忆一下把负责人补上。如果实在想不起来在待办事项后面标注“负责人待确认”下次开会时先确认这件事。6.3 AI输出格式不稳定不同模型、不同温度参数、不同文字稿长度都会影响输出格式的稳定性。解决方法固定使用同一个模型和同一套提示词温度参数固定在0.3。如果格式还是不稳定可以在提示词里加一句“输出格式必须与示例完全一致不要添加任何额外说明文字”。6.4 文字稿太长导致AI漏内容超过一万字的文字稿AI可能会漏掉中间部分的信息。解决方法分段处理。每段不超过五千字分别整理后再合并。合并时注意去重和排序。6.5 常见问题速查表问题可能原因解决方法讨论过程被当成决定分类规则不清晰强化关键词规则标注明确决定待办没有负责人文字稿中未明确人工补全或标注待确认输出格式不稳定模型或参数不一致固定模型和温度参数长文字稿漏内容超出模型处理窗口分段处理再合并决定事项遗漏隐含决策未识别人工校验时重点检查待确认事项被忽略提示词未强调在提示词中单独强调待确认板块7. 我踩过的坑和实操心得7.1 不要追求全自动我一开始的想法是做一个全自动流程录音自动转文字文字自动丢给AIAI输出自动发到群里。实测下来这个流程在技术上可行但实际效果不好。因为会议记录的核心价值在于准确而AI的准确率目前还做不到百分之百。如果全自动输出有错误发到群里反而会造成误导。我的建议是AI做初稿人工做终审。AI负责快速整理和分类人负责校验和补全。这样既保证了效率又保证了质量。7.2 提示词要迭代没有一套提示词是一次性写好的。我现在的提示词是经过十几版迭代才稳定下来的。每次遇到新的问题就在提示词里加一条规则。比如有一次AI把“张三说他可以试试”归到了待办里我就在规则里加了一条“非正式表态不算待办只有明确的任务分配才算”。提示词迭代的过程其实就是你对会议记录这件事的理解不断深化的过程。一开始你可能只想要一个结构化的输出后来你会发现还需要控制颗粒度、处理边界情况、适配不同会议类型。这些需求都是在实际使用中逐渐发现的。7.3 保留原始文字稿AI整理完的会议记录是精简版但原始文字稿不要删。有时候过了一个月你需要回溯某个决定的讨论过程精简版里可能没有细节原始文字稿里才有。我的做法是原始文字稿和整理后的会议记录放在同一个文件夹里文件名关联起来。需要查细节的时候从整理版里找到关键词再去原始文字稿里搜索。7.4 会议记录的价值在于跟进整理得再好如果不跟进会议记录就是一堆废纸。我见过很多团队会议记录写得很漂亮但待办事项没人管下次开会还是讨论同样的问题。我的做法是每次开会的第一件事就是过一遍上次会议的待办完成情况。完成的打勾没完成的说明原因需要延期的重新设定截止时间。这个习惯坚持了半年之后团队的待办完成率从原来的不到五成提升到了八成以上。7.5 小团队和大团队的差异小团队五个人以内的会议记录可以简单一些重点是待办事项。因为人少决定和待确认事项大家口头同步就够了。大团队十个人以上的会议记录必须完整因为信息传递链条长不写清楚就会有人不知道。而且大团队的会议记录需要更正式的格式方便跨部门传阅。我现在带的团队是八个人我的做法是决定和待办必须写清楚待确认事项可以简略一些但必须标注需要谁参与确认。8. 后续可以扩展的方向这套方法目前主要用在内部会议上但逻辑可以扩展到其他场景。比如客户沟通记录可以把“决定、待办、待确认”换成“客户需求、我方承诺、待确认信息”。比如面试记录可以换成“候选人亮点、待核实信息、下一步安排”。核心逻辑是一样的按信息的后续用途来分类而不是按时间顺序来记录。只要抓住这个核心具体的分类维度和提示词都可以根据场景灵活调整。另外如果你想把会议记录接入团队的工作流可以考虑把AI输出的JSON格式直接导入任务管理工具。我试过用脚本把待办事项自动同步到任务看板效果不错省去了手工录入的步骤。不过这个需要一定的开发工作量适合有技术资源的团队。最后分享一个我最近在用的技巧在提示词里加一句“请用一句话总结本次会议的核心结论”。AI会在三个板块之外额外输出一句总结放在会议记录的最前面。这句话在后续检索和回顾时特别有用一眼就能看出这场会到底解决了什么问题。