会议与办公自动化
本篇要点:你能把一场会变成三条可追踪的任务,而不是一份三千字谁都不读的记录。 前置文章:《AI 做数据分析:表格、SQL 与图表》的验收方式是"算出来的数对不对",这一章换成"说出来的话有没有人接住",验收标准变成任务有没有唯一负责人。
一、为什么需要它
2026 年 2 月,一位项目经理给我看他们团队的会议纪要。每周七场会,每场一份纪要,全在共享盘里。
我问他上周三的评审会定了什么。他翻了四分钟,翻到了,说"好像说要延期"。
"延到什么时候?""……得问一下。"
那份纪要三千二百字,按发言顺序记录,谁说了什么都在。唯一没有的是决定。它记录的是过程,不是结果。
AI 纪要工具普及之后,这类文档更多了,因为生成成本降到接近零。三千字变成五千字,因为转写更完整了。
这一章要解决的不是"怎么生成纪要",是"纪要怎么才能让人在三十秒内拿到能行动的信息"。转写解决的是"说了什么",纪要和任务清单解决的是"定了什么、谁去做"。
二、核心概念
2.1 转写的三个坑
语音转写(transcription)是流水线的第一步,质量决定后面所有步骤。
坑一,术语与人名。模型没听过你公司的项目代号,会把"磐石二期"转成"盘石二期"或"判十七"。批量错一次,后面搜不到。做法是开场建一个术语表,转写后再做一次替换。
坑二,多人重叠。两个人抢话时,转写会把两句话缝成一句语义不通的长句。这类错误在文本里看起来像"发言人逻辑混乱",实际是拼接产物。
坑三,口音与远场。会议室远场麦克风拾音,加上方言口音,识别率会明显下降。这不是模型问题,是声学问题,硬件比模型更值得投入。
一个判定方法:随机抽 2 分钟转写,对着录音听一遍,数错字。错字率超过 5%,后面的摘要别信。
2.2 纪要的四段结构
一份能用的纪要只有四段,顺序固定。
| 段 | 内容 | 长度 | 判定标准 |
|---|---|---|---|
| 结论 | 定了什么,一句话一条 | 1–5 条 | 每条都是判断句,能被人引用 |
| 分歧 | 没定的是什么,卡在哪 | 0–3 条 | 写明"待谁决定" |
| 任务 | 谁、做什么、什么时候 | 1–8 条 | 每条有唯一负责人与日期 |
| 附录 | 完整转写链接 | 一行 | 需要时才点开 |
表 9-1 四段式纪要与各段的判定标准
四段里,只有"结论"和"任务"会被真正使用。"分歧"是给下一次会用的,"附录"是给争议时回查用的。
三千字的过程记录不属于这四段里的任何一段。它是原材料,不是交付物。
反例:纪要写"关于上线时间,大家进行了充分讨论"。这句话没有结论、没有负责人、没有日期。正确写法是"上线时间定在 11 月 28 日,条件是两个 P1 缺陷清零,负责人张 X,11 月 25 日复核"。
2.3 任务抽取的判定规则
让 AI 从转写里抽任务,最容易出的问题是把讨论当成决定。
会上有人说"要不要考虑做个灰度",AI 会抽出一条"做灰度发布"。可这句话是个提议,没人拍板。
三个判定规则能挡掉大部分误抽:
第一,有明确动词加人名。含"我来""你负责""这个给 X"的才算。 第二,有时间锚点。有日期、"本周""下周一"的才算。 第三,被复述过。会议结束前主持人复述一遍的任务优先级最高。
三条至少要满足两条。只满足一条的,进"待确认"区,不进任务列表。
2.4 批量办公:模板的三层变量
邮件、通知、周报这类批量活,核心是模板。模板能不能用,看变量分几层。
第一层是事实变量:姓名、部门、金额、日期。这些从表格里取,错了会被立刻发现。
第二层是条件变量:这个人是否超标、这个项目是否延期。这一类要写判断逻辑,不能靠 AI 自由发挥。
第三层是措辞变量:语气是正式还是轻松、要不要道歉。这一层最容易被忽略,也最容易出错:一封给客户的催款邮件,用错了语气,金额对不对已经不重要了。
反例:用同一封模板发给三种人(客户、同事、上级),只改称呼。称呼改了,语气没改,读起来会很怪。
2.5 自动化该在哪里停
会议与办公这条线上,有一处必须留人:涉及承诺的环节。
发出去的邮件、写进纪要的截止日期、指派给别人的任务——这三样一旦发出就是承诺。自动化可以起草,不能直接发。
一个可操作的分界线:草稿自动化,发送人工。草稿成本降下来了,人的判断还在。等到某类邮件连续三个月零修改,再考虑自动发。
图 9-1 从录音到任务追踪:三个卡点分别是错字率、任务判定、人工确认
如图 9-1 所示,人工确认在"发出"之前,不在"生成"之后。位置放错,人就会在已经发出去的东西上做补救。
三、动手实践
任务:把一场 52 分钟的评审会,变成可追踪的产出。
3.1 先建术语表
这一步五分钟,能省掉后面所有检索失败。
# gloss/2026-q4.yaml —— 会议转写术语替换表
terms:
- wrong: [盘石二期, 判十七, 磐石 2 期]
right: 磐石二期
- wrong: [张公, 张工, 张龚]
right: 张弓
- wrong: [灰度, 灰镀]
right: 灰度发布
- wrong: [p one, p 万, P one]
right: P1预期输出(替换脚本跑一遍,看命中次数):
盘石二期 → 磐石二期 命中 7 次
判十七 → 磐石二期 命中 2 次
张公/张工 → 张弓 命中 11 次
灰镀 → 灰度发布 命中 3 次
p one → P1 命中 4 次
共替换 27 处,剩余疑似专有名词 3 处待人工确认剩余疑似专有名词 这一类要人工看。它们是模型没把握的部分,往往正是新项目代号。
3.2 用四段结构约束摘要
给 AI 的指令必须限定结构,否则它会还你一份按时间顺序的过程记录。
把下面这段会议转写整理成四段,段名照抄,不要加其他段落。
## 结论
- 每条一句话,判断句,含明确数字或日期
- 只写被明确拍板的内容;提议、设想、待议一律不进
## 分歧
- 只写没定的事,每条注明"待 X 决定"
## 任务
- 格式:负责人 | 动作 | 截止日期
- 只收同时满足以下两条的:有明确人名 + 有时间锚点
## 附录
- 转写文件路径
约束:不许出现"大家进行了充分讨论""达成了共识"这类句子;
每条结论后面用括号标出依据的时间戳,如 (12:34)。
{{转写全文}}运行结果(节选):
## 结论
- 上线时间定 11 月 28 日,前提是两个 P1 缺陷清零 (18:02)
- 本期不做灰度,全量发布,回滚窗口 30 分钟 (24:15)
## 分歧
- 是否补一次压测,待张弓决定 (31:40)
## 任务
张弓 | 确认压测是否补做 | 11-19
李澈 | 提交回滚预案 | 11-21
王沅 | P1 缺陷清单同步到看板 | 11-18
## 附录
- 转写:meetings/2026-11-16-review.md时间戳这一列是防编造的。没有时间戳的结论,你必须回到录音里找,而有了时间戳,三十秒能核完。
3.3 用脚本验任务清单
AI 抽出的任务要用规则过一遍,不能直接进追踪表。
# check_tasks.py —— 任务清单合规检查
import re, datetime
tasks = """张弓 | 确认压测是否补做 | 11-19
李澈 | 提交回滚预案 | 11-21
王沅 | P1 缺陷清单同步到看板 | 11-18
大家 | 关注一下线上情况 | 尽快"""
DATE = re.compile(r"^\d{2}-\d{2}$")
VAGUE = ["关注", "看一下", "跟进", "推进", "研究", "了解"]
ok, bad = [], []
for line in tasks.strip().splitlines():
owner, act, due = [x.strip() for x in line.split("|")]
errs = []
if owner in ("大家", "全体", "相关同学"):
errs.append("负责人不唯一")
if not DATE.match(due):
errs.append(f"截止日期不是 MM-DD:{due}")
if any(v in act for v in VAGUE):
errs.append("动作太虚,无法判定是否完成")
(bad if errs else ok).append((line, errs))
print(f"合格 {len(ok)} 条,退回 {len(bad)} 条")
for line, errs in bad:
print(f" 退回|{line}\n {';'.join(errs)}")运行结果:
合格 3 条,退回 1 条
退回|大家 | 关注一下线上情况 | 尽快
负责人不唯一;截止日期不是 MM-DD:尽快;动作太虚,无法判定是否完成最后一条退回得很干脆:三个问题同时犯。这类任务在真实会议里占全部任务的四成,它们的共同归宿是没人做——因为"关注一下"没有完成状态。
3.4 批量邮件:模板 + 条件变量
# mail.py —— 按表格批量生成催款邮件草稿(不发送)
import csv
from pathlib import Path
TMPL = """主题:{subject}
{name} 您好:
截至 {date},贵司订单 {order} 尚有 {amount} 元未结清,已逾期 {days} 天。
随函附上对账单,请核对;如已付款请忽略本邮件并回复告知付款日期。
{tone_close}
财务部
"""
def tone(days: int) -> str:
if days <= 7:
return "如需分期或调整付款安排,欢迎随时联系。"
if days <= 30:
return "请在本周五前回复预计付款日期,以便我们安排后续流程。"
return "如本周内未收到回复,我们将按合同第 6 条暂停后续供货。"
def label(days: int) -> str:
return "温和" if days <= 7 else "标准" if days <= 30 else "强硬"
rows = list(csv.DictReader(open("ar.csv", encoding="utf-8")))
Path("drafts").mkdir(exist_ok=True)
dist = {"温和": 0, "标准": 0, "强硬": 0}
for r in rows:
days = int(r["overdue_days"])
dist[label(days)] += 1 # 先计数,再生成,避免两套判定逻辑分叉
body = TMPL.format(
subject=f"对账单与付款提醒({r['order']})",
name=r["contact"], date=r["as_of"], order=r["order"],
amount=f"{float(r['amount']):,.2f}", days=days, tone_close=tone(days))
Path(f"drafts/{r['order']}.txt").write_text(body, encoding="utf-8")
print(f"生成 {len(rows)} 封草稿")
print(f"语气分布:{dist}")运行结果:
生成 37 封草稿
语气分布: {'温和': 12, '标准': 19, '强硬': 6}37 封里 6 封是强硬语气(ar.csv 只需五列:order、contact、as_of、amount、overdue_days)。这 6 封必须人工看过再发,因为"暂停供货"是合同条款,发错一次要道歉,发错给一个只是流程慢的老客户,损失比欠款大。
语气按逾期天数分档只是起点,还要看客户等级和历史付款记录。这三样凑在一起,才叫"条件变量写对了"。
四、常见误解
很多人以为转写准确率够高就不需要人工。实际上转写只是原料,问题在于"讨论"和"决定"在语言上没有明显分界,只有参会的人知道哪句算数。这一步必须人工。
很多人以为纪要约详细越好。实际上超过一页的纪要阅读率断崖下降。结论和任务放前面,过程放附录,这个顺序不能反。
很多人以为批量邮件只要模板对就行。实际上模板只保证格式一致,语气才是决定对方怎么回的那一层。语气分档要写进代码,不能靠生成时临场判断。
五、小结
《AI 做数据分析:表格、SQL 与图表》验的是一个数,这一章验的是一条任务有没有人接。后者的验证更软,所以判定规则要写得更硬。
- 转写三个坑:术语、抢话拼接、远场拾音。术语表五分钟,能省掉后面所有检索失败。
- 纪要四段:结论、分歧、任务、附录。三千字过程记录是原料,不是交付物。
- 结论要带时间戳,这是防编造最便宜的一招。
- 任务抽取三条判定:有明确人名、有时间锚点、被复述过。满足两条才进列表。
- 批量模板三层变量:事实、条件、措辞。第三层决定对方怎么回,要写进代码分档。
- 分界线:草稿自动化,发送人工。连续三个月零修改再考虑自动发。
六、相关文章
到目前为止,每一章你都是手动触发:打开工具、贴材料、看结果。但有些活不该由人触发——表单提交了该通知谁、每周一该汇总什么、监控报警了该走哪条流程。相关文章把这些串成流水线,重点讲触发器、失败重试和成本控制,因为自动化一旦上线,出错的成本是乘以频次的。
继续阅读:[《自动化工作流:把工具串成流水线》 自动化工作流:把工具串成流水线](/guide/ai-tools/ai-automation-no-code.html)