--- name: 智能纪要 description: 派对/会议纪要·聊天结构长图内驱 triggers: 派对纪要、会议纪要、智能会议图片、长图纪要 owner: 火眼 group: 火 version: "1.1" updated: "2026-02-18" --- # 智能纪要(聊天结构 → 长图) > 纪要产出**一律按「聊天结构」**生成**智能会议长图**用的内驱,不按文档/脚本结构,不先出 HTML,**直接生成可做长图的内容**。 --- ## ⚠️ 产出规范(必守) | 要求 | 说明 | |:---|:---| | **结构** | 用**聊天结构**(对话/时间线/谁说了什么/重点提炼),不用文档式六大区块脚本结构 | | **输出** | 直接生成**长图内驱**(内容骨架),用于智能会议图片;**不生成 HTML**,**不依赖 Python 脚本**生成正文 | | **形式** | 类似 STMA 长图:一屏一屏、气泡/时间线式,适合直接做成一张长图 | --- ## 📐 聊天结构·长图内驱格式 每次总结按下面结构**直接输出**(Agent 在对话中给出即可,无需跑脚本): ``` 【标题】 日期|主题(例:2月17日|过年第一个红包发给谁×人生三贵人) 【元信息】 时长 | 人数 | 场次/地点 【聊天流】(按时间或话题顺序,一条一条) [时间] 谁 / 标签: 一句话摘要或金句 → 重点: 结论/启示(可选) [时间] 谁 / 标签: … → 重点: … 【金句/结论】(3~5 条,可单独列出) · … 【下次/行动】 · … ``` - **谁/标签**:可用 用户观点 / AI思考 / 专家洞察 / 主持人 / 群友 等,与 101 场信号一致(红=AI思考,蓝=用户观点,紫=专家,绿=提问)。 - **重点**:每条后可跟「→ 重点:」提炼,便于长图里做黄框强调。 --- ## 🎯 核心功能 将派对/会议内容快速转化为**聊天结构长图内驱**: - **聊天结构纪要**:时间线 + 谁说了什么 + 重点/金句,直接可做长图 - **不依赖**:不先出 HTML、不依赖 Python 生成正文,由 Agent 理解后直接产出内驱 - **可选后续**:内驱可交给截图/发飞书等脚本做长图与推送 --- ## 🤖 Agent 约定 当用户要求「会议纪要 / 派对纪要 / 智能会议图片 / 长图纪要」时: 1. **直接**按「聊天结构·长图内驱格式」在对话中产出内容,不生成 HTML 文件,不依赖 Python 生成正文。 2. 内驱 = 标题 + 元信息 + 聊天流(时间 + 谁/标签 + 摘要 + → 重点)+ 金句/结论 + 下次/行动。 3. 后续若需 PNG 长图,可另用截图脚本或用户自行将内驱贴入模板;本条 SKILL 只约束「内容按聊天结构、直接给长图内驱」。 --- ## 🔥 最佳操作流程(可选) ``` ┌─────────────────────────────────────────────────────────────────┐ │ │ │ 📄 聊天记录.txt │ │ │ │ │ ▼ │ │ ┌──────────────────┐ │ │ │ parse_chatlog.py │ ← AI智能解析提取关键信息 │ │ └────────┬─────────┘ │ │ │ │ │ ▼ │ │ 📋 meeting.json(结构化数据) │ │ │ │ │ ▼ │ │ ┌───────────────────────┐ │ │ │ generate_meeting.py │ ← 渲染毛玻璃HTML模板 │ │ └────────┬──────────────┘ │ │ │ │ │ ▼ │ │ 🎨 meeting.html(精美派对纪要) │ │ │ │ │ ▼ │ │ ┌─────────────────┐ │ │ │ screenshot.py │ ← Playwright截图生成PNG │ │ └────────┬────────┘ │ │ │ │ │ ▼ │ │ 🖼️ meeting.png(高清长图) │ │ │ │ │ ▼ │ │ ┌────────────────────┐ │ │ │ send_to_feishu.py │ ← 上传图片+发送飞书群 │ │ └────────┬───────────┘ │ │ │ │ │ ▼ │ │ 📤 飞书群消息(图片+富文本摘要) │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` --- ## 🚀 快速使用 ### 方法1: 从飞书妙记生成(**推荐**) ```bash # 步骤1: 在飞书妙记页面导出文字记录 # 点击右上角 "..." → "导出文字记录" → 下载txt文件 # 步骤2: 一键生成会议纪要 python3 scripts/fetch_feishu_minutes.py --file "导出的文字记录.txt" --generate ``` ### 方法2: 从聊天记录生成 ```bash # 解析 → HTML → 截图 → 发送飞书(全自动) python3 scripts/full_pipeline.py "/path/to/聊天记录.txt" # 完成后自动打开浏览器查看 python3 scripts/full_pipeline.py "/path/to/聊天记录.txt" --open ``` ### 可选参数 ```bash # 只生成不发飞书 python3 scripts/full_pipeline.py "聊天记录.txt" --no-feishu # 只生成HTML不截图 python3 scripts/full_pipeline.py "聊天记录.txt" --no-screenshot # 指定自定义Webhook python3 scripts/full_pipeline.py "聊天记录.txt" --webhook "https://..." ``` ### 分步执行 ```bash # 步骤1:解析聊天记录 → JSON python3 scripts/parse_chatlog.py "/path/to/聊天记录.txt" # 步骤2:JSON → HTML python3 scripts/generate_meeting.py --input "xxx_meeting.json" # 步骤3:HTML → PNG截图 python3 scripts/screenshot.py output/xxx.html # 步骤4:发送飞书群 python3 scripts/send_to_feishu.py --json "xxx_meeting.json" ``` --- ## 📥 飞书妙记导出 ### 导出步骤 1. 打开飞书妙记页面(如 `cunkebao.feishu.cn/minutes/xxx`) 2. 点击右上角 **"..."** 菜单 3. 选择 **"导出文字记录"** 4. 下载txt文件到本地 ### 一键生成会议纪要 ```bash # 从导出文件生成(自动发送飞书群) python3 scripts/fetch_feishu_minutes.py --file "产研团队_20260128.txt" --generate # 指定标题 python3 scripts/fetch_feishu_minutes.py --file "导出.txt" --title "产研团队第20场" --generate ``` ### 支持的文件格式 - **飞书妙记导出的txt文件**(推荐) - **Soul派对聊天记录** - **其他会议文字记录** --- ## 📤 飞书集成配置 ### 已配置凭证(**无需额外设置**) | 配置项 | 值 | |:---|:---| | **APP_ID** | `cli_a48818290ef8100d` | | **APP_SECRET** | `dhjU0qWd5AzicGWTf4cTqhCWJOrnuCk4` | | **默认Webhook** | `34b762fc-5b9b-4abb-a05a-96c8fb9599f1` | ### 发送能力 | 消息类型 | 状态 | 说明 | |:---|:---|:---| | **图片消息** | ✅ 已支持 | 自动上传+发送PNG | | **富文本摘要** | ✅ 已支持 | 分享人+干货提炼 | | **文本通知** | ✅ 已支持 | 简单文本 | ### 单独发送命令 ```bash # 发送图片 python3 scripts/send_to_feishu.py --image output/meeting.png # 发送文本 python3 scripts/send_to_feishu.py --text "派对纪要已生成" # 从JSON发送完整摘要 python3 scripts/send_to_feishu.py --json "meeting.json" ``` --- ## 📋 纪要结构(默认:聊天结构) **优先使用**:聊天结构长图内驱(见上),不按下面文档式六模块写正文。 若需文档式(如走 Python 模板),可参考: | 序号 | 模块 | 内容 | 图标 | |:---|:---|:---|:---| | **1** | 派对分享人 | 嘉宾姓名、角色、分享话题 | 🎤 | | **2** | 分享项目 | 核心项目/模式拆解 | 📌 | | **3** | 重点片段 | 时间戳+核心观点+**洞察** | 🔥 | | **4** | 干货提炼 | 单行对齐的**要点总结** | ⚡ | | **5** | 项目推进 | **下一步行动项** | 🚀 | --- ## 📊 数据格式 ### 派对纪要 JSON 示例 ```json { "title": "1月28日|猎头行业×电动车民宿×金融视角", "subtitle": "Soul派对第85场", "date": "2026-01-28", "time": "06:55", "duration": "2小时47分钟52秒", "participants_count": "600+", "location": "Soul派对早场", "speakers": [ { "name": "卡若", "role": "派对主持人·融资运营", "topics": "电动车×民宿撮合·不良资产收购" } ], "modules": [...], "highlights": [...], "takeaways": [...], "actions": [...] } ``` --- ## 🛠️ 脚本说明 | 脚本 | 功能 | 依赖 | |:---|:---|:---| | **`full_pipeline.py`** | ⭐ 完整流程(推荐) | requests, playwright | | **`fetch_feishu_minutes.py`** | ⭐ 飞书妙记 → 会议纪要 | requests | | `parse_chatlog.py` | 解析聊天记录 → JSON | 无 | | `generate_meeting.py` | JSON → HTML | 无 | | `screenshot.py` | HTML → PNG截图 | playwright | | `send_to_feishu.py` | 发送到飞书群 | requests | ### 安装依赖 ```bash # 基础依赖 pip3 install requests # 截图功能 pip3 install playwright playwright install chromium ``` --- ## 🎨 样式特点 - **毛玻璃效果**:`backdrop-filter: blur(16px)` + 半透明背景 - **渐变色块**:每个模块有独特的渐变色(蓝、绿、紫、橙、红) - **流程图**:顶部展示派对完整流程 - **数字序号**:每个模块有圆形数字标识 - **重点加粗**:关键信息使用 `` 标签突出 - **响应式布局**:适配手机、平板、电脑 --- ## 📁 目录结构 ``` 智能纪要/ ├── scripts/ │ ├── full_pipeline.py # ⭐ 完整流程(推荐) │ ├── parse_chatlog.py # 解析聊天记录 │ ├── generate_meeting.py # 生成HTML │ ├── generate_review.py # 生成复盘HTML │ ├── screenshot.py # 截图工具 │ └── send_to_feishu.py # 飞书发送(含凭证) ├── templates/ │ ├── meeting.html # 派对纪要模板 │ └── review.html # 复盘总结模板 ├── output/ # 输出目录 └── SKILL.md # 本文档 ``` --- ## 🔗 与其他技能协作 | 场景 | 协作流程 | |:---|:---| | 派对录音转纪要 | 飞书妙记 → JSON提取 → **派对纪要生成** → **飞书群** | | 项目复盘 | 需求拆解 → 执行跟踪 → **复盘总结生成** → **飞书群** | | 商业计划 | 卡土算账 → 数据整理 → **商业计划书生成** | --- ## 📝 更新日志 | 日期 | 更新 | |:---|:---| | **2026-02-18** | 📐 纪要一律按**聊天结构**生成**长图内驱**;不按文档/脚本结构,不先出 HTML,直接产出可做智能会议图片的内容;补充 Agent 约定与内驱格式说明 | | **2026-01-28** | 🤖 融合本地模型:支持离线智能摘要、信息提取 | | **2026-01-28** | ✅ 配置飞书凭证,支持自动发送图片 | | 2026-01-28 | 新增飞书群集成:send_to_feishu.py + full_pipeline.py | | 2026-01-28 | 优化模板:增加流程图、调整模块名称、统一单行对齐 | | 2026-01-28 | 创建技能,支持派对纪要和复盘总结 | --- ## 🤖 本地模型融合 ### 功能增强 智能纪要现支持使用本地模型(Ollama)进行智能摘要和信息提取: ```python # 导入本地模型SDK import sys sys.path.append("/Users/karuo/Documents/个人/卡若AI") from _共享模块.local_llm import summarize, extract_info, check_service # 检查本地模型服务 status = check_service() if not status["running"]: print("本地模型不可用,将使用云端API") # 生成会议摘要(200字以内) meeting_text = "很长的会议记录文本..." summary = summarize(meeting_text, max_words=200) # 提取关键信息 speakers = extract_info(meeting_text, "发言人姓名和角色") actions = extract_info(meeting_text, "待办事项和负责人") highlights = extract_info(meeting_text, "核心观点和金句") ``` ### 使用场景 | 场景 | 本地模型 | 云端API | |:---|:---|:---| | 快速生成摘要 | ✅ 推荐(1-2秒) | 可选 | | 提取发言人信息 | ✅ 推荐 | 可选 | | 提取待办事项 | ✅ 推荐 | 可选 | | 批量处理多场派对 | ✅ 强烈推荐(免费) | 成本累积 | | 生成完整TDD文档 | 不推荐 | ✅ 推荐 | ### 集成到流程 可以在 `parse_chatlog.py` 中调用本地模型辅助提取: ```python # parse_chatlog.py 中添加 from _共享模块.local_llm import summarize, extract_info, check_service def smart_extract(text): """智能提取:本地优先""" if check_service()["running"]: return { "summary": summarize(text, 150), "speakers": extract_info(text, "发言人"), "actions": extract_info(text, "行动项") } else: # 降级到原有逻辑或云端API return fallback_extract(text) ``` ### 资源控制 - **并发限制**:最多2个并发请求 - **请求间隔**:0.5秒 - **CPU使用**:控制在30%以内 - **自动限流**:SDK已内置,无需手动处理