🦀 ClawHub
Meeting Notes Assistant
by @liugouxiong
会议纪要智能助手。使用本地 Whisper 音频转写（离线、隐私安全），生成结构化会议纪要（时间、议题、结论、待办、关键词），提取 Action Items。支持 Word / PDF / 邮件输出，适合录音转写、会议归档与待办分发。触发关键词：「整理会议纪要」、「生成会议纪要」、「录音转纪要」。
TERMINAL
clawhub install meeting-notes-assistant📖 About This Skill
name: meeting-notes-assistant description: 会议纪要智能助手。使用本地 Whisper 音频转写（离线、隐私安全），生成结构化会议纪要（时间、议题、结论、待办、关键词），提取 Action Items。支持 Word / PDF / 邮件输出，适合录音转写、会议归档与待办分发。触发关键词：「整理会议纪要」、「生成会议纪要」、「录音转纪要」。 version: "1.0.0" author: "Meeting Notes Assistant Team" tags: ["会议", "转写", "纪要", "Whisper", "AI"] license: "MIT"
Meeting Notes Assistant v1.0.0
功能概述
智能会议纪要助手，基于本地 Whisper 离线转写，提供：
核心功能
1. 离线语音转写 - 本地 Whisper（base / small / large-v3），数据不上云，隐私安全 2. 多语言支持 - 中文、英语、日语、韩语自动识别 3. 结构化纪要 - 时间、议题、结论、待办、关键词、Action Items 4. 智能解析 - AI 自动提取会议要点，规则解析兜底 5. 文档导出 - Word / PDF 专业排版 6. 历史存储 - 本地 SQLite 存储，支持关键词搜索 7. 模板管理 - 简洁版、专业版、立项会、周会、月度复盘等模板 8. 批量处理 - 目录级批量转写、批量纪要生成，支持递归扫描核心优势
触发词
推荐使用流程
场景 A：录音转纪要
1. 提供音频文件（.mp3 / .m4a / .wav / .ogg） 2. 先转写，再生成结构化纪要 3. 预览后导出 Word / PDF / 飞书 / 邮件飞书用户快速开始：详见 FEISHU_QUICK_START.md
场景 B：文档或链接转纪要
1. 提供文字稿、飞书文档链接或网页链接 2. 直接生成结构化纪要 3. 选择分发方式快速上手（命令行）
1) 安装依赖
pip install -r requirements.txt
关于 Whisper 模型：
base 和 small 模型large-v3 模型（最高准确率，约 3GB）在首次使用时自动下载large-v3 模型~/.cache/whisper/（Linux/Mac）或 C:\Users\<用户名>\.cache\whisper\（Windows）2) 常用脚本
# 语音转文字（推荐直接输出转写文本文件）
小模型（推荐日常使用，速度和准确率平衡）
python scripts/transcribe_audio.py demo.m4a --model small大模型（最高准确率，需要 GPU）
python scripts/transcribe_audio.py demo.m4a --model large-v3基础模型（快速测试）
python scripts/transcribe_audio.py demo.m4a --model base生成结构化纪要
python scripts/generate_notes.py transcript.txt --output notes.jsonWindows PowerShell 下如需附带会议信息，建议改用 JSON 文件
python scripts/generate_notes.py transcript.txt --meeting-info-file meeting-info.json --output notes.json导出 Word（内置模板）
python scripts/export_word.py notes.json --template simple --output notes.docx导出 Word（templates.py 管理的模板，如"周会"）
python scripts/export_word.py notes.json --template 周会 --output weekly-notes.docx导出 PDF
python scripts/export_pdf.py notes.json --output notes.pdf查看历史会议
python scripts/storage.py list --limit 10
3) 配置 LLM（必做，否则纪要内容为空）
generate_notes.py 默认调用 OpenAI 兼容接口。在 ~/.workbuddy/meeting-notes-config.json 中配置：
{
"llm_base_url": "https://api.openai.com/v1",
"llm_api_key": "sk-your-key-here",
"llm_model": "gpt-4o-mini"
}
国内兼容接口示例（通义千问、DeepSeek、智谱等）：
{
"llm_base_url": "https://api.deepseek.com/v1",
"llm_api_key": "sk-your-deepseek-key",
"llm_model": "deepseek-chat"
}
也可以用环境变量覆盖：OPENAI_API_BASE / OPENAI_API_KEY / LLM_MODEL
若无 API Key，使用 --no-llm 参数回退到规则解析（内容较少）：
python scripts/generate_notes.py transcript.txt --no-llm --output notes.json
4) 配置邮件发送（可选）
首次发送邮件前，可先运行 SMTP 配置向导：
python scripts/send_email.py --config
也可指定自定义配置文件路径（联调推荐）：
python scripts/send_email.py --config --config-path smoke-test/email-config.json
配置会写入 ~/.workbuddy/meeting-notes-config.json 的 email 字段，并保留已有的 LLM 配置。
5) 配置文件位置
~/.workbuddy/meeting-notes-config.json~/.workbuddy/meeting_notes.db~/.workbuddy/meeting_channels.db~/.workbuddy/meeting_notes_templates/6) 指定隔离数据库目录（联调 / smoke test 推荐）
storage.py / channels.py / meeting_analytics.py 已支持 --db-dir 参数，也兼容环境变量 WORKBUDDY_HOME。
python scripts/storage.py --db-dir smoke-test/real-audio/home/.workbuddy list --limit 10
python scripts/channels.py --db-dir smoke-test/real-audio/home/.workbuddy meetings 1
python scripts/meeting_analytics.py --db-dir smoke-test/real-audio/home/.workbuddy --period week
目录结构
scripts/
transcribe_audio.py：语音转文字generate_notes.py：生成结构化纪要 JSONexport_word.py：导出 Word 文档export_pdf.py：导出 PDF 文档（Windows 自动优先 reportlab / fpdf2）publish_feishu.py：生成飞书文档 / 群聊 / 任务所需载荷send_email.py：发送会议纪要邮件（支持 --config SMTP 配置向导）storage.py：历史会议保存、搜索、列表、删除（支持 --db-dir）templates.py：模板管理channels.py：频道分组管理（支持 --db-dir、update 修改描述/颜色）meeting_analytics.py：会议频率与关键词分析（支持 --db-dir）sentiment_analysis.py：情绪分析（繁简转换 + 口语友好分句 + 逐句聚合）ai_skills.py：销售 / 招聘 / 技术评审 / 金融交流等场景提取export_bitable.py：导出飞书多维表格 JSON（支持 --field-lang zh/en 字段名切换）references/
template_guide.md：Word 模板占位符与结构说明assets/
典型命令
导出专业版 Word
python scripts/export_word.py notes.json --template professional --output notes.docx
导出模板管理器中的 Word 模板
python scripts/export_word.py notes.json --template 技术评审 --output tech-review.docx
导出自定义 .docx 占位符模板
python scripts/export_word.py notes.json --template custom --template-path my-template.docx --output custom-notes.docx
导出飞书多维表格数据
python scripts/export_bitable.py notes.json --format json --field-lang zh
python scripts/export_bitable.py notes.json --format records --field-lang en
配置并发送邮件
python scripts/send_email.py --config
python scripts/send_email.py notes.json --to demo@example.com -a notes.docx
会议分析
python scripts/meeting_analytics.py --period week --limit 50
情绪分析
python scripts/sentiment_analysis.py transcript.txt
频道管理
python scripts/channels.py create 产品例会 --description 产品周会
python scripts/channels.py update 1 --description 重点客户复盘频道 --color "#FF6B6B"
python scripts/channels.py add 12 1
python scripts/channels.py meetings 1
使用示例
示例 1：语音转纪要
用户：帮我整理会议纪要
AI：请提供会议录音或相关文档（音频 / 链接）
用户：[上传录音]
AI：好的，已识别语音。现在生成会议纪要...
示例 2：文档链接
用户：https://xxx.feishu.cn/doc/xxx
AI：好的，已读取会议内容。正在生成结构化纪要...
示例 3：会议后分发
用户：把这份纪要导出 Word 再发飞书
AI：先生成结构化纪要，再输出 Word，并给出飞书发布内容
合规声明
数据隐私
详细隐私声明：PRIVACY.md
免责声明
详细免责声明：DISCLAIMER.md
使用限制
开源许可
本工具采用 MIT 许可证，详见：LICENSE前置条件
运行环境
依赖项
requirements.txt最佳实践
Whisper 模型选择指南
| 模型 | 大小 | 准确率 | 速度 | 推荐场景 | |------|------|--------|------|----------| | tiny | ~39MB | 最低（~80%） | 最快（<1分钟/10分钟音频） | 快速测试、简单对话 | | base | ~140MB | 较低（~85%） | 快（<2分钟/10分钟音频） | 日常使用 | | small | ~460MB | 高（~90%） | 中等（~5分钟/10分钟音频） | 推荐日常使用，准确率足够，速度快 | | large-v3 | ~2.88GB | 最高（~95%） | 慢（~15分钟/10分钟音频，GPU 可加速） | 专业需求、重要会议，需要 GPU 支持 |
使用建议：
small 模型（已包含在安装包中）large-v3 模型（最高准确率）large-v3 或 small，避免使用 tiny 和 base模型对比测试结果（解放南路 3.m4a，59分钟金融会议音频）
| 模型 | 转写时间 | 字符数 | 金融术语识别率 | 适用性 | |------|---------|--------|--------------|--------| | base | ~2 分钟 | 13,966 | 4.2%（2/48） | ❌ 不推荐 | | small | ~5 分钟 | 13,966 | 64.6%（31/48） | ✅ 推荐 | | large-v3 | 59 分钟（GPU） | 13,743 | 70.8%（34/48） | ✅ 专业推荐 |
结论：
技术细节
技术细节
imageio-ffmpeg 提供的 ffmpeg。transcribe_audio.py 已支持 --model 与 --output，适合直接串联"音频 -> 转写文本 -> 纪要"，且默认会做繁体转简体后处理。--meeting-info JSON 字符串容易受引用影响，建议优先使用 --meeting-info-file。sentiment_analysis.py 已改为繁简转换 + 口语友好分句 + 逐句聚合，会先按换行/标点切分，再对超长口语段按长度阈值拆分，避免把整段长文本当成一句导致误判。ai_skills.py 已支持金融场景自动识别，适合证券 / 理财 / 量化 / 机构交流录音；--text 与 --json（如 notes.json）两类输入都会先做结构化文本归一，再执行场景识别与字段提取。storage.py / channels.py / meeting_analytics.py 可通过 --db-dir 指向同一隔离数据目录，避免联调时读到不同数据库。export_word.py / export_pdf.py / publish_feishu.py / export_bitable.py 已兼容 generate_notes.py 产出的 content / assignee / deadline 字段，也兼容字符串形式的 action_items。export_word.py 已同时支持两类模板：1）templates.py 管理的 JSON 模板（--template <模板名>）；2）用户自带 .docx 占位符模板（--template custom --template-path <模板文件>），其中 {{action_items}} 会输出三列表格，详细占位符见 references/template_guide.md。export_pdf.py 在 Windows 下会默认按 reportlab -> fpdf2 -> html 的顺序自动导出，避免先尝试 weasyprint 时反复撞系统动态库缺失；非 Windows 仍会优先尝试 weasyprint。export_pdf.py 才会继续回退输出 HTML 预览文件。export_bitable.py 已支持 --field-lang zh/en；中文模式会输出 会议标题 / 时间 / 参会人 等字段，便于直接导入飞书多维表格。storage.py / channels.py / meeting_analytics.py 可通过 --db-dir 指向同一隔离数据目录，避免联调时读到不同数据库。export_word.py / export_pdf.py / publish_feishu.py / export_bitable.py 已兼容 generate_notes.py 产出的 content / assignee / deadline 字段，也兼容字符串形式的 action_items。export_word.py 已同时支持两类模板：1）templates.py 管理的 JSON 模板（--template <模板名>）；2）用户自带 .docx 占位符模板（--template custom --template-path <模板文件>），其中 {{action_items}} 会输出三列表格，详细占位符见 references/template_guide.md。export_pdf.py 在 Windows 下会默认按 reportlab -> fpdf2 -> html 的顺序自动导出，避免先尝试 weasyprint 时反复撞系统动态库缺失；非 Windows 仍会优先尝试 weasyprint。export_pdf.py 才会继续回退输出 HTML 预览文件。export_bitable.py 已支持 --field-lang zh/en；中文模式会输出 会议标题 / 时间 / 参会人 等字段，便于直接导入飞书多维表格。配置管理
查看当前配置：cat ~/.workbuddy/meeting-notes-config.json
修改配置：说 "修改会议纪要配置"
重置配置：说 "重置会议纪要配置"