OpenClawQwen3-32B自动化办公会议纪要生成与飞书同步实战1. 为什么需要自动化会议纪要每次开完会最痛苦的事情是什么对我来说就是整理会议纪要。作为技术负责人每周要参加5-6个不同主题的会议会后需要花大量时间回听录音、整理重点、提取待办事项。最头疼的是有时候会议中提到的技术细节在整理时已经记不清具体上下文了。上个月我在调试OpenClaw对接本地Qwen3-32B模型时突然想到既然这个框架能操控我的电脑为什么不让它帮我处理这些重复性工作经过三周的迭代终于跑通了从语音转文字到纪要生成再到飞书同步的全流程。现在我的会议纪要处理时间从原来的40分钟缩短到5分钟准确率还更高了。2. 技术选型与硬件准备2.1 为什么选择Qwen3-32B在测试了多个开源模型后我最终锁定Qwen3-32B有三个原因长文本处理能力32K的上下文窗口足够处理1小时会议录音的转写文本中文理解深度对技术术语和专业名词的识别明显优于同等规模的国际模型本地部署可控所有数据都在我的RTX4090D显卡上处理不用担心敏感会议内容外泄特别要提的是RTX4090D的24GB显存。在实测中处理90分钟会议录音约3万字文本时显存占用稳定在20GB左右全程没有触发交换内存这保证了摘要生成的实时性。2.2 OpenClaw的核心配置我的开发环境是Ubuntu 22.04OpenClaw通过Docker部署。关键配置如下{ models: { providers: { local-qwen: { baseUrl: http://localhost:8000/v1, apiKey: null, api: openai-completions, models: [ { id: qwen3-32b, name: Qwen3-32B-Local, contextWindow: 32768 } ] } } } }飞书插件的配置要注意两点必须开启websocket连接模式否则无法实时接收会议开始事件需要申请获取会议录音和编辑日历两个高级权限3. 实战从语音到待办事项的全流程3.1 会议录音的自动捕获飞书会议结束后系统会自动将录音文件保存到云端。这里我写了一个简单的Node.js监听服务openclaw.on(feishu:meeting_end, async (meeting) { const audioUrl await feishu.getMeetingRecord(meeting.id); const transcript await whisperx(audioUrl); // 语音转文字 await openclaw.execute(process_transcript, { text: transcript }); });实际使用中发现飞书录音有时会有5-10分钟的延迟。我的解决方案是加入重试机制每隔2分钟检查一次直到录音文件就绪。3.2 智能摘要生成这是最核心的部分。经过多次调整最终确定的prompt模板如下你是一个专业的会议纪要助手。请根据以下会议录音文本 1. 用200字总结会议核心结论 2. 列出3-5个关键讨论点 3. 提取所有待办事项标注负责人和截止时间 4. 用Markdown表格呈现时间线 原始文本{{transcript}}在Qwen3-32B上执行这个prompt处理3万字文本大约需要45秒。有趣的是模型能自动识别出这个需求下周再讨论这样的模糊时间表述并将其转换为具体的日期。3.3 飞书日历的自动创建最让我惊喜的是待办事项同步功能。OpenClaw可以解析出这样的信息[待办] 张三: 在订单模块增加退款状态查询接口 (7月15日前)然后自动转换为飞书日历事件。关键代码片段const events await openclaw.parseTodos(summary); for (const event of events) { await feishu.createCalendarEvent({ title: [待办] ${event.title}, description: 负责人: ${event.owner}\n${event.details}, start_time: event.dueDate, end_time: event.dueDate 30 * 60 // 默认30分钟 }); }4. 踩过的坑与解决方案4.1 中文时间识别问题初期测试时模型经常把下周三识别为字面意思而不会换算成具体日期。解决方案是在prompt中加入当前日期上下文当前日期2024-07-08 请将文本中的时间描述转换为具体日期...4.2 长文本处理优化直接处理3万字文本时显存偶尔会溢出。后来我改为分段处理先用Whisper的时间戳将录音按发言人分段对每段内容先做初步摘要最后汇总所有摘要生成最终纪要这种方法使显存占用降低了40%且质量几乎没有损失。4.3 飞书权限问题最大的障碍是飞书API权限申请。需要特别注意必须使用企业自建应用个人应用无法获取会议录音审批时需要详细说明使用场景IP白名单要包含OpenClaw服务的外网IP5. 效果评估与使用建议经过一个月的实际使用这个自动化流程已经处理了23场会议准确率达到85%以上。最明显的改进有待办事项遗漏率从人工整理的20%降到不足5%会议结论的表述更加结构化所有待办自动加入日历后团队任务跟进效率显著提升对于想要复现的开发者我的建议是先从15分钟左右的短会议开始测试重点检查时间识别和待办提取两个环节飞书权限审批可能需要3-5个工作日要提前准备RTX4090D的24GB显存确实是刚需实测16GB显存在处理长会议时会频繁交换这套系统现在已经成为我们团队不可或缺的效率工具。下一步我计划加入自动生成会议报告PPT的功能不过这需要解决更复杂的排版问题。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。